基于通道剪枝的Yolov4-Tiny网络的寒地绝缘子故障视频图像检测方法技术

基于通道剪枝的Yolov4‑Tiny网络的寒地绝缘子故障视频图像检测方法，属于计算机视觉技术领域。解决了传统的绝缘子故障检测模型训练收敛速率慢、具有结构和参数冗余、以及仅能对绝缘子图像进行故障检测，无法对视频进行检测的问题。本发明专利技术先根据寒地绝缘子图像构建数据集，依次进行Yolov4‑Tiny网络基础训练、稀疏训练、通道剪枝及微调训练，得到最终故障检测模型。通过通道剪枝及所构建的多种损失函数下的模型训练，压缩了模型大小，提高了寒地绝缘子故障视频和图像的检测速。本发明专利技术主要用于寒地绝缘子故障检测。

【技术实现步骤摘要】

本专利技术属于计算机视觉。

技术介绍

1、近年来，我国电力系统规模持续扩大，绝缘子作为输电线路输电配电安全的关键器件，其安全监测问题不容小觑。传统的绝缘子监测方法主要为人工巡线，但人工巡检具有实时性差和成本高的特点，往往无法及时发现绝缘子的故障，严重危险到人民生命财产安全。另外，中国北方输电线路冬季易受到冰雪影响，造成绝缘子发生冰闪现象，而针对绝缘子覆冰识别的自动识别方法亟待深入研究。

2、传统的绝缘子故障检测模型一般存在以下几方面的问题：第一，传统的绝缘子故障检测模型的训练收敛速率慢，且模型精度易受到数据集中各类绝缘子状态图像数量不均衡的影响；第二传统的绝缘子故障检测模型仅能够对绝缘子图像进行故障检测，无法对绝缘子的流视频进行故障检测，限制了模型使用范围，并且直观性较低；第三，基于深度学习的检测模型在故障识别方面取得了巨大成功，但传统的深度学习图像检测模型具有结构和参数冗余，模型体积大的特点，造成计算资源和存储空间的浪费，因此在保证识别精度的前提下的有效压缩模型的大小具有重要意义。第四、现有的绝缘子检测模型大多针对一般环境下的绝缘子故障，无法本文档来自技高网...

【技术保护点】

1.基于通道剪枝的Yolov4-Tiny网络的寒地绝缘子故障视频图像检测方法，其特征在于，该方法包括：

2.根据权利要求1所述的基于通道剪枝的Yolov4-Tiny网络的寒地绝缘子故障视频图像检测方法，其特征在于，绝缘子状态类别包括正常、覆冰、破碎、闪络和闪络后损伤。

3.根据权利要求1所述的基于通道剪枝的Yolov4-Tiny网络的寒地绝缘子故障视频图像检测方法，其特征在于，基础训练损失函数和微调训练损失函数为相同的损失函数，且其损失函数的表达式均为：

4.根据权利要求3所述的基于通道剪枝的Yolov4-Tiny网络的寒地绝缘子故障视频图像检测方法，...

【技术特征摘要】

1.基于通道剪枝的yolov4-tiny网络的寒地绝缘子故障视频图像检测方法，其特征在于，该方法包括：

2.根据权利要求1所述的基于通道剪枝的yolov4-tiny网络的寒地绝缘子故障视频图像检测方法，其特征在于，绝缘子状态类别包括正常、覆冰、破碎、闪络和闪络后损伤。

3.根据权利要求1所述的基于通道剪枝的yolov4-tiny网络的寒地绝缘子故障视频图像检测方法，其特征在于，基础训练损失函数和微调训练损失函数为相同的损失函数，且其损失函数的表达式均为：

4.根据权利要求3所述的基于通道剪枝的yolov4-tiny网络的寒地绝缘子故障视频图像检测方法，其特征在于，其中：pf为预测框面积；rf为真实框面积。

5.根据权利要求1所述的基于通道剪枝的yolov4-tiny网络的寒地绝缘子故障视频图像检测方法，其特征在于，稀疏训练损失函数的表达式为：

6.根据权利要求1所述的基于通道剪枝的yolov4-tiny网络的寒地绝缘子故...

【专利技术属性】
技术研发人员：张昆鹏，康庄，赵悦，刘英杰，张世强，张婷娟，孔德山，唐志宏，刘壮，刘健行，
申请(专利权)人：国网黑龙江省电力有限公司伊春供电公司，
类型：发明
国别省市：