[發(fā)明專利]基于深度學習算法的防震錘檢測方法

在審

• 申請?zhí)枺?/td>: 202110331746.0
• 申請日: 2021-03-29
• 公開（公告）號: CN112906654A
• 公開（公告）日: 2021-06-04
• 發(fā)明（設計）人: 陳建新;張欣;俞曙江;李蒙
• 申請（專利權）人: 杭州電力設備制造有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/36;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 杭州九洲專利事務所有限公司 33101
• 代理人: 王之懷;王洪新

1.基于深度學習算法的防震錘檢測方法，按照以下步驟依序進行：

步驟1、人為控制巡線機器人，采集含有防震錘的視頻數(shù)據(jù)，并逐幀取圖生成數(shù)據(jù)集；同時通過網(wǎng)絡搜索相關的圖像，加入數(shù)據(jù)集中；以保證數(shù)據(jù)集的完整性；

步驟2、對收集到的數(shù)據(jù)進行預處理操作，將數(shù)據(jù)擴充生成相似的圖像，以達到數(shù)據(jù)增強的目的；

步驟3、利用圖像標注軟件labelImg對采集的數(shù)據(jù)集當中的防震錘進行標注，得到含有目標物的候選框的坐標和標簽；

步驟4、將預處理后的數(shù)據(jù)集標注好并輸入到MobileNet V3網(wǎng)絡，經(jīng)過網(wǎng)絡處理后提取三種維度的特征圖，分別是13×13,26×26，52×52；

步驟5、將MobileNet V3提取到的三種維度的特征圖，輸入到Yolo V3模塊進行訓練；循環(huán)迭代，優(yōu)化模型參數(shù)；將訓練后最優(yōu)的神經(jīng)網(wǎng)絡模型參數(shù)輸入巡線機器人中；

步驟6、巡線機器人對輸電線路上的防震錘進行檢測。

2.根據(jù)權利要求1所述的基于深度學習算法的防震錘檢測方法，其特征在于：所述步驟2中預處理操作，包括增加噪聲、霧化、平移、旋轉、扭曲處理。

3.根據(jù)權利要求2所述的基于深度學習算法的防震錘檢測方法，其特征在于：所述步驟6中的檢測步驟是：巡線機器人先收集這個過程中的圖片，接著對這些圖片進行去霧化操作；然后將處理后的圖片，用當前最優(yōu)的模型進行判斷；從而得出檢測結果。

4.根據(jù)權利要求3所述的基于深度學習算法的防震錘檢測方法，其特征在于：所述步驟4的MobileNet V3網(wǎng)絡處理，包括：將輸入圖像尺寸調(diào)整為416×416后，依次經(jīng)過網(wǎng)絡中卷積層、池化層、深度卷積多個結構處理，最終分別從該網(wǎng)絡的第六個瓶頸層、第十二個瓶頸層中、最后一個卷積層三個分支上輸出三種維度的特征圖；三種維度的特征圖，分別是13×13,26×26，52×52。

5.根據(jù)權利要求4所述的基于深度學習算法的防震錘檢測方法，其特征在于：步驟6中，巡線機器人還收集在此過程中的數(shù)據(jù)，留做下次訓練模型使用，以提高巡檢準確度。