[發明專利]一種GIS設備腔體內部異物檢測方法及系統

在審

• 申請號: 202010535334.4
• 申請日: 2020-06-12
• 公開（公告）號: CN111768372A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 張旭;王海鵬;李猷民;崔其會;李建祥;周大洲;鑒慶之;黃銳;李勇;呂俊濤;王萬國;劉丕玉;楊月琛;劉斌;李景華;王東陽
• 申請（專利權）人: 國網智能科技股份有限公司;國網山東省電力公司臨沂供電公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 董雪

1.一種GIS設備腔體內部異物檢測方法，其特征在于，包括：

構建GIS設備腔體內部異物檢測模型，建立GIS腔體異物樣本庫；

基于所述GIS腔體異物樣本庫，對所述檢測模型進行訓練，采用基于通道的模型剪枝算法對訓練好的檢測模型進行壓縮；

獲取GIS設備腔體內部圖像信息，將所述信息實時輸入到壓縮后的檢測模型，輸出檢測結果，實現對GIS設備腔體內部異物的實時識別。

2.如權利要求1所述的一種GIS設備腔體內部異物檢測方法，其特征在于，所述GIS腔體異物樣本庫中的建立過程包括：

獲取在GIS腔體環境中采集的可見光圖像及模擬環境下采集的可見光圖像，作為原始樣本圖像；

獲取每一張可見光圖像對應的紅外圖像，將可見光圖像與對應的紅外圖像組成一對圖像組；

對圖像組進行配準，得到配準后的圖像對；

利用配準后的圖像對，構建新的樣本圖像。

3.如權利要求2所述的一種GIS設備腔體內部異物檢測方法，其特征在于，獲取在GIS腔體環境中采集的可見光圖像及模擬環境下采集的可見光圖像之后，還包括：利用多尺度Retinex算法對所述原始樣本圖像進行增強處理。

4.如權利要求2所述的一種GIS設備腔體內部異物檢測方法，其特征在于，利用配準后的圖像對，構建新的樣本圖像，具體為：

對于每一個配準后的圖像對，分別設定其中可見光圖像和紅外圖像的權重系數；

可見光圖像的R通道圖像、G通道圖像以及B通道圖像，分別乘以可見光圖像權重系數后，再分別與單通道紅外圖像與其對應權重系數的乘積做加和，得到三個新的樣本圖像。

5.如權利要求2所述的一種GIS設備腔體內部異物檢測方法，其特征在于，利用配準后的圖像對，構建新的樣本圖像之后，還包括：

對新的樣本圖像中的異物分類進行標注；分別在原始樣本圖像、對原始樣本圖像進行增強處理后的樣本以及新的樣本圖像中，選取測試集和訓練驗證集。

6.如權利要求1所述的一種GIS設備腔體內部異物檢測方法，其特征在于，對訓練好的模型進行壓縮，得到壓縮后的檢測模型之后，還包括：

將剪枝后的模型利用GIS腔體異物樣本庫進行重新訓練，對網絡參數進行微調。

7.如權利要求1所述的一種GIS設備腔體內部異物檢測方法，其特征在于，采用改進的YOLOv3網絡作為GIS設備腔體內部異物檢測模型；所述改進的YOLOv3網絡包括：

以Darknet53為基礎網絡，所述基礎網絡包括若干并列的殘差塊，將設定數量的殘差塊輸出的特征進行融合，得到基礎網絡的輸出結果；

所述基礎網絡的輸出依次連接Darknetconv2d_BN_Leaky層、resnet網絡單元和卷積層，輸出最終的檢測結果。

8.如權利要求7所述的一種GIS設備腔體內部異物檢測方法，其特征在于，所述基礎網絡包括依次連接的4個殘差塊，將后3個殘差塊輸出的特征進行融合。

9.如權利要求1所述的一種GIS設備腔體內部異物檢測方法，其特征在于，采用基于通道的模型剪枝算法對訓練好的模型進行壓縮，具體方法包括：

分別統計每個殘差塊各通道中節點輸出為0的神經元數量，按照所述數量對每個殘差塊中的各通道進行排序；

對于沒有采樣特征圖輸出的殘差塊，根據排序對設定數量的通道直接進行剪枝；

對于有采樣特征圖輸出的殘差塊，根據通道排序提取設定數量的通道形成剪枝集合，統計所述剪枝集合的每個通道中，輸出不為0的神經元數量，根據所述數量的最大值和最小值確定裁剪閾值范圍；

根據所述的裁剪閾值范圍對當前殘差塊通道進行剪枝，得到剪枝后模型準確率差值集合，取剪枝后模型識別準確率差值最小值對應的模型為最終模型。