输电线路外破障碍物的检测方法、设备、存储介质及产品技术

本发明专利技术公开一种输电线路外破障碍物的检测方法、设备、存储介质及产品，涉及输电线路巡检技术领域。所述方法包括：将目标区域输电线路的图像输入目标检测模型得到目标区域输电线路上是否有外破障碍物以及外破障碍物的类别；目标检测模型为对YOLO‑SAS模型进行训练得到的；YOLO‑SAS模型的骨干网络为将YOLOv7网络中的骨干网络中的CBS模块替换成ShuffleNetv2模型；YOLO‑SAS模型的颈部网络为在YOLOv7网络中的颈部网络中添加ACmix模块。本发明专利技术可提高输电线路小目标外破障碍物的检测精度和检测效率。

【技术实现步骤摘要】

本专利技术涉及输电线路巡检，特别是涉及一种输电线路外破障碍物的检测方法、设备、存储介质及产品。

技术介绍

1、目前常见的输电线路外力破坏障碍物类型主要有违章施工、违章建筑、超高植物等。常用的输电线路巡检方式可分为巡线式和在线监测式两大类。巡线式又分为人工巡线和无人机巡线两种：人工巡线需要定期派人沿线实地观察，这种方式耗费大量人力物力且效率低下；无人机巡线通过利用安装摄像头的无人机进行沿线拍摄，减少了巡线成本，但仍然需要人工筛选图像来发现隐患目标，检测效率依然不高，难以满足实际需要。

2、在线监测式通过在输电线路上安装传感器或摄像头的方式获取监测数据，再利用计算机视觉技术对监测数据进行信息提取，准确识别出隐患目标，无需人工筛选提高了检测效率，随着计算机视觉技术不断发展，基于深度卷积神经网络(deep convolutionalneural network,dcnn)的深度学习算法在目标检测方面取得了显著成就，这在输电线路外力破坏隐患目标检测领域也具有重要的应用价值。

3、当前基于dcnn的主流目标检测算法，根据有无候选框生成阶段分为双本文档来自技高网...

【技术保护点】

1.一种输电线路外破障碍物的检测方法，其特征在于，包括：

2.根据权利要求1所述的输电线路外破障碍物的检测方法，其特征在于，YOLO-SAS模型的颈部网络包括：SPPCSPC模块、ACmix模块、四个CBS模块、两个Upsample模块、四个ELAN-W模块、四个Concat模块和两个MP-2模块；

3.根据权利要求1所述的输电线路外破障碍物的检测方法，其特征在于，对YOLO-SAS模型进行训练的过程中损失函数为SIoU函数。

4.根据权利要求2所述的输电线路外破障碍物的检测方法，其特征在于，YOLO-SAS模型的骨干网络包括ShuffleNetv2模...

【技术特征摘要】

1.一种输电线路外破障碍物的检测方法，其特征在于，包括：

2.根据权利要求1所述的输电线路外破障碍物的检测方法，其特征在于，yolo-sas模型的颈部网络包括：sppcspc模块、acmix模块、四个cbs模块、两个upsample模块、四个elan-w模块、四个concat模块和两个mp-2模块；

3.根据权利要求1所述的输电线路外破障碍物的检测方法，其特征在于，对yolo-sas模型进行训练的过程中损失函数为siou函数。

4.根据权利要求2所述的输电线路外破障碍物的检测方法，其特征在于，yolo-sas模型的骨干网络包括shufflenetv2模型模块、四个elan模块和三个mp-1模块；

5.根据权利要求2所述的输电线路外破障碍物的检测方法，其特征在于，第一个elan-w模块的...

【专利技术属性】
技术研发人员：郝俊博，闫广颖，詹弘，王立东，裴红兰，肖旭，石磊，任国卉，张文强，赵盈鑫，张浩，孟飞，裴鑫岩，
申请(专利权)人：国网山西省电力公司运城供电公司，
类型：发明
国别省市：