[發(fā)明專利]輸電導(dǎo)線懸掛異物的檢測方法、裝置、介質(zhì)及終端設(shè)備

在審

• 申請?zhí)枺?/td>: 202111349920.0
• 申請日: 2021-11-15
• 公開（公告）號: CN114187534A
• 公開（公告）日: 2022-03-15
• 發(fā)明（設(shè)計）人: 何錦強;廖永力;張巍;李昊;李銳海;朱登杰;張顯聰;楊玨;范旭娟;陳雁
• 申請（專利權(quán)）人: 南方電網(wǎng)科學(xué)研究院有限責(zé)任公司;廣東電網(wǎng)有限責(zé)任公司廣州供電局
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V10/774;G06V10/764;G06K9/62
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 麥小嬋;郝傳鑫

1.一種輸電導(dǎo)線懸掛異物的檢測方法，其特征在于，包括：

獲取無人機航拍的輸電導(dǎo)線的圖像數(shù)據(jù)集；其中，所述圖像數(shù)據(jù)集包括真實標(biāo)注圖像集和無標(biāo)注圖像集；

通過所述真實標(biāo)注圖像集訓(xùn)練預(yù)先基于半監(jiān)督學(xué)習(xí)構(gòu)建的第一初始檢測模型和第二初始檢測模型，得到第一檢測模型和第二檢測模型；

通過所述第一檢測模型和所述第二檢測模型對所述無標(biāo)注圖像集進行偽標(biāo)注，得到第一偽標(biāo)注圖像集和第二偽標(biāo)注圖像集；

將所述真實標(biāo)注圖像集分別與所述第一偽標(biāo)注圖像集和所述第二偽標(biāo)注圖像集進行混合增強，得到第一混合標(biāo)注圖像集和第二混合標(biāo)注圖像集；

將所述第一混合標(biāo)注圖像集和所述第二混合標(biāo)注圖像集分別輸入至所述第一檢測模型和所述第二檢測模型中，并通過監(jiān)督損失、無監(jiān)督損失和均衡損失訓(xùn)練所述第一檢測模型和所述第二檢測模型，得到優(yōu)化后的第一檢測模型和優(yōu)化后的第二檢測模型；

協(xié)同所述優(yōu)化后的第一檢測模型和所述優(yōu)化后的第二檢測模型對預(yù)先獲取的待檢測的輸電導(dǎo)線圖像進行檢測，得到異物檢測結(jié)果。

2.如權(quán)利要求1所述的輸電導(dǎo)線懸掛異物的檢測方法，其特征在于，所述獲取無人機航拍的輸電導(dǎo)線的圖像數(shù)據(jù)集之后，還包括：

對所述真實標(biāo)注圖像集的每一真實標(biāo)注圖像進行平移和翻轉(zhuǎn)；

對所述無標(biāo)注圖像集的每一無標(biāo)注圖像進行平移和翻轉(zhuǎn)。

3.如權(quán)利要求1所述的輸電導(dǎo)線懸掛異物的檢測方法，其特征在于，所述將所述真實標(biāo)注圖像集分別與所述第一偽標(biāo)注圖像集和所述第二偽標(biāo)注圖像集進行混合增強，得到第一混合標(biāo)注圖像集和第二混合標(biāo)注圖像集，具體為：

通過Mixup算法對所述真實標(biāo)注圖像集和所述第一偽標(biāo)注圖像集進行混合增強，得到第一混合標(biāo)注圖像集；

通過Mixup算法對所述真實標(biāo)注圖像集和所述第二偽標(biāo)注圖像集進行混合增強，得到第二混合標(biāo)注圖像集。

4.如權(quán)利要求3所述的輸電導(dǎo)線懸掛異物的檢測方法，其特征在于，所述將所述真實標(biāo)注圖像集分別與所述第一偽標(biāo)注圖像集和所述第二偽標(biāo)注圖像集進行混合增強，得到第一混合標(biāo)注圖像集和第二混合標(biāo)注圖像集，具體為：

根據(jù)預(yù)設(shè)的混合增強公式對所述第一偽標(biāo)注圖像集的第i幅偽標(biāo)注圖像和所述真實標(biāo)注圖像集中的任意一幅真實標(biāo)注圖像進行混合增強，將混合增強后得到的所有混合標(biāo)注圖像構(gòu)成第一混合標(biāo)注圖像集；

根據(jù)預(yù)設(shè)的混合增強公式對所述第二偽標(biāo)注圖像集的第i幅偽標(biāo)注圖像和所述真實標(biāo)注圖像集中的任意一幅真實標(biāo)注圖像進行混合增強，將混合增強后得到的所有混合標(biāo)注圖像構(gòu)成第二混合標(biāo)注圖像集。

5.如權(quán)利要求4所述的輸電導(dǎo)線懸掛異物的檢測方法，其特征在于，所述預(yù)設(shè)的混合增強公式具體為：

其中，λ_m為混合系數(shù)，Beta為貝塔分布，α_m為第一參數(shù)，α_m＝1.0，U_i為第i幅偽標(biāo)注圖像，X為真實標(biāo)注圖像，U′_i為第i幅混合標(biāo)注圖像，t_x為真實標(biāo)注圖像的邊界框四維坐標(biāo)，為第i幅偽標(biāo)注圖像的邊界框四維坐標(biāo)，為第i幅混合標(biāo)注圖像的邊界框四維坐標(biāo)，c_x為真實標(biāo)注圖像的圖像類別概率，為第i幅偽標(biāo)注圖像的圖像類別概率，為第i幅混合標(biāo)注圖像的圖像類別概率。