【技术实现步骤摘要】
一种知识引导的输电线路航拍图像目标检测方法及系统
[0001]本专利技术涉及目标检测
,具体涉及一种知识引导的输电线路航拍图像目标检测方法及系统。
技术介绍
[0002]通过对经典的深度学习模型的调参优化,虽然可以将金具检测模型的准确率提升到较高的程度,但是由于航拍输电线路图像存在分辨率低、无人机拍摄时无法避免的震动导致拍摄模糊、远距离拍摄导致的目标小、数量多、存在遮挡等原因,以及现有的金具检测模型在检测金具时只注重于单一区域,将提取的候选区域视觉特征放入分类器来识别目标,因此单纯利用现有金具检测模型很难将精度提升到很高。
[0003]在中国专利文献上公开的“输电线路金具目标检测和缺陷识别方法及终端”,其公开号为CN111881937A,公开了一种输电线路金具目标检测和缺陷识别方法及终端;但是该专利较为笼统的提出采用深度学习的方式进行目标检测和缺陷识别,仍属于单纯利用现有金具检测模型进行检测的范畴,精度难以提升。
技术实现思路
[0004]本专利技术解决了目前金具检测模型在检测金具时仅注重于金具的单一区域,导致检测精度难以有效提升的问题,根据金具在输电线路组装时在空间布局和先验知识上表现出的相互关联的规则性,提出一种知识引导的输电线路航拍图像目标检测方法及系统,利用金具间的知识与深度学习框架相结合,从而提高金具检测精度。
[0005]为了实现上述目的,本专利技术采用以下技术方案:一种知识引导的输电线路航拍图像目标检测方法;包括以下步骤:S1,输入图像并通过区域选择生成若干个候选区 ...
【技术保护点】
【技术特征摘要】
1.一种知识引导的输电线路航拍图像目标检测方法,其特征在于,包括以下步骤:S1,输入图像并通过区域选择生成若干个候选区域;S2,以候选区域的相对几何特征为输入节点,通过MLP学习候选区域在空间布局上的信息作为区域之间的边,构建空间知识图,生成空间特征;S3,以候选区域为节点,以区域的空间特征初始化节点,从典型金具数据集中获得金具的先验知识作为区域节点的边,构建先验知识图;利用门控图神经网络模型在先验知识图中传播节点信息,生成节点特征;根据节点特征来预测区域标签。2.根据权利要求1所述的一种知识引导的输电线路航拍图像目标检测方法,其特征在于,所述步骤S2包括以下步骤:S21,给定区域i和区域j,提取候选区域的相对几何特征b
i
和b
j
,利用MLP学习得到区域i和区域j的边值:其中,α表示两个区域之间的差异情况;S22,遍历全部区域生成空间区域图;通过堆叠的K个MLP获得K个空间区域图,将K个空间区域图的边值累加取平均,并加入单位矩阵引入自环效果:其中,e
ij
为边值平均值,I为单位矩阵;S23,采用矩阵相乘的方式将空间区域图G
s
中的边与区域特征F连接,获得空间特征F
s
:F
s
=εFW
s
其中,ε∈R
N
×
N
,R
N
×
N
为空间区域图的边集,e
ij
∈ε;W
s
为可训练参数,其为空间区域图G
s
中边值权重的K个MLP权重。3.根据权利要求1或2所述的一种知识引导的输电线路航拍图像目标检测方法,其特征在于,所述构建先验知识图的步骤具体为:A31,以候选区域为节点,以区域的空间特征初始化节点;由典型金具数据集的训练集中统计类别的共现次数,根据共现次数求出条件概率:P
xy
为条件概率,m
xy
为训练集中标签x与标签y共同出现的次数,N
x
为训练集中标签出现x的次数;A32,根据条件概率构建出邻接矩阵A,并对邻接矩阵A进行二值化处理,得到二值化邻接矩阵A
′
:其中,τ是为滤除噪声设定阈值;A33,引入超参数q进行二次加权,得到最终的邻接矩阵A
′
,邻接矩阵A
′
作为先验知识图的边:
A34,将N个区域进行处理以得到节点数为N*C的先验知识图。4.根据权利要求3所述的一种知识引导的输电线路航拍图像目标检测方法,其特征在于,所述...
【专利技术属性】
技术研发人员:杨迁,诸加荣,韩泽凯,吕家辉,季奕驰,
申请(专利权)人:浙江图盛输变电工程有限公司温州科技分公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。