[發明專利]一種基于機器視覺的變電站危害鳥種目標檢測和識別方法

有效

• 申請號: 202310168827.2
• 申請日: 2023-02-27
• 公開（公告）號: CN115862073B
• 公開（公告）日: 2023-07-04
• 發明（設計）人: 饒斌斌;李帆;邱志斌;況燕軍;周龍武;胡睿哲;王曉冬;周志彪
• 申請（專利權）人: 國網江西省電力有限公司電力科學研究院;國家電網有限公司;南昌大學
• 主分類號: G06V40/10
• 分類號: G06V40/10;G06V20/40;G06V10/80;G06V10/82;G06N3/0464;G06N3/048;G06N3/0475;G06N3/084
• 代理公司: 南昌豐擇知識產權代理事務所(普通合伙) 36137
• 代理人: 吳稱生

本發明公開了一種基于機器視覺的變電站危害鳥種目標檢測和識別方法，首先針對變電站附近拍攝的鳥種圖像和視頻，利用視頻圖像轉換技術提取視頻內的圖像，并采用改進的SRGAN算法對鳥種圖像進行超分辨率重建，構建變電站危害鳥種圖像樣本庫；引入雙注意力機制ECANet和CBAM對YOLOv7目標檢測模型進行改進，使用多種訓練方法對改進YOLOv7鳥種目標檢測模型訓練和參數設置，并將鳥種圖像輸入至訓練后的改進YOLOv7鳥種目標檢測模型中進行測試。本發明可為變電站危害鳥種識別研究和差異化防治提供參考。

技術領域

本發明屬于變電站監測圖像數據處理技術領域，具體涉及一種基于機器視覺的變電站危害鳥種目標檢測和識別方法。

背景技術

隨著我國生態環境的改善和環保意識的增強，鳥類的數量逐漸增多，活動范圍也在擴大，導致鳥類對電網輸變電設備安全運行的威脅也越來越大。變電站特殊的地理位置、良好的生態環境和錯落有致的構架，都為鳥類的筑巢和活動提供了得天獨厚的條件，吸引了大量的鳥類駐足。但是鳥類的筑巢、泄糞和飛行等活動都可能引起相間短路事故，造成設備損壞、停運，同時也給運維人員帶來了繁重的鳥巢、鳥糞清理工作。現有的防鳥裝置如防鳥擋板、防鳥刺等在實際的應用中具有一定的盲目性，并未能夠實現變電站危害鳥種的差異化防治。由于變電站運維人員一般缺乏足夠鳥類學知識，巡檢過程中難以快速且正確識別出相關鳥種。因此，亟需快速且正確的識鳥工具助力變電站運維人員識鳥。

隨著機器視覺和深度學習的快速發展，一階目標檢測算法憑借先驗框機制與邊界框回歸思想，直接提高了模型的檢測速度，被廣泛應用于工業界。目標檢測算法中的卷積神經網絡大幅提高了計算機的智能處理與分析水平，使得目標檢測算法能夠快速且準確識別目標物體。因此，需將目前主流的目標檢測算法應用于變電站危害鳥種的檢測中，然后部署至相關的邊緣設備上進行智能巡檢，即保證了運維人員的安全且又降低了人力物力的消耗，也可為變電站運維人員提供識鳥工具。

發明內容

鑒于此，本發明的目的在于提供一種基于機器視覺的變電站危害鳥種目標檢測和識別方法，用于準確識別出危害變電站安全的鳥種，為變電站運維人員提供識鳥種工具。

為實現上述目的，本發明提供如下技術方案：一種基于機器視覺的變電站危害鳥種目標檢測和識別方法，包括如下步驟：

S1、搭建變電站危害鳥種圖像樣本庫；

S2、建立改進YOLOv7鳥種目標檢測模型，包括特征提取網絡、特征融合網絡和頭部預測網絡3個部分；

所述特征提取網絡依次由5個部分組成：第1個部分由3個CBS模塊堆疊組成；第2個部分由CBS模塊和MCB模塊堆疊組成；第3~5個部分均由TB模塊和MCB模塊堆疊組成，且每個MCB模塊后添加ECANet注意力機制模塊；選取特征提取網絡第3個部分、第4個部分、第5個部分的輸出作為特征融合網絡的輸入，三個輸入特征分別命名為Feat1、Feat2、Feat3；

所述特征融合網絡使淺層特征和深層特征充分融合加強特征提取：輸入特征Feat1經過CBS模塊獲得提取特征P1，輸入特征Feat2經過CBS模塊獲得提取特征P2，輸入特征Feat3經過SPPCSPC模塊和CBS模塊獲得提取特征P3；提取特征P3經過CBAM注意力機制模塊和上采樣模塊后與提取特征P2進行堆疊融合，再經過MCB模塊獲得提取特征P4；提取特征P4經過卷積層、上采樣模塊和CBAM注意力機制模塊后與提取特征P1進行堆疊融合，再經過MCB模塊獲得提取特征P5；提取特征P5經過TB模塊和CBAM注意力機制模塊后與提取特征P4進行堆疊融合，再經過MCB模塊獲得提取特征P6；提取特征P6經過TB模塊和CBAM注意力機制模塊后與提取特征P3進行堆疊融合，再經過MCB模塊獲得提取特征P7；

S3、設置改進YOLOv7鳥種目標檢測模型參數并進行訓練；

S4、將待檢測鳥種圖像輸入至訓練后的改進YOLOv7鳥種目標檢測模型中進行檢測。