[發(fā)明專利]一種輸電線路涉鳥故障相關(guān)鳥種圖像識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110405605.9
• 申請(qǐng)日: 2021-04-15
• 公開(kāi)（公告）號(hào): CN113255661B
• 公開(kāi)（公告）日: 2022-07-12
• 發(fā)明（設(shè)計(jì)）人: 邱志斌;石大寨;廖才波;朱軒
• 申請(qǐng)（專利權(quán)）人: 南昌大學(xué)
• 主分類號(hào): G06V10/22
• 分類號(hào): G06V10/22;G06V10/774;G06K9/62;G06N3/04;G06T7/11;G06T7/194
• 代理公司: 北京眾合誠(chéng)成知識(shí)產(chǎn)權(quán)代理有限公司 11246
• 代理人: 袁紅梅

1.一種輸電線路涉鳥故障相關(guān)鳥種圖像識(shí)別方法，其特征在于：包括如下步驟：

S1：收集輸電線路渉鳥故障相關(guān)鳥種圖像，建立包含N種鳥類的圖像數(shù)據(jù)集，將鳥種圖像分為訓(xùn)練集和測(cè)試集；

S2：構(gòu)建VGG16卷積神經(jīng)網(wǎng)絡(luò)模型，采用ImageNet數(shù)據(jù)庫(kù)對(duì)其進(jìn)行預(yù)訓(xùn)練，然后移去卷積層“conv5-3”后面的所有層，用一個(gè)“卷積+全局平均池化+全連接+輸出”的結(jié)構(gòu)替代原有的“pool5”—“prob”層，采用公開(kāi)鳥種圖像數(shù)據(jù)集對(duì)修改后的卷積模型進(jìn)行訓(xùn)練，通過(guò)訓(xùn)練好的模型提取涉鳥故障相關(guān)鳥種圖像的類別激活圖，利用類別激活圖對(duì)鳥種圖像進(jìn)行去背景預(yù)處理，得到包含少量背景的鳥種圖像；

S3：采用AlexNet、VGG16、ResNet50和InceptionV3四種深度卷積神經(jīng)網(wǎng)絡(luò)建立學(xué)習(xí)模型，利用ImageNet數(shù)據(jù)集對(duì)網(wǎng)絡(luò)模型進(jìn)行預(yù)訓(xùn)練；

S4：對(duì)預(yù)訓(xùn)練模型進(jìn)行微調(diào)，通過(guò)模型遷移使其匹配涉鳥故障相關(guān)鳥種的圖像識(shí)別任務(wù)，對(duì)于AlexNet和VGG16，將最后一個(gè)全連接層“fc8”的維數(shù)由原來(lái)的1×1000調(diào)整為1×N；對(duì)于ResNet50和InceptionV3，刪除原網(wǎng)絡(luò)中的最后3層“fc1000”、“fc1000_softmax”和“ClassificationLayer_fc1000”，以一個(gè)包含1×N的全連接層、1×N的softmax層以及N分類輸出層的結(jié)構(gòu)代替；

S5：采用輸電線路渉鳥故障相關(guān)鳥種圖像訓(xùn)練集對(duì)微調(diào)后的四種深度卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行重新訓(xùn)練，利用訓(xùn)練好的網(wǎng)絡(luò)模型對(duì)鳥種圖像測(cè)試集進(jìn)行分類識(shí)別，得到四種模型的分類準(zhǔn)確率a_i(i＝1,2,3,4)，根據(jù)計(jì)算四種網(wǎng)絡(luò)結(jié)構(gòu)對(duì)應(yīng)的權(quán)重系數(shù)q_i(i＝1,2,3,4)；

S6：根據(jù)四種網(wǎng)絡(luò)模型對(duì)應(yīng)的權(quán)重系數(shù)，對(duì)其softmax層輸出結(jié)果進(jìn)行線性加權(quán)，構(gòu)建一種融合多卷積神經(jīng)網(wǎng)絡(luò)的鳥種分類識(shí)別模型，模型的輸出S_f為S_f＝q₁S_AlexNet+q₂S_VGG16+q₃S_ResNet50+q₄S_InceptionV3，其中S_AlexNet、S_VGG16、S_ResNet50、S_InceptionV3分別表示4種網(wǎng)絡(luò)模型的softmax層輸出結(jié)果；

S7：利用融合多卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)鳥種圖像測(cè)試集進(jìn)行分類識(shí)別，得到輸電線路渉鳥故障相關(guān)鳥種圖像的識(shí)別結(jié)果及準(zhǔn)確率。

2.根據(jù)權(quán)利要求1所述的一種輸電線路涉鳥故障相關(guān)鳥種圖像識(shí)別方法，其特征在于：S2中利用類別激活圖對(duì)鳥種圖像進(jìn)行去背景預(yù)處理，得到包含少量背景的鳥種圖像，具體為對(duì)類別激活圖進(jìn)行迭代法全局閾值分割和最大連通區(qū)域提取，獲取圖像中的鳥種目標(biāo)定位框，根據(jù)定位框尺寸裁剪得到預(yù)處理后的鳥種圖像。