[發(fā)明專利]應(yīng)用于訓練線路異物目標檢測模型的樣本集構(gòu)建方法

在審

• 申請?zhí)枺?/td>: 202011567391.7
• 申請日: 2020-12-25
• 公開（公告）號: CN112651337A
• 公開（公告）日: 2021-04-13
• 發(fā)明（設(shè)計）人: 祖光鑫;武國良;王東梅;賀興;于洋;李維建
• 申請（專利權(quán)）人: 國網(wǎng)黑龍江省電力有限公司電力科學研究院;國家電網(wǎng)有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/54
• 代理公司: 哈爾濱市松花江專利商標事務(wù)所 23109
• 代理人: 董玉嬌

1.應(yīng)用于訓練線路異物目標檢測模型的樣本集構(gòu)建方法，其特征在于，該方法包括如下步驟：

步驟一、無人機巡線作業(yè)，根據(jù)預(yù)設(shè)路線進行巡檢，實時的自動拍攝圖像，并上傳至遠方終端；其中，無人機拍攝的圖像為輸電線路上具有鳥窩的圖像；

步驟二、遠方終端對無人機實時傳輸?shù)膱D像進行預(yù)處理，獲得N張預(yù)處理后的圖像，該預(yù)處理后的圖像作為樣本集，N為大于或等于20的整數(shù)；

步驟三、利用圖像增強的方法對N張預(yù)處理后的圖像進行數(shù)據(jù)擴充，使樣本集的數(shù)量擴充至7N，該擴充后的樣本集用于對線路異物目標檢測模型進行訓練，從而實現(xiàn)對線路異物目標檢測模型的樣本集的構(gòu)建。

2.根據(jù)權(quán)利要求1所述的應(yīng)用于訓練線路異物目標檢測模型的樣本集構(gòu)建方法，其特征在于，步驟二中、遠方終端對無人機實時傳輸?shù)膱D像進行預(yù)處理的實現(xiàn)方式為：

對無人機實時傳輸?shù)膱D像進行多尺度縮放處理，獲得N張預(yù)處理后的圖像。

3.根據(jù)權(quán)利要求1所述的應(yīng)用于訓練線路異物目標檢測模型的樣本集構(gòu)建方法，其特征在于，步驟三中、利用圖像增強的方法對N張預(yù)處理后的圖像進行數(shù)據(jù)擴充，使樣本集的數(shù)量擴充至7N的實現(xiàn)方式為：

步驟三一、對每張預(yù)處理后的圖像進行左右鏡像翻轉(zhuǎn)和上下鏡像翻轉(zhuǎn)，獲得2N張鏡像翻轉(zhuǎn)后的圖像；

步驟三二、還對每張預(yù)處理后的圖像添加高斯噪音，獲得N張具有高斯噪音的圖像；

步驟三三、還對每張預(yù)處理后的圖像添加椒鹽噪音，獲得N張具有椒鹽噪音的圖像；

步驟三四、還對每張預(yù)處理后的圖像的色彩飽和度進行增加和減少，獲得2N張改變圖像色彩飽和度的圖像；

步驟三五、將N張預(yù)處理后的圖像與2N張鏡像翻轉(zhuǎn)后的圖像、N張具有高斯噪音的圖像、N張具有椒鹽噪音的圖像和2N張改變圖像色彩飽和度的圖像進行求和，實現(xiàn)了對N張預(yù)處理后的圖像進行數(shù)據(jù)擴充，使樣本集的數(shù)量擴充至7N。

4.根據(jù)權(quán)利要求1所述的應(yīng)用于訓練線路異物目標檢測模型的樣本集構(gòu)建方法，其特征在于，線路異物目標檢測模型為基于ResNet101特征提取網(wǎng)絡(luò)的Faster RCNN目標檢測模型。