[發明專利]基于深度學習的航拍圖像絕緣子掉片故障快速檢測方法

在審

• 申請號: 201810341139.0
• 申請日: 2018-04-17
• 公開（公告）號: CN108596886A
• 公開（公告）日: 2018-09-28
• 發明（設計）人: 江灝;劉欣宇;繆希仁;陳靜
• 申請（專利權）人: 福州大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/00
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊

1.一種基于深度學習的航拍圖像絕緣子掉片故障快速檢測方法，其特征在于，包括如下步驟：

步驟S1、建立巡線絕緣子數據庫，包括絕緣子檢測圖像庫和絕緣子掉片故障檢測圖像庫，其中，絕緣子檢測圖像庫包括不同形態的正常絕緣子，圖像為完整航拍圖像且歸一化到1024*1024像素尺寸；絕緣子掉片故障檢測圖像庫中包括掉片故障的絕緣子，圖像為原航拍圖像裁剪后的絕緣子區域圖像且保持裁剪后的像素尺寸；

步驟S2、數據增強：利用數據增強技術擴充數據集，即將巡線絕緣子數據庫中的一張原圖通過包括扭曲、旋轉、鏡像、裁剪或拉伸的數據增強操作，變換為一張新的圖像，所有的數據增強操作以預定概率施加在原圖上，即一張圖片被施加一種或多種數據增強操作；

步驟S3、建立與巡線絕緣子數據庫對應的圖像標簽庫：巡線絕緣子數據庫中的每幅圖片建立相應的符合標準PASCAL VOC格式的xml標簽文件；絕緣子檢測圖像庫的標簽文件中包括以下信息：圖片ID號，圖片的像素高度、寬度與深度，圖片的路徑，圖片所包含的目標種類，絕緣子目標所在區域的矩形邊界框的坐標(xmin,ymin,xmax,ymax)，其中(xmin,ymin)為邊界框的左上頂點坐標，(xmax,ymax)為邊界框的右下頂點坐標；絕緣子掉片故障圖像庫的標簽文件中包括以下信息：圖片ID號，圖片的像素高度、寬度與深度，圖片的路徑，圖片所包含的目標種類，絕緣子掉片故障所在區域的矩形邊界框的坐標(xmin,ymin,xmax,ymax)；

步驟S4、建立深度學習模型：采用端到端的深度學習目標檢測網絡SSD，具體分為基礎網絡和輔助網絡，其中基礎網絡選用輕量級的CNN網絡mobilenet，輔助網絡使用3*3卷積核構成6層附加卷積層，生成對應的特征圖，輔助網絡的輸入為所述基礎網絡的不同卷積層的特征圖輸出；輔助網絡上的每層特征圖都生成固定數量的檢測器，檢測器有兩種功能：（1）預測目標邊界框的位置；（2）所預測目標種類的得分；

步驟S5、數據集生成：將所有參與訓練的圖像與其對應的標簽文件合成一個用于訓練的、可讀取的文件；

步驟S6、訓練絕緣子檢測模型：利用步驟S3的SSD模型通過反向傳播算法在絕緣子檢測圖像庫上進行訓練，得到絕緣子檢測模型，其中，訓練所用的初始化模型為在COCO數據集上訓練所得的模型；

步驟S7、訓練絕緣子掉片故障檢測模型：利用步驟S3的SSD模型通過反向傳播算法在絕緣子掉片故障圖像庫上進行訓練，得到絕緣子掉片故障檢測模型，其中，訓練所用的初始化模型為在COCO數據集上訓練所得的模型；

步驟S8、固化模型用于快速檢測：將模型中所含的訓練變量剔除，只保留前向傳播的神經元權重與偏置常量，縮小模型體積，方便模型移植，提高檢測速度；

步驟S9、模型測試：將待檢測的圖片或者視頻輸入到固化后的檢測模型中，用矩形邊界框在原圖像或者視頻中標注出檢測到的絕緣子區域或絕緣子掉片故障區域，以及它們的置信度得分。