[發(fā)明專利]一種識別電力設備缺陷的改進Mask R-CNN圖像實例分割方法

在審

• 申請?zhí)枺?/td>: 201910089308.0
• 申請日: 2019-01-30
• 公開（公告）號: CN109816669A
• 公開（公告）日: 2019-05-28
• 發(fā)明（設計）人: 周仿榮;趙現(xiàn)平;馬儀;彭晶;于虹;趙亞光;文剛
• 申請（專利權）人: 云南電網(wǎng)有限責任公司電力科學研究院;云南電網(wǎng)有限責任公司紅河供電局
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/194;G06T7/00;G06N3/04
• 代理公司: 北京弘權知識產(chǎn)權代理事務所(普通合伙) 11363
• 代理人: 逯長明;許偉群

1.一種識別電力設備缺陷的改進Mask R-CNN圖像實例分割方法，其特征在于，方法包括以下步驟：

步驟S1：構建卷積神經(jīng)網(wǎng)絡；

步驟S2：讀入電力設備缺陷預處理圖片，將電力設備缺陷預處理圖片輸入到卷積神經(jīng)網(wǎng)絡中，卷積神經(jīng)網(wǎng)絡對電力設備缺陷預處理圖片進行特征提取，得到含有特征的區(qū)域；

步驟S3：通過RPN(Region Proposal Network)網(wǎng)絡對含有特征的區(qū)域進行細化，實現(xiàn)對增量的回歸，得到細化后的區(qū)域；

步驟S4：在細化后的區(qū)域中，通過雙線性差值方法進行RoIAlign操作對細化后的區(qū)域進行處理，使每個興趣區(qū)域生成固定尺寸的特征圖；

步驟S5：根據(jù)每個興趣區(qū)域生成固定尺寸的特征圖，通過Faster-RCNN獲得的類別、坐標信息，以及全卷積網(wǎng)絡獲得的掩膜信息，得到電力設備缺陷實例分割。

2.如權利要求1的識別電力設備缺陷的改進Mask R-CNN圖像實例分割方法，其特征在于，在細化后的區(qū)域中，通過雙線性差值方法進行RoIAl ign操作對細化后的區(qū)域進行處理，使每個興趣區(qū)域生成固定尺寸的特征圖包括：

步驟S41：在細化后的區(qū)域中，對浮點數(shù)進行取整，將小數(shù)部分進行倍率放大后取整進行運算，運算結果再通過向右移位運算得到真實的小數(shù)部分，加上整數(shù)部分的運算結果得到最后的插值結果；

步驟S42：通過差值結果進行RoIAlign操作對細化后的區(qū)域進行處理，使每個興趣區(qū)域生成固定尺寸的特征圖。

3.根據(jù)權利要求2的識別電力設備缺陷的改進Mask R-CNN圖像實例分割方法，其特征在于，通過雙線性差值方法進行RoIAl ign操作對細化后的區(qū)域進行處理時將電力設備缺陷預處理圖片的幾何中心和目標圖像的幾何中心對齊。

4.如權利要求1的識別電力設備缺陷的改進Mask R-CNN圖像實例分割方法，其特征在于，根據(jù)每個興趣區(qū)域生成固定尺寸的特征圖，通過Faster-RCNN獲得的類別、坐標信息，以及全卷積網(wǎng)絡獲得的掩膜信息，得到電力設備缺陷實例分割之前還包括：

通過Faster-RCNN獲得類別信息和坐標信息；

通過全卷積網(wǎng)絡獲得掩膜信息。