[发明专利]融合红外可见光的特高压线路绝缘子串深度学习识别方法在审
| 申请号： | 201710671781.0 | 申请日： | 2017-08-08 |
| 公开（公告）号： | CN107507172A | 公开（公告）日： | 2017-12-22 |
| 发明（设计）人： | 何冰;周韫捷;袁奇;王媚;蓝耕;乔丰翔;黄天琦 | 申请（专利权）人： | 国网上海市电力公司 |
| 主分类号： | G06T7/00 | 分类号： | G06T7/00;G06T3/00;G06T5/50 |
| 代理公司： | 上海科盛知识产权代理有限公司31225 | 代理人： | 赵志远 |
| 地址： | 200002 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 融合 红外 可见光 高压 线路 绝缘子 深度 学习 识别 方法 | ||
1.一种融合红外可见光的特高压线路绝缘子串深度学习识别方法，其特征在于，包括：
对待识别物体的可见光图像进行YUV编码，并得到可见光图像的Y分量、U分量和V分量；
将可见光图像的Y分量和红外图像进行融合处理后得到融合后，将之结合可见光图像的U分量和V分量得到融合图像；
使用训练好的Faster-Rcnn模型对融合图像进行检测，提取出待识别物体中的绝缘子串。
2.根据权利要求1所述的一种融合红外可见光的特高压线路绝缘子串深度学习识别方法，其特征在于，所述对待识别物体的可见光图像进行YUV编码具体包括：
采用仿射变换对可见光图像进行配准；
将配准后图像转换到YUV空间。
3.根据权利要求1所述的一种融合红外可见光的特高压线路绝缘子串深度学习识别方法，其特征在于，可见光图像的Y分量和红外图像的融合处理过程采用小波融合方法。
4.根据权利要求3所述的一种融合红外可见光的特高压线路绝缘子串深度学习识别方法，其特征在于，可见光图像的Y分量和红外图像进行融合处理具体为：
Y'＝w1×Y+w2×IR
其中：Y为可见光图像的Y分量，IR为红外图像，w1为可见光图像的权重，w2为红外图像的权重，Y'为融合后的Y分量。
5.根据权利要求4所述的一种融合红外可见光的特高压线路绝缘子串深度学习识别方法，其特征在于，所述可见光图像的权重和红外图像的权重均为0.5。
6.根据权利要求1所述的一种融合红外可见光的特高压线路绝缘子串深度学习识别方法，其特征在于，所述Faster-Rcnn模型包括RPN卷积神经网络和Fast-rcnn卷积神经网络。
7.根据权利要求6所述的一种融合红外可见光的特高压线路绝缘子串深度学习识别方法，其特征在于，所述使用训练好的Faster-Rcnn模型对融合图像进行检测，提取出待识别物体中的绝缘子串，包括：
利用RPN卷积神经网络从融合图像中识别出绝缘子串的候选区域；
利用Fast-rcnn卷积神经网络从绝缘子串的候选区域识别出绝缘子串。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网上海市电力公司，未经国网上海市电力公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201710671781.0/1.html，转载请声明来源钻瓜专利网。
