[發明專利]一種基于深度學習的輸電線路施工物體圖像檢測方法

在審

• 申請號: 201810584363.2
• 申請日: 2018-06-08
• 公開（公告）號: CN108734225A
• 公開（公告）日: 2018-11-02
• 發明（設計）人: 黃紅兵;龔小謹;吳秋晗;姜文東;邵煒平;姚祺;章毅;劉俊毅;江洪成;賀家樂;俞紅生;溫積群;范超;王艷艷;婁佳;蔡晴
• 申請（專利權）人: 浙江大學;國網浙江省電力有限公司信息通信分公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32;G06N3/04
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 林超

1.一種基于深度學習的輸電線路施工物體圖像檢測方法，其特征是，包括如下步驟：

(1)采集多幅已知施工物體標簽的輸電線路監控圖像I，施工物體標簽為[c_i,x_i,y_i,w_i,h_i]，其中i表示第i個施工物體，c_i表示第i個施工物體的分類類別，x_i,y_i,w_i和h_i分別表示第i個施工物體中心點的x坐標、y坐標、寬度和高度；

(2)構建輸電線路施工物體檢測神經網絡，將圖像I及其對應的施工物體標簽輸入到輸電線路施工物體檢測神經網絡中，利用帶動量SGD算法訓練神經網絡；

(3)采用訓練后的神經網絡對未知施工物體標簽的待測監控圖像進行處理，獲得待測監控圖像中施工物體的檢測結果。

2.根據權利要求1所述的一種基于深度學習的輸電線路施工物體圖像檢測方法，其特征是：所述步驟(2)中的輸電線路施工物體檢測神經網絡具體包括卷積(Convs)模塊、候選區域網絡(RPN)、感興趣區域池化(RoI Pooling)模塊、分類和坐標回歸網絡(CRN)、候選區域損失函數模塊L_R和檢測損失函數模塊L_D；圖像I輸入到卷積模塊輸出得到特征圖F_I，然后特征圖F_I輸入到候選區域網絡中生成候選區域集合R_o，感興趣區域池化模塊根據候選區域集合R_o對特征圖F_I上每一個候選區域進行池化得到對應的候選區域特征F_o，將候選區域特征F_o輸入到分類和坐標回歸網絡得到候選區域分類和坐標回歸的檢測結果D；候選區域集合R_o輸入到候選區域損失函數模塊L_R計算預測候選區域的損失函數值，檢測結果D輸入到檢測損失函數模塊L_D中計算預測目標框的損失函數值；將候選區域損失函數模塊L_R和檢測損失函數模塊L_D計算獲得的損失值通過反向傳播進行迭代計算進行神經網絡的訓練。

3.根據權利要求2所述的一種基于深度學習的輸電線路施工物體圖像檢測方法，其特征是：

所述的卷積模塊主要由五個小模塊組成，每個小模塊由卷積層、激活層、池化層依次連接構成，前四個小模塊的池化層將經處理圖像的分辨率降為輸入的1/2，最終經Convs模塊輸出的特征圖F_I的分辨率為初始輸入圖像的1/16。