【技术实现步骤摘要】
本专利技术涉及目标识别，尤其是涵盖计算机视觉、图像处理、深度学习等领域，其具体涉及一种基于红外图像和改进yolov5的电缆终端识别方法和装置。
技术介绍
1、电缆作为连接变电站和电网的关键桥梁，也是输电线路的主要部件。现有高压输电中，常使用铁塔、钢管杆将电缆架设在高空中，到达电能传输目的地后，需要将高空中的电缆引下来，而电缆终端常被用来将电缆引下来。电缆终端、避雷器、绝缘子、互感器等一般安装在变电站、地坪、平台、杆塔等的上面。为保证输电线路的可靠性和安全性，需要对电缆终端、避雷器等进行实时监测，目前基于视觉的监测越来越普遍，但可见光视觉会受光照条件的限制，无法保证夜间的实时监测。
2、红外图像不受光照条件的限制，可以保证夜间的实时监测。目前基于红外图像的目标识别主要还是采用传统的图像处理技术，由于红外图像的对比度低、信噪比低、视觉效果模糊、灰度分布与目标反射特征无线性关系等特性，识别精准度低。近年来，深度学习及其在各领域的成功应用为红外图像的目标识别提供了新的机遇。因此，市面上缺乏一种通过结合红外图像和改进yolov5算法来提高电缆终端识别精准度的技术方案。
技术实现思路
1、为了现有技术中识别精准度低的问题，本专利技术的目的在于提供一种基于红外图像和改进yolov5的电缆终端识别方法及装置，该方法可以结合红外图像和改进yolov5算法，提高基于红外图像的电缆终端识别精准度。
2、本专利技术通过以下技术方案来实现上述目的：
3、一种基于红外图像和
4、采集包含电缆终端和环境特征的红外图像数据，并对采集到的红外图像数据进行清洗，生成初始数据集；
5、对获取到的红外图像的初始数据集进行预处理、标注和数据增强，建立样本数据集，并将样本数据集划分成训练集、验证集与测试集；
6、以yolov5为基本框架构建红外目标识别算法模型，并使用样本数据集的训练集和验证集对所述红外目标识别算法模型进行训练与优化，以及使用测试集进行测试模型指标，获取最优目标识别模型；
7、采用所述最优目标识别模型对拍摄到的包含电缆终端的红外图像进行识别，获得电缆终端的位置。
8、根据本专利技术提供的一种基于红外图像和改进yolov5的电缆终端识别方法，在采集红外图像数据时，通过电缆终端识别装置中的红外摄像机对各种场景下的电缆终端进行多方式拍摄；其中，所述场景包括场内和场外；所述拍摄方式包括近距离拍摄、远距离拍摄和多角度拍摄；
9、对采集到的包含电缆终端的红外图像进行清洗，以剔除模糊的、低质量的图像。
10、根据本专利技术提供的一种基于红外图像和改进yolov5的电缆终端识别方法，在进行图像预处理时，对获取的红外图像进行灰度化处理与图像增强处理；
11、其中，采用组合方法对图像进行增强：
12、首先，采用自适应中值滤波方法对原始图像进行滤波，去除粒子噪声和椒盐噪声；
13、然后，利用滤波后的直方图进行平台直方图均衡化，并进行伽玛变换，提高图像的整体对比度，同时，对滤波后的图像进行拉普拉斯锐化，增强图像的边缘信息；
14、最后，对伽玛变换后的图像与锐化后的图像进行加权组合。
15、根据本专利技术提供的一种基于红外图像和改进yolov5的电缆终端识别方法，在进行图像标注时，使用rolabelimg标注工具对图像中的电缆终端进行旋转目标框标注，并对标注后的图像进行数据增强，建立样本数据集；
16、在进行数据增强时，使用角度旋转、对比度变化、镜像翻转、裁剪的方式处理图像数据；
17、将建立好的样本数据集按照8:1:1的比例划分成训练集、验证集与测试集。
18、根据本专利技术提供的一种基于红外图像和改进yolov5的电缆终端识别方法，在进行平台直方图均衡化时，根据公式（1）按平均法计算平台阈值t：
19、（1）
20、其中，为原始图像，和为图像的宽和高；
21、判断原始直方图中灰度级值与阈值t的关系：若原始直方图中某灰度级值大于阈值t，则将该灰度级值设为t；若该灰度级值小于t，则该值保持不变，表示为公式（2）：
22、（2）
23、其中，为图像灰度值，，为平台直方图，为原始直方图；
24、对平台直方图进行计算，得到累积函数，表示为公式（3）：
25、（3）
26、利用累积函数重新分配图像的灰度级，得到均衡图像，表示为公式（4）：
27、（4）
28、对平台直方图均衡化后的图像进行伽玛变换，得到输出图像，表示为公式（5）：
29、（5）
30、其中，c和γ为正的设计参数，x表示输入图像灰度值，表示输出图像灰度值。
31、根据本专利技术提供的一种基于红外图像和改进yolov5的电缆终端识别方法，对自适应中值滤波后的图像进行拉普拉斯锐化处理，得到输出图像 y2；
32、将得到的图像按公式（6）进行加权，得到增强后的图像：
33、（6）
34、其中，为权值系数，取值在[0,1]。
35、根据本专利技术提供的一种基于红外图像和改进yolov5的电缆终端识别方法，在构建红外目标识别算法模型时，具体包括：
36、对yolov5目标识别网络进行改进，包括：在主干网络设置有s-ghost模块取代前两个通用卷积层；在颈部网络的起始位置设置有带注意力机制的rsk模块；构建包含置信度损失、分类损失和定位损失的损失函数；
37、用样本数据集的训练集和验证集对改进yolov5网络进行训练与优化；
38、用测试集测试模型指标，获取最优目标识别模型。
39、根据本专利技术提供的一种基于红外图像和改进yolov5的电缆终端识别方法，在主干网络上通过s-ghost模块进行特征提取，表示为公式（7）：
40、（7）
41、其中，o表示步长为1的s-ghost模块输出；表示输入；dwconv3×3，sj表示卷积核为3×3，步长为j的深度可分离卷积；ghost表示ghostconv；concat表示通道数量的连接；shuffle表示通道shuffle操作。
42、根据本专利技术提供的一种基于红外图像和改进yolov5的电缆终端识别方法，所述带注意力机制的 rsk模块包括：分离模块、注意力模块、选择与融合模块，其中，分离模块将输入分为两个分支，分离过程如公式（8）所示：
43、
44、（8）
45、其中，和分别表示分支1和分支2输出的特征；表示输入特征；和分别表示卷积核为3×3和5×5的；
46、注意力模块对两个分支进行add操作，生成包含不同感受野信息的特征向量，具体过程表示为公式（9）：
<本文档来自技高网...【技术保护点】
1.一种基于红外图像和改进YOLOV5的电缆终端识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于：
3.根据权利要求1所述的方法，其特征在于：
4.根据权利要求3所述的方法，其特征在于：
5.根据权利要求4所述的方法，其特征在于：
6.根据权利要求1所述的方法，其特征在于：
7.根据权利要求6所述的方法，其特征在于：
8.根据权利要求6所述的方法，其特征在于：
9.一种基于红外图像和改进YOLOV5的电缆终端识别装置，其特征在于，包括：
【技术特征摘要】
1.一种基于红外图像和改进yolov5的电缆终端识别方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于：
3.根据权利要求1所述的方法，其特征在于：
4.根据权利要求3所述的方法，其特征在于：
5.根据权利要...
【专利技术属性】
技术研发人员：张树琪，王新成，吴玉香，
申请(专利权)人：珠海市金锐电力科技有限公司，
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。