[發明專利]一種絕緣層破損識別模型訓練方法、識別方法和裝置

有效

• 申請號: 202110614575.2
• 申請日: 2021-06-02
• 公開（公告）號: CN113283361B
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 陳金梅;王照;陳永強;劉偉英
• 申請（專利權）人: 廣東電網有限責任公司廣州供電局
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 陳嘉雯

1.一種絕緣層破損識別模型訓練方法，其特征在于，包括：

通過無人機在巡檢架空導線區域時采集若干架空導線圖像，并對各所述架空導線圖像是否存在絕緣層破損進行標注以及各所述架空導線圖像中的架空導線與圖像邊界的交點位置參數進行標注，生成標簽文件；

結合所有的所述架空導線圖像和所述架空導線圖像對應的所述標簽文件獲取訓練集；

通過所述訓練集對預置卷積神經網絡進行架空導線與圖像邊界交點識別任務和絕緣層破損識別任務訓練，得到絕緣層破損識別模型；

所述絕緣層破損識別模型用于對待識別導線圖像中的架空導線與圖像邊界的交點進行識別，得到所述待識別導線圖像的交點位置識別結果；所述絕緣層破損識別模型包括第一子網絡N₁和第二子網絡N₂，所述第一子網絡N₁包括四個特征提取網絡、一個特征融合層、一個包含64個輸出節點、激活函數為relu的全連接層和一個包含10個輸出節點的全連接層；

所述絕緣層破損識別模型對所述待識別導線圖像中的架空導線與圖像邊界的交點進行識別，得到所述待識別導線圖像的交點位置識別結果具體包括：

將所述待識別導線圖像輸入到所述第一子網絡N₁，通過四個特征提取網絡分別對所述待識別導線圖像的左、上、右、下邊界圖像進行特征提取，分別得到所述左、上、右、下邊界圖像對應的卷積特征；通過特征融合層將所述卷積特征在第二維進行拼接得到融合特征；將所述融合特征通過一個包含64個輸出節點、激活函數為relu的全連接層，再通過一個包含10個輸出節點的全連接層，得到所述待識別導線圖像的交點位置識別結果；

將所述交點位置識別結果輸入所述第二子網絡N₂中得到所述待識別導線圖像中的架空導線區域，使得所述第二子網絡N₂對所述架空導線區域中的架空導線進行絕緣層破損識別，得到所述待識別導線圖像的絕緣層破損識別結果。

2.根據權利要求1所述的絕緣層破損識別模型訓練方法，其特征在于，所述通過所述訓練集對預置卷積神經網絡進行架空導線與圖像邊界交點識別任務和絕緣層破損識別任務訓練，得到絕緣層破損識別模型，包括：

對預置卷積神經網絡的網絡參數進行隨機初始化，通過所述訓練集對初始化后的所述預置卷積神經網絡進行架空導線與圖像邊界交點識別任務和絕緣層破損識別任務訓練，得到絕緣層破損識別模型。

3.根據權利要求1所述的絕緣層破損識別模型訓練方法，其特征在于，所述通過所述訓練集對預置卷積神經網絡進行架空導線與圖像邊界交點識別任務和絕緣層破損識別任務訓練，得到絕緣層破損識別模型，包括：

通過所述訓練集對第一卷積神經網絡進行架空導線與圖像邊界交點識別任務訓練，得到訓練好的所述第一卷積神經網絡；

通過所述訓練集對第二卷積神經網絡進行絕緣層破損識別任務訓練，得到訓練好的所述第二卷積神經網絡；

將訓練好的所述第一卷積神經網絡的網絡參數和訓練好的所述第二卷積神經網絡的網絡參數作為初始網絡參數加載到預置卷積神經網絡，并通過所述訓練集對所述預置卷積神經網絡進行架空導線與圖像邊界交點識別任務和絕緣層破損識別任務訓練，得到絕緣層破損識別模型，其中，所述預置卷積神經網絡由兩個子網絡構成，所述兩個子網絡中的一個子網絡與所述第一卷積神經網絡的網絡結構一致，另一個子網絡與所述第二卷積神經網絡的網絡結構一致。

4.根據權利要求1所述的絕緣層破損識別模型訓練方法，其特征在于，所述交點位置參數包括目標比值和交點位置編碼，對各所述架空導線圖像中的架空導線與圖像邊界的交點位置參數進行標注，包括：

根據各所述架空導線圖像中的架空導線與圖像邊界的交點位置和各所述架空導線圖像的大小計算目標比值，所述目標比值為該交點與該交點所在的圖像邊界上的一個邊界點之間的距離和該交點所在的圖像邊界的長度的比值；

根據各所述架空導線圖像中的架空導線與圖像邊界的交點位置對各所述架空導線圖像的4個圖像邊界進行one-hot編碼，生成交點位置編碼。