[發明專利]一種基于改進DeepLab V3+網絡的變電站環境理解方法

有效

• 申請號: 202211293374.8
• 申請日: 2022-10-21
• 公開（公告）號: CN115359411B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 王平;李萌崛;陳妮;文榮
• 申請（專利權）人: 成都工業學院
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/82;G06V10/80;G06V10/774;G06V10/764
• 代理公司: 北京元本知識產權代理事務所(普通合伙) 11308
• 代理人: 曹廣生

本發明屬于計算機模式識別技術領域，公開了一種基于改進DeepLab?V3+網絡的變電站環境理解方法，包括采集變電站環境理解圖像、構建環境理解網絡并訓練、測試模型和變電站巡檢機器人環境理解方法應用的步驟。其中變電站環境理解語義分割網絡同時兼顧識別精度及效率，通過將深層高精度卷積神經網絡精簡為小型淺層的網絡來降低網絡參數以及存儲空間來提高識別效率，并采用了改進的ASPP模塊和基于CBAM模塊的分步上采樣和多分辨率特征融合的方式來提高圖像像素信息的利用率；采用深度學習環境理解方法可獲取變電站巡檢機器人當前環境的信息，對機器人導航避障提供更多有效的智能決策，使機器人環境適應能力更強。

技術領域

本發明屬于計算機模式識別技術領域，具體是一種基于改進DeepLab?V3+網絡的變電站環境理解方法。

背景技術

變電站是電網的重要組成部分之一，負責電力網絡中電壓的升、降調節及電能的分配。為了保證變電站正常運行，必須對站內電力設備的運行狀態進行定期巡檢，以及早及時的排除用電安全隱患。隨著我國智能電網建設的不斷深入，巡檢機器人在變電站中得到了廣泛的應用，并逐步取得了良好的效果。就智能巡檢機器人而言，其完成復雜巡檢任務的基本前提，是能否對其巡檢道路環境進行有效理解并作出相應地自主避障決策。

當下，市場上出售的巡檢機器人采用的自主避障方式較為單一，無法同時對變電站場景中幾種常見的障礙物，諸如雜草、石頭、行人、其他機器人等進行識別，更無法結合其當前所處的環境信息進行自主避障。這樣極大影響了智能巡檢機器人在變電站巡檢工作中應用的巡檢效率以及智能性。

環境理解技術是巡檢機器人實現自主避障以及完成特殊任務的關鍵。隨著深度學習技術的發展，基于視覺的環境理解方法逐漸成為環境理解研究的熱點、重點。相比于基于激光雷達和激光的環境理解方法，其具有使用成本低、算法多樣且性能強等優勢。有兩種方法可以實現基于圖像來理解環境：語義分割和目標檢測。這兩種方法都有助于使機器人具備環境理解的能力。

隨著圖像語義分割技術的不斷發展，僅能實現分類和初略定位的目標檢測方法已不能滿足生產生活的實際需求，于是一大部分研究者將研究重點放在了圖像精確的理解與分析上。在目標檢測方法的基礎上，語義分割方法將目標定位提升到像素級別，即對圖像中每個像素進行逐點分類。相比于目標檢測方法，逐像素分類的語義分割方法能夠實現更加精細化地、全面地對環境進行理解。

巡檢機器人在變電站中已經有了非常廣泛的應用，其環境理解方法眾多，但是目前仍沒有一種環境理解方法，能夠針對變電站巡檢場景中常見障礙物類型（如剛性障礙物、柔性障礙物、行人）的特點，輔助其實現自主避障。

變電站是電網的重要組成部分之一，負責電力網絡中電壓的升、降調節及電能的分配。為了保證變電站正常運行，必須對站內電力設備的運行狀態進行定期巡檢，以及早及時的排除用電安全隱患。隨著我國智能電網建設的不斷深入，巡檢機器人在變電站中得到了廣泛的應用，并逐步取得了良好的效果。就智能巡檢機器人而言，其完成復雜巡檢任務的基本前提，是能否對其巡檢道路環境進行有效理解并作出相應地自主避障決策。

當下，市場上出售的巡檢機器人采用的自主避障方式較為單一，無法同時對變電站場景中幾種常見的障礙物，諸如雜草、石頭、行人、其他機器人等進行識別，更無法結合其當前所處的環境信息進行自主避障。這樣極大影響了智能巡檢機器人在變電站巡檢工作中應用的巡檢效率以及智能性。

環境理解技術是巡檢機器人實現自主避障以及完成特殊任務的關鍵。隨著深度學習技術的發展，基于視覺的環境理解方法逐漸成為環境理解研究的熱點、重點。相比于基于激光雷達和激光的環境理解方法，其具有使用成本低、算法多樣且性能強等優勢。有兩種方法可以實現基于圖像來理解環境：語義分割和目標檢測。這兩種方法都有助于使機器人具備環境理解的能力。