[發(fā)明專利]一種缺陷絕緣子的檢測方法

在審

• 申請?zhí)枺?/td>: 202110437478.0
• 申請日: 2021-04-22
• 公開（公告）號: CN113205019A
• 公開（公告）日: 2021-08-03
• 發(fā)明（設計）人: 溫蜜;種法廣;崔榮成
• 申請（專利權）人: 上海電力大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06F16/583;G06F16/55;G06Q50/06
• 代理公司: 上海德昭知識產權代理有限公司 31204
• 代理人: 郁旦蓉

1.一種缺陷絕緣子的檢測方法，其特征在于，包括以下步驟：

步驟一，采用第一技術建立缺陷絕緣子的數據庫；

步驟二，采用第一算法對所述數據庫中邊界框的寬和高進行聚類，以獲取所述缺陷絕緣子的錨點框信息；

步驟三，通過第一特征提取網絡獲取所述缺陷絕緣子的第一特征；

步驟四，使用第二算法對所述缺陷絕緣子進行檢測，將檢測尺度由3個擴展至4個，得到4尺度預測邊界框，從而獲取所述缺陷絕緣子的深層次位置信息；

步驟五，將所述第二算法中的4尺度預測邊界框經過第三算法計算后，輸出得分高的預測框，從而完成對缺陷絕緣子的檢測，得到檢測結果，其中所述檢測結果包括所述缺陷絕緣子的錨點框信息、所述第一特征及所述缺陷絕緣子的深層次位置信息。

2.根據權利要求1所述的缺陷絕緣子的檢測方法，其特征在于：

其中，步驟一中，所述第一技術包括數據增強技術和圖像標注技術。

3.根據權利要求2所述的缺陷絕緣子的檢測方法，其特征在于：

所述數據增強技術，是使用翻轉、旋轉、隨機顏色及隨機裁剪的方法擴充數據庫。

4.根據權利要求2所述的缺陷絕緣子的檢測方法，其特征在于：

所述圖像標注技術，是通過LabelImg完成標注的絕緣子圖像，所述絕緣子圖像的最終的輸出格式為Pascal VOC數據格式，所述Pascal VOC數據格式由Annotations，ImageSets和JPEGImage三個文件夾組成。

5.根據權利要求1所述的缺陷絕緣子的檢測方法，其特征在于：

其中，步驟二中，所述第一算法是K-means++算法，步驟如下：

(1)輸入:目標框樣本集D＝{x₁,x₂,...,x_n},錨點框聚類簇數為K；

(2)從D中隨機選取一個數據點作為初始聚類中心c₁；

(3)計算每個樣本點x與初始聚類中心c₁的最短距離d(x)；

(4)計算每個樣本做為下個聚類中心的概率

(5)利用輪盤法選擇下一個聚類中心c₂；

(6)重復2-4,直到選出K個聚類中心C＝{c₁,c₂,...,c_n}；

(7)計算樣本集D中的每個x到K個聚類中心的距離，將其分至相應的簇中；

(8)更新聚類中心

(9)重復6-7,直至聚類中心不發(fā)生更改；

(10)輸出K個聚類中心；

所述K-means++算法的距離函數公式如下：

d(box,centroid)＝1-IOU(box,centroid)

其中，centroid表示聚類中心，box表示樣本的目標框，IOU表示聚類中心框與聚類框的交并比。

6.根據權利要求1所述的缺陷絕緣子的檢測方法，其特征在于：

其中，步驟三中，所述第一特征提取網絡是SE-Darknet53特征提取網絡。

7.根據權利要求6所述的缺陷絕緣子的檢測方法，其特征在于：

所述SE-Darknet53特征提取網絡，是通過在Darknet53特征提取網絡中引入SENet注意力機制模塊設計的。