一种电气设备紫外图像的语义分割模型构建方法及系统技术方案

本发明专利技术公开了一种电气设备紫外图像的语义分割模型构建方法及系统，方法包括：获取电气设备紫外图像集，对电气设备紫外图像集中的各个电气设备紫外图像进行图像标注，并将标注后的电气设备紫外图像集划分为训练子集、测试子集和验证子集；根据训练子集构建语义分割模型，语义分割模型包括卷积层、改进SPPF空间金字塔结构、改进CA注意力机制、下采样层以及上采样层基于改进的剪枝策略对语义分割模型进行剪枝操作，得到目标语义分割模型；根据测试子集和验证子集对目标语义分割模型进行测试和验证。通过引入改进SPPF空间金字塔结构实现多尺度信息提取，同时在语义分割模型解码部分嵌入改进CA注意力机制模块增强对关键特征信息的注意力。息的注意力。息的注意力。

【技术实现步骤摘要】
一种电气设备紫外图像的语义分割模型构建方法及系统


[0001]本专利技术属于图像分割
，尤其涉及一种电气设备紫外图像的语义分割模型构建方法及系统。

技术介绍

[0002]长期裸露在恶劣环境中的电气设备易导致其绝缘性能下降，其绝缘性能下降会直接影响到电力系统安全稳定运行。电晕放电检测广泛应用新兴紫外检测技术，对电力设备进行定期巡检可以掌握设备绝缘情况从而避免事故发生。
[0003]由于传统图像语义分割算法（如Normalized cut、Forests、SVM）存在着诸多局限性在实际应用中每次运行只能割一次图片，为分割图像中多个物体则需要多次运行。传统分割算法效率低、准确度不高，与传统图像语义分割相比基于深度学习可以极大提高效率及语义分割的精度。
[0004]传统U
‑
Net网络模型在紫外图像分割任务时存在着一些过分割以及欠分割的现象，申请号为CN202211659742.6的中国专利技术专利申请提出了一种基于UNet的电气设备紫外图像分割方法，该方法包括使用VGG16Net的卷积层代替U
‑
Net网络编码部分，将编码部分末端卷积层替换成空洞空间金字塔池化模块，在跳跃联结部分加入改进SENet模块，该专利技术提高了紫外图像分割精度。但并未解决算法参数冗余、计算量大，其改进U
‑
Net网络模型在边缘设备中推理速度慢，边缘设备资源无法支撑该算法实现实时检测。

技术实现思路

[0005]本专利技术提供一种电气设备紫外图像的语义分割模型构建方法级系统，用于解决现有算法模型在边缘设备中推理速度慢，未能满足边缘设备实时检测要求的技术问题。
[0006]第一方面，本专利技术提供一种电气设备紫外图像的语义分割模型构建方法，包括：获取电气设备紫外图像集，对所述电气设备紫外图像集中的各个电气设备紫外图像进行图像标注，并将标注后的电气设备紫外图像集划分为训练子集、测试子集和验证子集；根据所述训练子集构建语义分割模型，所述语义分割模型包括卷积层、改进SPPF空间金字塔结构、改进CA注意力机制、下采样层以及上采样层，其中构建所述语义分割模型的具体步骤包括：将所述训练子集中的电气设备紫外图像数据依序输入至第一卷积层C1和第二卷积层C2，得到第一输出结果，并将所述第一输出结果经过第一下采样层D1后依序输入至第三卷积层C3和第四卷积层C4，得到第二输出结果；将所述第二输出结果经过第二下采样层D2依序输入至第五卷积层C5、改进SPPF空间金字塔结构和第六卷积层C6，得到第三输出结果；将经过第一上采样层U1和改进CA注意力机制处理后的第三输出结果与所述第二输出结果进行堆叠融合，得到第四输出结果；
将所述第四输出结果依序输入至第七卷积层C7和第八卷积层C8并经过第二上采样层U2处理，得到第五输出结果，并将所述第五输出结果与所述第一输出结果进行堆叠融合，得到第六输出结果；将第六输出结果依序输入至第九卷积层C9、第十卷积层C10和第十一卷积层C11，最终形成对称的语义分割模型；基于改进的剪枝策略对所述语义分割模型进行剪枝操作，得到目标语义分割模型；根据所述测试子集和所述验证子集对所述目标语义分割模型进行测试和验证。
[0007]第二方面，本专利技术提供一种电气设备紫外图像的语义分割模型构建系统，其特征在于，包括：标注模块，配置为获取电气设备紫外图像集，对所述电气设备紫外图像集中的各个电气设备紫外图像进行图像标注，并将标注后的电气设备紫外图像集划分为训练子集、测试子集和验证子集；构建模块，配置为根据所述训练子集构建语义分割模型，所述语义分割模型包括卷积层、改进SPPF空间金字塔结构、改进CA注意力机制、下采样层以及上采样层，其中构建所述语义分割模型的具体步骤包括：将所述训练子集中的电气设备紫外图像数据依序输入至第一卷积层C1和第二卷积层C2，得到第一输出结果，并将所述第一输出结果经过第一下采样层D1后依序输入至第三卷积层C3和第四卷积层C4，得到第二输出结果；将所述第二输出结果经过第二下采样层D2依序输入至第五卷积层C5、改进SPPF空间金字塔结构和第六卷积层C6，得到第三输出结果；将经过第一上采样层U1和改进CA注意力机制处理后的第三输出结果与所述第二输出结果进行堆叠融合，得到第四输出结果；将所述第四输出结果依序输入至第七卷积层C7和第八卷积层C8并经过第二上采样层U2处理，得到第五输出结果，并将所述第五输出结果与所述第一输出结果进行堆叠融合，得到第六输出结果；将第六输出结果依序输入至第九卷积层C9、第十卷积层C10和第十一卷积层C11，最终形成对称的语义分割模型；剪枝模块，配置为基于改进的剪枝策略对所述语义分割模型进行剪枝操作，得到目标语义分割模型；处理模块，配置为根据所述测试子集和所述验证子集对所述目标语义分割模型进行测试和验证。
[0008]第三方面，提供一种电子设备，其包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例的电气设备紫外图像的语义分割模型构建方法的步骤。
[0009]第四方面，本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述程序指令被处理器执行时，使所述处理器执行本专利技术任一实施例的电气设备紫外图像的语义分割模型构建方法的步骤。
[0010]本申请的电气设备紫外图像的语义分割模型构建方法及系统，具体以下有益效果：采用普通卷积与分组卷积相结合代替一次普通卷积操作，并在语义分割模型的编码
‑
解码结构联结处引入改进SPPF空间金字塔结构实现多尺度信息提取，同时在语义分割模型解码部分嵌入改进CA注意力机制模块增强对关键特征信息的注意力，并且在语义分割模型的卷积操作后加入了归一化操作同时对语义分割模型进行改进的剪枝策略进行网络模型压缩，实现语义分割模型的轻量化，加快网络模型推理速度。
附图说明
[0011]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0012]图1为本专利技术一实施例提供的一种电气设备紫外图像的语义分割模型构建方法的流程图；图2为本专利技术一实施例提供一个具体实施例的语义分割模型的结构示意图；图3为本专利技术一实施例提供的一具体实施例的改进SPPF空间金字塔结构的结构示意图；图4为本专利技术一实施例提供的一种电气设备紫外图像的语义分割模型构建系统的结构框图；图5是本专利技术一实施例提供的电子设备的结构示意图。
具体实施方式
[0013]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电气设备紫外图像的语义分割模型构建方法，其特征在于，包括：获取电气设备紫外图像集，对所述电气设备紫外图像集中的各个电气设备紫外图像进行图像标注，并将标注后的电气设备紫外图像集划分为训练子集、测试子集和验证子集；根据所述训练子集构建语义分割模型，所述语义分割模型包括卷积层、改进SPPF空间金字塔结构、改进CA注意力机制、下采样层以及上采样层，其中构建所述语义分割模型的具体步骤包括：将所述训练子集中的电气设备紫外图像数据依序输入至第一卷积层C1和第二卷积层C2，得到第一输出结果，并将所述第一输出结果经过第一下采样层D1后依序输入至第三卷积层C3和第四卷积层C4，得到第二输出结果；将所述第二输出结果经过第二下采样层D2依序输入至第五卷积层C5、改进SPPF空间金字塔结构和第六卷积层C6，得到第三输出结果；将经过第一上采样层U1和改进CA注意力机制处理后的第三输出结果与所述第二输出结果进行堆叠融合，得到第四输出结果；将所述第四输出结果依序输入至第七卷积层C7和第八卷积层C8并经过第二上采样层U2处理，得到第五输出结果，并将所述第五输出结果与所述第一输出结果进行堆叠融合，得到第六输出结果；将第六输出结果依序输入至第九卷积层C9、第十卷积层C10和第十一卷积层C11，最终形成对称的语义分割模型；基于改进的剪枝策略对所述语义分割模型进行剪枝操作，得到目标语义分割模型；根据所述测试子集和所述验证子集对所述目标语义分割模型进行测试和验证。2.根据权利要求1所述的一种电气设备紫外图像的语义分割模型构建方法，其特征在于，所述卷积层包括普通卷积子层、分组卷积子层以及跳跃连接层。3.根据权利要求1所述的一种电气设备紫外图像的语义分割模型构建方法，其特征在于，所述改进SPPF空间金字塔结构包括：输入维度为128
×
128
×
256，卷积核大小为3
×
3，步长为1，填充方式为空白，输出通道数为256，归一化处理，激活函数ReLU6，输出y1为128
×
128
×
128；输入维度为128
×
128
×
128，卷积核大小为3
×
3，步长为1，卷积分组为128，输出通道数为128，填充方式为空白，归一化处理，激活函数ReLU6，输出y2为128
×
128
×
128；将y1与y2在通道维度进行堆叠融合输出y3为128
×
128
×
256；同时将输入数据x1与y3相加得到y4（128
×
128
×
256），最大池化操作，卷积核大小为5
×
5，步长为1，填充方式为空白，输出y5（128
×
128
×
256），其中，输入数据x1为改进SPPF空间金字塔结构的输入数据；最大池化操作，卷积核大小为9
×
9，步长为1，填充方式为空白，输出y6（128
×
128
×
256）；最大池化操作，卷积核大小为13
×
13，步长为1，填充方式为空白，输出y7（128
×
128
×
256），并将y4、y5、y6、y7在通道维度进行堆叠融合；输入维度为128
×
128
×
1024，卷积核大小为3
×
3，步长为1，填充方式为空白，输出通道数为128，归一化处理，激活函数ReLU6，输出y8为128
×
128
×
128；输入维度128
×
128
×
128，卷积核大小为3
×
3，步长为1，卷积分组为128，输出通道数为
128，填充方式为空白，归一化处理，激活函数ReLU6，输出y9为128
×
128
×
128，将y8与y9在通道维度进行堆叠融合输出y10为128
×
128
×
256。4.根据权利要求3所述的一种电气设备紫外图像的语义分割模型构建方法，其特征在于，所述改进CA注意力机制具体为：采用ReLU6作为非线性激活函数，输入数据256
×
256
×
128，根据输入特征图的尺寸，生成对应的坐标矩阵；将坐标矩阵嵌入到第一低维空间中，以及将输入特征图嵌入到第二低维空间中，分别得到坐标嵌入和特征嵌入；将坐标嵌入和特征嵌入相乘，得到一坐标注意力矩阵，并将输入特征图和坐标注意力矩阵相乘，得到一个特征注意力矩阵，所述特征注意力矩阵的输出数据的维度256
×
256
×
128；将所述输出数据与第四卷积层C4的输出堆叠融合，得到256

【专利技术属性】
技术研发人员：曾兵，周宇，何帝霖，陈显彪，杨小品，张文华，谢云敏，饶繁星，
申请(专利权)人：南昌工程学院，
类型：发明
国别省市：