一种知识引导的红外电力线智能检测方法技术

本发明专利技术涉及智能检测技术领域，具体涉及一种知识引导的红外电力线智能检测方法。基于RetinaNet模型建立从红外图像中分类出电力线的检测模型，其中，在特征金字塔网络的特征融合阶段后嵌认知解码器，形成KRNet模型，训练中，对应回归子网络的输出的边框回归结果，采用RACIoU损失函数，该损失函数针对电力线的固有非定向性而定制，通过额外考虑旋转角度来扩展现有的CIoU损失；对应于分类子网络的输出，采用了二元交叉熵函数作为损失函数，同时纳入边界回归和分类损失。通过采用知识嵌入策略，在模型构建和训练中考虑电力线的先验信息，实现在复杂背景下对电力线的全面感知，从而提高检测准确性。

【技术实现步骤摘要】

本专利技术涉及智能检测，具体涉及一种知识引导的红外电力线智能检测方法。

技术介绍

1、在低空飞行领域，无人机和直升机等飞行器在执行日益繁多的任务时面临着许多潜在威胁。其中，电力线由于其诸多特性而被视为一种具有极高危险性的非显著目标。同时，红外作为越来越常见的感测数据在低空飞行器中被广泛应用。因此，红外融合图像电力线准确检测显得至关重要，以确保低空飞行的安全性。

2、传统的电力线图像检测方法分为基于线性特征和关联目标检测的方法。然而，这些方法在实际操作中存在一定局限性。手动调整参数以获取最佳结果并不容易，且在参数固定时倾向于在整个数据集上产生更多的误报和漏报。得益于深度学习的爆炸式发展，电力线的精细化检测水平不断提高。例如，基于金字塔分类框架的电力线检测方法，通过卷积神经网络(cnn)判断斑块是否包含目标，有效地减少了虚警的发生。为了进一步提升检测效果，一些研究结合了设计良好的特征融合和深度学习方法。基于像素级电力线检测的跨场景注意力信息融合网络，则利用语义和位置信息使模型更关注电力线而非意外场景。此外，还有学者提出了利用多尺度和结构化先验信息的本文档来自技高网...

【技术保护点】

1.一种知识引导的红外电力线智能检测方法，包括，基于RetinaNet模型建立从红外图像中分类出电力线的检测模型，所述RetinaNet模型主要由依次连接的ResNet50主干网络、特征金字塔网络组成，特征金字塔网络的输出分别输入至回归子网络和分类子网络得到相应的边框回归结果和分类结果；

2.根据权利要求1所述的方法，其特征在于，线性聚合分支中，在通道维度内连接Q、K和V，利用两个不同的线性卷积块放大先验线性特性，最后，将这些信息与分布信息进行聚合和整合，该过程具体表示为：

3.根据权利要求2所述的方法，其特征在于，分布感知分支中，输入的Q、K和V特征一方面进行W...

【技术特征摘要】

1.一种知识引导的红外电力线智能检测方法，包括，基于retinanet模型建立从红外图像中分类出电力线的检测模型，所述retinanet模型主要由依次连接的resnet50主干网络、特征金字塔网络组成，特征金字塔网络的输出分别输入至回归子网络和分类子网络得到相应的边框回归结果和分类结果；

2.根据权利要求1所述的方法，其特征在于，线性聚合分支中，在通道维度内连接q、k和v，利用两个不同的线性卷积块放大先验线性特性，最后，将这些信息与分布信息进行聚合和整合，该过程具体表示为：

3.根据权利要求2所述的方法，其特征在于，分布感知分支中，输入的q、k和v特征一方面进行w维度的池化，一方面进行h维度的池化，这两个池化后的结果分别计算各自方向上的点积注意力作为...

【专利技术属性】
技术研发人员：李东，朱浛颖，张翔，唐晨曦，解楠，姜仁杰，刘合豪，万俊，
申请(专利权)人：重庆大学，
类型：发明
国别省市：