[發明專利]基于深度學習與聚類的輸電線路絕緣子缺失的檢測方法

在審

• 申請號: 202010089261.0
• 申請日: 2020-02-12
• 公開（公告）號: CN111652835A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 侯春萍;王霄聰;夏晗;楊陽
• 申請（專利權）人: 天津大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

1.一種基于深度學習與聚類的輸電線路絕緣子缺失的檢測方法，包括下列步驟：

(1)制作數據集：將采集的輸電線路巡檢圖像進行預處理，分為訓練集、驗證集和測試集，對于其中存在絕緣子缺失的區域進行標注。

(2)設計初始候選框：選用的訓練網絡是Faster-RCNN，設置初始候選框首先應該提取訓練集中所有絕緣子缺失目標的尺寸信息，對絕緣子缺失目標的尺寸信息使用K-means聚類算法進行聚類，來獲得絕緣子缺失目標的普遍尺寸，該絕緣子缺失目標類的普遍尺寸信息即設置為網絡初始候選框；

(3)訓練檢測模型，包括下列步驟：

1)設置初始的訓練和測試參數；

2)將把準備好的訓練數據及對應標簽輸入到Faster-RCNN網絡中訓練，對整張圖片輸進CNN網絡，得到特征圖；卷積特征輸入到區域生成網絡RPN(RegionProposalNet)中，生成建議框(predictedbox)及對應的特征信息；對建議框(predictedbox)提取出的特征，使用分類器判別是否屬于絕緣子缺失這一類；對于屬于絕緣子缺失目標類的建議框(predictedbox)，用回歸器進一步調整其位置；

3)通過使用交叉優化的策略，訓練得到一個針對絕緣子缺失的檢測模型；

(4)測試網絡：把測試數據集輸入到已訓練好的網絡中進行絕緣子缺失檢測，通過區域生成網絡RPN網絡篩選出要進入后續ROIPooling層的建議框(predictedbox)，即測試集中潛在的感興趣的絕緣子缺失目標位置，此步驟中使用聚類算法設置的初始候選框對輸出的建議框進行約束；最后對得到的建議框進行非極大值抑制操作，便得到最終的絕緣子缺失目標框。