输电线路红外图像的多目标检测方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及红外图像识别技术领域，特别涉及一种输电线路红外图像的多目标检测方法、装置、设备及介质，包括：基于改进YOLOv5s算法的Backbone部分计算待检测输电线路红外图像的注意力权重特征信息，并根据初始高维信息和注意力权重特征信息得到全局特征关系信息，且根据处理后的全局特征关系信息和初始高维信息得到强化后图像全局重要信息；基于改进YOLOv5s算法的Neck部分对强化后图像全局重要信息进行特征聚合，得到聚合图像信息，并基于改进YOLOv5s算法的Head部分，根据聚合图像信息得到目标检测结果。由此，解决了传统检测方法的检测精度低、在实际应用中性能下降的问题，提升了目标检测的精度和鲁棒性。

【技术实现步骤摘要】

本专利技术涉及红外图像识别，特别涉及一种输电线路红外图像的多目标检测方法、装置、设备及介质。

技术介绍

1、传统的电力系统输电线路的巡检主要依赖于人工巡查，这种方法不仅耗时长、成本高昂且存在安全问题。近年来，无人机配合红外热像仪对输电线路进行巡检已经逐渐成为一种新兴的巡检方式，红外热像仪可以准确捕捉设备的热量分布，帮助提前发现设备异常热量的区域，用于识别可能存在的问题。无人机搭配红外热像仪能够实时准确地获取输电线路的热图像，从而评估输电线路的运行状况。加之人工智能的不断发展，无人机搭配深度学习算法对输电线路的电力设备进行监测，特别是yolo(you only look once，yolo)算法在目标检测领域的出色表现，使其成为处理图像的有力工具。

2、在目标检测领域，以深度学习为基础的目标检测算法主要分为两类，一类是以yolo系列算法和ssd(single shot multibox detector，ssd)算法为代表的单阶段目标检测算法，另一类是r-cnn(region based convolutional neural network，本文档来自技高网...

【技术保护点】

1.一种输电线路红外图像的多目标检测方法，其特征在于，所述输电线路红外图像的多目标检测方法利用改进YOLOv5s算法，所述改进YOLOv5s算法在原始YOLOv5s算法的Backbone部分引入全局上下文注意力机制，并在所述原始YOLOv5s算法的Neck部分加入多个上下文增强模块，其中，所述方法包括以下步骤：

2.根据权利要求1所述的输电线路红外图像的多目标检测方法，其特征在于，所述目标检测结果包括绝缘子位置和绝缘子置信度、悬垂线夹位置和悬垂线夹置信度、耐张线夹位置和耐张线夹置信度、防震锤位置和防震锤置信度、均压环位置和均压环置信度、故障发热点位置和故障发热点置信度中的至少...

【技术特征摘要】

1.一种输电线路红外图像的多目标检测方法，其特征在于，所述输电线路红外图像的多目标检测方法利用改进yolov5s算法，所述改进yolov5s算法在原始yolov5s算法的backbone部分引入全局上下文注意力机制，并在所述原始yolov5s算法的neck部分加入多个上下文增强模块，其中，所述方法包括以下步骤：

2.根据权利要求1所述的输电线路红外图像的多目标检测方法，其特征在于，所述目标检测结果包括绝缘子位置和绝缘子置信度、悬垂线夹位置和悬垂线夹置信度、耐张线夹位置和耐张线夹置信度、防震锤位置和防震锤置信度、均压环位置和均压环置信度、故障发热点位置和故障发热点置信度中的至少一种。

3.根据权利要求2所述的输电线路红外图像的多目标检测方法，其特征在于，所述基于所述改进yolov5s算法的head部分，根据所述聚合图像信息得到目标检测结果，包括：

4.根据权利要求1所述的输电线路红外图像的多目标检测方法，其特征在于，所述基于所述改进yolov5s算法的neck部分，对所述强化后图像全局重要信息进行特征聚合，得到聚合图像信息，包括：

5.根据权利要求1所述的输电线路红外图像的多目标检测方法，其特征在于，所述改进yolov5s算法将所述原始yolov5s算法的损失函数替换为wise-iou v3...

【专利技术属性】
技术研发人员：杨春萍，刘凯波，陈晓梅，康锦萍，马永红，仇英辉，翟明岳，崔维新，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：