[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

本發明公開了一種基于深度學習的輸電線路施工物體圖像檢測方法。采集多幅已知施工物體標簽的輸電線路監控圖像，構建輸電線路施工物體檢測神經網絡，將圖像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；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。本發明方法能夠準確地檢測出輸電線路監控圖像中的施工物體，并對光照以及氣候變化具有較強的魯棒性。

技術領域

本發明涉及圖像目標檢測方法，具體涉及了一種基于深度學習的輸電線路施工物體圖像檢測方法。

背景技術

隨著國民經濟的飛速發展，一方面，各行各業對電力的需求越來越旺盛，輸電線路的布局越來越密集；另一方面，全國各地的工程建設逐漸增多，公路、鐵路以及建筑物的修建都不可避免的造成了大量在輸電線路保護區內進行機械施工的現象。這樣大大增加了輸電線路的安全隱患。

相比于通過人工巡線的方式來排除輸電線路潛在的隱患，視頻監控的方法通過將輸電線路監控圖像從實地傳回監控中心，大大減少了人工巡線耗費的資源。但同時海量的視頻數據也大大提高了視頻監控人員的工作負擔。傳統的基于圖像處理的方法并不能很準確的定位監控圖像中的施工物體，并且容易受光照以及氣候變化的影響，適用性較差。

深度學習因為其優越的學習能力和表達能力，在泛化的目標檢測領域取得了突破性的進展。本方法收集了2000多張輸電線路監控圖像并對其進行施工物體的標注，這為本方法訓練深度神經網絡實現施工物體目標檢測提供了可能。

發明內容

本發明的目的在于提供一種基于深度學習的輸電線路施工物體圖像檢測方法。本方法通過大量的數據對網絡的參數進行訓練。測試時直接將未知施工物體標簽的圖像通過一次神經網絡的前向傳播即可得到施工物體的檢測結果。本方法檢測的精度高，并且對光照和氣候變化具有良好的魯棒性。

本發明方法首先收集了一批輸電線路監控圖像，對圖像中可能導致外力破壞的施工物體進行標注。然后利用標注的數據訓練一個神經網絡，用來預測監控圖像中施工物體的位置和類別。

本發明采用的技術方案包括如下步驟：

(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。

本發明特殊搭建了輸電線路施工物體檢測神經網絡，針對輸電線路施工物體進行圖像數據處理，使得能從圖像中準確判斷檢測輸電線路的施工物體。

所述輸電線路的施工物體具體包括吊車、塔吊以及挖掘機。