【技术实现步骤摘要】
本专利技术涉及绝缘子缺陷检测方法，具体为基于特征提取和跨尺度融合的绝缘子缺陷检测方法。
技术介绍
1、绝缘子缺陷检测方法主要有基于卷积神经网络和基于变压器两种主要结构。基于卷积神经网络的检测方法由以基于区域的卷积神经网络为主的两阶段方法发展到更简洁高效的一阶段方法。一阶段算法的工作流程通常包括预处理、特征提取、分类与定位以及后处理四个主要步骤。首先，对输入图像进行必要的预处理操作，如调整大小、归一化等，以适应网络输入的要求。随后，利用深度卷积神经网络强大的特征提取能力，从图像中抽象出高层次的特征表示。在特征图上，算法会预设一系列锚点，这些锚点作为参考框，用于覆盖图像中可能存在的物体。每个锚点都会经历两个并行分支的处理：分类分支负责预测锚点内是否包含特定类别的物体，而边界框回归分支则负责调整锚点的位置和大小，以更精确地匹配物体的实际边界。由于一阶段算法直接在整个特征图上进行预测，因此会产生大量的候选边界框。为了去除冗余和重叠的边界框，算法通常采用非极大值抑制等后处理技术，保留得分最高的边界框作为最终的检测结果。相较于一阶段算法，二阶段目标...
【技术保护点】
1.基于特征提取和跨尺度融合的绝缘子缺陷检测方法，其特征在于，通过训练获得一个缺陷检测模型，以寻找所检测绝缘子图像中存在的缺陷，所述方法包括以下步骤：
2.根据权利要求1所述的基于特征提取和跨尺度融合的绝缘子缺陷检测方法，其特征在于，所述S2具体包括如下内容：
3.根据权利要求1所述的基于特征提取和跨尺度融合的绝缘子缺陷检测方法，其特征在于，所述高效特征融合模块包括具体指高效语义和细节融合模块，其负责两层以上的特征融合，具体实现流程如下：
4.根据权利要求3所述的基于特征提取和跨尺度融合的绝缘子缺陷检测方法，其特征在于，所述交叉加权...
【技术特征摘要】
1.基于特征提取和跨尺度融合的绝缘子缺陷检测方法，其特征在于，通过训练获得一个缺陷检测模型，以寻找所检测绝缘子图像中存在的缺陷，所述方法包括以下步骤：
2.根据权利要求1所述的基于特征提取和跨尺度融合的绝缘子缺陷检测方法，其特征在于，所述s2具体包括如下内容：
3.根据权利要求1所述的基于特征提取和跨尺度融合的绝缘子缺陷检测方法，其特征在于，所述高效特征融合模块包括具体指高效语义和细节融合模块，其负责两...
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。