System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法技术_技高网

一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法技术

技术编号:41275354 阅读:6 留言:0更新日期:2024-05-11 09:28
本发明专利技术涉及一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,以包含各类型绝缘子位置、类型的样本图像构成各样本数据,针对所设计包括特征提取网络、位置编码层、Flatten层、编码单元、解码单元、前馈网络的条件交叉注意力模型,结合匈牙利算法计算匹配Loss实现监督,执行模型训练,获得绝缘子定位识别模型,进而实现对目标图像中各个绝缘子的定位识别;相较现有技术,本发明专利技术解决了绝缘子识别定位任务中样本数量少、识别速度慢等问题,提高了检测高压线路绝缘子的效率和精确度。

【技术实现步骤摘要】

本专利技术涉及一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,属于电力设备检测。


技术介绍

1、绝缘子是安装在不同电位的导体或导体与接地构件之间、能够耐受电压和机械应力作用的器件,在高压输电系统中能够起到电气隔离和物理固定电线的重要作用。绝缘子种类繁多,形状各异,常用材料有陶瓷、玻璃和合成橡胶。不同类型绝缘子的结构和外形虽有一定差别,但都是由绝缘件和连接金具两大部分组成的。大型高压电线连接塔上通常悬挂有很多的盘状绝缘子,电击、物理冲击、长年累月的酸雨腐蚀和各类环境变化后可能会导致绝缘子工作异常或失效,这些缺陷绝缘子会损害整条线路的使用和运行寿命。不同种类绝缘子容易出现的缺陷一般不相同,所以精确识别绝缘子的类别和位置来识别和预防缺陷具有重大的工程意义。

2、架空线路上的绝缘子一般离地面有较高距离,通过人眼在地面难以直接观测,而线路上的绝缘子一旦出现故障,维修人员需要攀爬铁塔进行拆换维修,危险性较大,因此借助一定技术实现对绝缘子的识别定位具有重大意义。工程人员一般借助无人机来对高空中的绝缘子进行图像采集,现有的绝缘子检测技术一般为传统rcnn等基于卷积神经网络的两阶段目标检测模型,任务流程为:特征提取、生成候选区域、分类定位回归,其优点是精度较高,但是该方法训练和检测速度较慢,所需训练样本数量较大,而且容易收到样本中真实复杂背景的干扰,鲁棒性不够强。


技术实现思路

1、本专利技术所要解决的技术问题是提供一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,引入自然语言处理nlp中的transformer架构,对cnn提取的表层图像特征进行进一步特征提取,能够让模型学习到图像更深层的语义特征,从而更好的完成目标检测任务,实现更好的检测效果。

2、本专利技术为了解决上述技术问题采用以下技术方案:本专利技术设计了一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,执行如下步骤a至步骤c,获得绝缘子定位识别模型,进而应用绝缘子定位识别模型,实现对目标图像中各个绝缘子的定位识别;

3、步骤a. 获得输电塔上各类型绝缘子分别对应预设数量、分别包含相应类型绝缘子的样本图像,并标记各样本图像中各个绝缘子的位置、以及各个绝缘子的类型,由单张样本图像、以及该单张样本图像中各绝缘子的位置、类型构成样本数据,进而获得各个样本数据;

4、步骤b. 构建基于特征提取,依次经编码单元、解码单元的条件交叉注意力模型;

5、步骤c. 基于各个样本数据,以样本数据中单张样本图像为输入,该单张样本图像中各绝缘子的位置、类型为输出,针对条件交叉注意力模型进行训练,获得绝缘子定位识别模型。

6、作为本专利技术的一种优选技术方案:所述条件交叉注意力模型包括特征提取网络、位置编码层、flatten层、编码单元、解码单元、前馈网络;

7、其中,特征提取网络的输入端构成条件交叉注意力模型的输入端,由特征提取网络用于接收维度的图像,并进行特征提取获得对应维度的特征图,其中,表示图像颜色空间的通道数,表示图的长,表示图的宽,表示特征图颜色空间的通道数;

8、特征提取网络的输出端对接位置编码层的输入端,位置编码层用于接收特征提取网络输出的特征图、并进行位置编码操作,获得与特征图相同维度的位置编码;

9、位置编码层的输出端对接flatten层的输入端,同时特征提取网络的输出端对接flatten层的输入端,由flatten层对特征提取网络输出的特征图执行reshape处理,更新为维度的特征图,以及由flatten层对位置编码层输出的位置编码执行reshape处理,更新为维度的位置编码;

10、编码单元的输入端对接flatten层的输出端,编码单元的输出端对接解码单元的输入端,编码单元的输入端用于接收来自flatten层输出的特征图与位置编码,并由编码单元执行编码操作,获得相对应的content key值,再输送至解码单元;

11、前馈网络包括两个线性层ffn,解码单元的输出端分别对接两个线性层ffn,解码单元的输入端同时对接flatten层的输出端,解码单元的输入端用于接收编码单元输出的content key值、以及flatten层输出的位置编码,由解码单元执行解码操作,获得相对应的解码结果,并分别输送至两个线性层ffn,由两个线性层ffn分别输出图像中各绝缘子的预测框、以及各绝缘子的类别。

12、作为本专利技术的一种优选技术方案:编码单元包括预设第一数量依次串联的各个编码子单元,且各个编码子单元的结构彼此相同,编码子单元包括第一self-attention层、第一add&norm层、第一线性层ffn、第二add&norm层、以及两个第一相加模块,其中,第一self-attention层的输出端对接第一add&norm层的其中一个输入端,第一add&norm层的输出端对接第一线性层ffn的输入端,第一线性层ffn的输出端对接第二add&norm层的其中一个输入端,第二add&norm层的输出端构成编码子单元的输出端,第一add&norm层的输出端同时对接第二add&norm层的另一个输入端,编码子单元具有第一输入端与第二输入端,第一输入端面向编码子单元内部的端部分别对接第一add&norm层的另一个输入端、第一self-attention层上对应接收value的输入端、以及各第一相加模块上的其中一输入端,第二输入端面向编码子单元内部的端部分别对接各第一相加模块上的另一输入端,其中一个第一相加模块的输出端对接第一self-attention层上对应接收key的输入端,另一个第一相加模块的输出端对接第一self-attention层上对应接收query的输入端;

13、各编码子单元依次串联结构中,后一个编码子单元的第一输入端对接相邻前一个编码子单元的输出端,全部各个编码子单元的第二输入端分别用于接收flatten层输出的位置编码,依次串联结构中第一个编码子单元的第一输入端用于接收flatten层输出的特征图,依次串联结构中最后一个编码子单元的输出端构成编码单元的输出端,由编码单元的输出端将编码单元工作所获content key值输送至解码单元。

14、作为本专利技术的一种优选技术方案:解码单元包括预设第二数量依次串联的各个解码子单元,且各个解码子单元的结构彼此相同,解码子单元包括第二self-attention层、第三add&norm层、cross-attention层、第四add&norm层、第二线性层ffn、第五add&norm层、2d坐标提取模块、sigmoid&位置编码层、第三线性层ffn、以及相乘模块、两个相加模块、两个concat模块;

15、其中,解码子单元具有第一输入端与第二输入端,第一输入端面向解码子单元内部的端部分别连接第三add&norm层的其中一输入端、第二self-attent本文档来自技高网...

【技术保护点】

1.一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于,执行如下步骤A至步骤C,获得绝缘子定位识别模型,进而应用绝缘子定位识别模型,实现对目标图像中各个绝缘子的定位识别;

2.根据权利要求1所述一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于:所述条件交叉注意力模型包括特征提取网络、位置编码层、Flatten层、编码单元、解码单元、前馈网络;

3.根据权利要求2所述一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于:编码单元包括预设第一数量依次串联的各个编码子单元,且各个编码子单元的结构彼此相同,编码子单元包括第一self-attention层、第一Add & Norm层、第一线性层FFN、第二Add & Norm层、以及两个第一相加模块,其中,第一self-attention层的输出端对接第一Add & Norm层的其中一个输入端,第一Add & Norm层的输出端对接第一线性层FFN的输入端,第一线性层FFN的输出端对接第二Add & Norm层的其中一个输入端,第二Add& Norm层的输出端构成编码子单元的输出端,第一Add & Norm层的输出端同时对接第二Add & Norm层的另一个输入端,编码子单元具有第一输入端与第二输入端,第一输入端面向编码子单元内部的端部分别对接第一Add & Norm层的另一个输入端、第一self-attention层上对应接收Value的输入端、以及各第一相加模块上的其中一输入端,第二输入端面向编码子单元内部的端部分别对接各第一相加模块上的另一输入端,其中一个第一相加模块的输出端对接第一self-attention层上对应接收Key的输入端,另一个第一相加模块的输出端对接第一self-attention层上对应接收Query的输入端;

4.根据权利要求2所述一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于:解码单元包括预设第二数量依次串联的各个解码子单元,且各个解码子单元的结构彼此相同,解码子单元包括第二self-attention层、第三Add & Norm层、cross-attention层、第四Add & Norm层、第二线性层FFN、第五Add & Norm层、2D坐标提取模块、Sigmoid &位置编码层、第三线性层FFN、以及相乘模块、两个相加模块、两个concat模块;

5.根据权利要求3或4所述一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于:第一Add & Norm层、第二Add & Norm层、第三Add & Norm层、第四Add &Norm层、第五Add & Norm层的结构彼此相同,Add & Norm层首先针对其两输入端分别所接收数据进行残差网络连接,获得连接结果,然后针对连接结果进行归一化处理,获得相对应的归一化结果。

6.根据权利要求4所述一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于:2D坐标提取模块用于针对所接收的向量矩阵,将向量矩阵对应的reference point的2D坐标执行归一化、并映射到和spatial key相同的正弦位置编码空间中,获得reference。

7.根据权利要求2所述一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于:基于向量矩阵中各向量分别与向量矩阵中各向量的一一对应,解码单元输出端所对接前馈网络中的两个线性层FFN,其中一个线性层FFN为Boundingbox prediction branch,由三层感知机和ReLU组成,用于根据预测出未归一化的Bounding Box,进而结合对应的reference point的2D坐标,应用归一化,实现目标候选框的预测,即图像中各绝缘子的预测框;前馈网络中的另一个线性层FFN为Classification branch,用于预测所获图像中各绝缘子的预测框的类别,即各绝缘子的类别。

8.根据权利要求2所述一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于:所述条件交叉注意力模型还包括卷积层,卷积层的输入端对接特征提取网络的输出端,卷积层的输出端对接位置编码层的输入端;基于特征提取网络输出维度的特征图,卷积层针对特征图进行降采样,更新获得维度的特征图,并输送至位置编码层;其中,表示卷积层所输出特征图颜色空间的通道数,表示卷积层所输出特征图的长,表示卷积层所输出特征图的宽;

...

【技术特征摘要】

1.一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于,执行如下步骤a至步骤c,获得绝缘子定位识别模型,进而应用绝缘子定位识别模型,实现对目标图像中各个绝缘子的定位识别;

2.根据权利要求1所述一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于:所述条件交叉注意力模型包括特征提取网络、位置编码层、flatten层、编码单元、解码单元、前馈网络;

3.根据权利要求2所述一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于:编码单元包括预设第一数量依次串联的各个编码子单元,且各个编码子单元的结构彼此相同,编码子单元包括第一self-attention层、第一add & norm层、第一线性层ffn、第二add & norm层、以及两个第一相加模块,其中,第一self-attention层的输出端对接第一add & norm层的其中一个输入端,第一add & norm层的输出端对接第一线性层ffn的输入端,第一线性层ffn的输出端对接第二add & norm层的其中一个输入端,第二add& norm层的输出端构成编码子单元的输出端,第一add & norm层的输出端同时对接第二add & norm层的另一个输入端,编码子单元具有第一输入端与第二输入端,第一输入端面向编码子单元内部的端部分别对接第一add & norm层的另一个输入端、第一self-attention层上对应接收value的输入端、以及各第一相加模块上的其中一输入端,第二输入端面向编码子单元内部的端部分别对接各第一相加模块上的另一输入端,其中一个第一相加模块的输出端对接第一self-attention层上对应接收key的输入端,另一个第一相加模块的输出端对接第一self-attention层上对应接收query的输入端;

4.根据权利要求2所述一种基于条件交叉注意力机制的架空线路绝缘子定位识别方法,其特征在于:解码单元包括预设第二数量依次串联的各个解码子单元,且各个解码子单元的结构彼此相同,解码子单元包括第二self-attention层、第三add & norm层、cross-attention层、第四add & n...

【专利技术属性】
技术研发人员:姜炫丞揭晓刘欢陈峙雍晨张乾雷顾亚健王威魏涛马长华
申请(专利权)人:江苏兴力工程管理有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1