[發明專利]基于絕緣子圖像檢測模型檢測絕緣子圖像的方法及裝置

有效

• 申請號: 202010852425.0
• 申請日: 2020-08-21
• 公開（公告）號: CN112149713B
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 楊韻潔;張寶海;韓東旭
• 申請（專利權）人: 中移雄安信息通信科技有限公司;中移系統集成有限公司;中國移動通信集團有限公司
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/80;G06V10/77;G06V10/82;G06N3/04
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 趙秀芹

1.一種基于絕緣子圖像檢測模型檢測絕緣子圖像的方法，其特征在于，所述絕緣子圖像檢測模型包括特征提取網絡、區域候選網絡和分類器；所述特征提取網絡中嵌有空間變換網絡；

所述方法包括：

獲取目標絕緣子圖像；

通過特征提取網絡中的第一預設卷積層對所述目標絕緣子圖像進行特征提取，得到第一特征圖；

通過所述空間變換網絡對所述第一特征圖進行空間變換，得到第二特征圖；

通過特征提取網絡中的第二預設卷積層對所述目標絕緣子圖像進行特征提取，得到第三特征圖；

在第一預設卷積核下對所述第二特征圖進行卷積，得到第六特征圖；

對所述第三特征圖進行上采樣，得到第七特征圖，所述第七特征圖與所述第一特征圖的尺寸相同；

分別在所述第一預設卷積核下和第二卷積核下對所述第七特征圖進行卷積，得到第八特征圖和第九特征圖；

對所述第六特征圖、所述第八特征圖和所述第九特征圖用加法進行特征融合，生成融合特征圖；

在所述第一預設卷積核下對所述融合特征圖進行卷積，得到第四特征圖；

將所述第四特征圖輸入所述區域候選網絡，輸出第五特征圖，所述第五特征圖中標識有絕緣子所在的位置；

將所述第四特征圖輸入所述分類器，輸出所述第四特征圖中的絕緣子類型。

2.如權利要求1所述的基于絕緣子圖像檢測模型檢測絕緣子圖像的方法，其特征在于，所述區域候選網絡的候選框是基于所述第四特征圖中的絕緣子輪廓確定的。

3.如權利要求1所述的基于絕緣子圖像檢測模型檢測絕緣子圖像的方法，其特征在于，所述絕緣子圖像檢測模型通過如下步驟訓練得到：

獲取訓練樣本集，所述訓練樣本集包括多個訓練樣本，每個所述訓練樣本包括絕緣子原始圖像和與其對應的標簽圖像；

針對每個所述訓練樣本，分別執行以下操作：

將所述訓練樣本輸入目標模型的特征提取網絡中的第一預設卷積層，得到第一訓練特征圖；

將所述第一訓練特征圖輸入所述空間變換網絡，得到第二訓練特征圖；

將所述訓練樣本輸入所述特征提取網絡中的第二預設卷積層，得到第三訓練特征圖；

在第一預設卷積核下對所述第二訓練特征圖進行卷積，得到第六訓練特征圖；

對所述第三訓練特征圖進行上采樣，得到第七訓練特征圖，所述第七訓練特征圖與所述第一訓練特征圖的尺寸相同；

分別在所述第一預設卷積核下和第二卷積核下對所述第七訓練特征圖進行卷積，得到第八訓練特征圖和第九訓練特征圖；

對所述第六訓練特征圖、所述第八訓練特征圖和所述第九訓練特征圖用加法進行特征融合，生成融合訓練特征圖；

在所述第一預設卷積核下對所述融合訓練特征圖進行卷積，得到第四訓練特征圖；

將所述第四訓練特征圖輸入所述區域候選網絡，輸出第五訓練特征圖，所述第五訓練特征圖中標識有絕緣子所在的位置；

將所述第四訓練特征圖輸入所述分類器，輸出所述第四訓練特征圖中的絕緣子類型；

在不滿足預設訓練停止條件的情況下，根據各個所述第五訓練特征圖、所述第四訓練特征圖中的絕緣子類型以及其對應的標簽圖像，調整所述目標模型的模型參數；返回所述將所述訓練樣本輸入目標模型的特征提取網絡中的第一預設卷積層，直至滿足預設訓練停止條件，得到絕緣子圖像檢測模型。