一种基于深度学习的输电线路通道防外破检测方法技术

一种基于深度学习的输电线路通道防外破检测方法，通过获取输电线路通道隐患目标图像数据，对图像进行预处理，构建隐患目标数据集；在YOLOv5s的头部引入SimAM注意力机制模块，加强隐患目标在提取特征中的权重并抑制背景干扰权重；在改进YOLOv5s模型中，使用Wise‑IoU代替原始的CIoU作为边界框回归损失函数，提高预测边界框的回归预测精度并加快收敛速度；最后，构建改进的YOLOv5s对输电线路通道隐患目标进行检测，精准定位隐患目标的位置，快速发现隐患目标。本发明专利技术可帮助电力巡检部门快速精准地发现输电线路通道隐患目标，将有效降低输电线路通道外破风险，对保障电力企业安全生产和维持电力系统稳定性具有重要意义。

【技术实现步骤摘要】

本专利技术属于输电线路通道安全监测，特别涉及一种基于深度学习的输电线路通道防外破检测方法。

技术介绍

1、传统的输电线路通道巡检主要依赖于定期的人工步行勘察或搭乘直升机巡线检测，存在巡查人员责任意识欠缺、装备水平有限、经验主义误判等诸多弊端；且此种输电线路通道巡检方式存在效率低、劳动强度大和存在人员安全风险等缺陷；随着科学技术的发展和智能化巡检技术进程的推进，基于可视化输电线路通道终端的监拍模式能够较好地解决上述问题，但是仅通过简单监拍远程获取输电线路通道状况，无法保障监测的效率和准确性，且无法快速地检测到输电线路通道的隐患目标。

2、现有技术中针对输电线路通道安全监测问题，主要是基于深度学习的输电线路通道隐患目标检测方法。虽然目前存在众多输电线路通道隐患目标检测方法，但是能够实现实时精准地监测输电线路通道隐患目标的方法并不多；另外，在输电线路通道场景下，监测设备抓拍到的数据图像量众多，真正存在隐患目标的数据图像并不多；另外，还有部分现有研究是基于双目视觉的隐患目标监测方法，即通过三维重建方法获取输电线路通道隐患目标的空间位置，实现隐患目标检测本文档来自技高网...

【技术保护点】

1.一种基于深度学习的输电线路通道防外破检测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的基于深度学习的输电线路通道防外破检测方法，其特征在于：步骤S1中，在多场景下，通过架设在电力杆塔上的监拍摄像头获取输电线路通道图像；对采集的输电线路通道图像进行筛选，获取存在隐患目标的图像；通过包括增强、反转和平移在内的操作对输电线路通道隐患目标图像进行扩充；使用labelme图像标注工具对图像进行标注；从基准数据集COCO-datasets中随机提取包含输电线路通道隐患目标的图像数据及标签，结合自建的输电线路通道隐患目标数据集，建立输电线路通道隐患目标图像的专用数据库。...

【技术特征摘要】

1.一种基于深度学习的输电线路通道防外破检测方法，其特征在于包括以下步骤：

2.根据权利要求1所述的基于深度学习的输电线路通道防外破检测方法，其特征在于：步骤s1中，在多场景下，通过架设在电力杆塔上的监拍摄像头获取输电线路通道图像；对采集的输电线路通道图像进行筛选，获取存在隐患目标的图像；通过包括增强、反转和平移在内的操作对输电线路通道隐患目标图像进行扩充；使用labelme图像标注工具对图像进行标注；从基准数据集coco-datasets中随机提取包含输电线路通道隐患目标的图像数据及标签，结合自建的输电线路通道隐患目标数据集，建立输电线路通道隐患目标图像的专用数据库。

3.根据权利要求2所述的基于深度学习的输电线路通道防外破检测方法，其特征在于：步骤s2中，构建优化的yolov5s注意力机制模块的子步骤如下：

4.根据权利要求3所述...

【专利技术属性】
技术研发人员：梁炎燊，郑含博，李金恒，李培，
申请(专利权)人：广西大学，
类型：发明
国别省市：