[发明专利]基于深度学习的输电线路缺陷检测方法

权利要求书

1.一种基于深度学习的输电线路缺陷检测方法，其特征在于，所述的方法包括以下步骤：

(1)对输电线路源图像进行处理而获取到训练样本，通过训练样本对深度神经网络进行训练，获取可用于输电线路缺陷检测的深度神经网络模型；

(2)向所述的深度神经网络模型中输入待检测的输电线路原始图像进行自适应缺陷检测；

(3)输出输电线路原始图像中可能存在的所有缺陷类别和在原始图像中的位置；

所述的步骤(1)中对输电线路源图像进行处理而获取到训练样本包括以下步骤：

(1.1)对输电线路源图像进行裁剪，使其被裁剪为包含目标物缺陷的子图像；

(1.2)对包含目标物缺陷的子图像进行缩放，并生成具有第一固定分辨率的正负训练样本子图像，其中，正训练样本子图像为不包含目标物缺陷的子图像，负训练样本子图像为包含目标物缺陷的子图像；

(1.3)在正负训练样本子图像中标注目标物缺陷的类别和位置；

(1.4)将标注好目标物缺陷的类别和位置的正负训练样本子图像输入到深度神经网络中进行端到端的学习训练；

(1.5)当对深度神经网络的训练达到设定的精度要求或者迭代达到设定的次数后，生成能检测包含可用于输电线路缺陷检测的深度神经网络模型；

所述的步骤(2)具体包括以下步骤：

(2.1)加载步骤(1)中获取的深度神经网络模型；

(2.2)将待检测的输电线路原始图像输入到该深度神经网络模型中，由该深度神经网络模型对输入其中的输电线路原始图像进行自适应缺陷检测；

所述的步骤(2.2)中深度神经网络模型对输入其中的输电线路原始图像进行自适应缺陷检测包括：

对输电线路原始图像中的大目标物缺陷进行识别，以及对输电线路原始图像中的小目标物缺陷进行识别；

所述的对输电线路原始图像中的大目标物缺陷进行识别为：

将输电线路原始图像缩放至第二固定分辨率后，将缩放后的子图像输入到深度神经网络模型中进行正向传播运算，获取输电线路原始图像中的大目标物缺陷；

所述的对输电线路原始图像中的小目标物缺陷进行识别为：

判断输电线路原始图像的分辨率，判断其是否大于预设阈值，若是，则将所述的输电线路图像切割为多个固定分辨率的子图像，并将各个固定分辨率的子图像都输入到所述的深度神经网络模型中进行正向传播运算，获取输电线路原始图像中的小目标物缺陷。

2.根据权利要求1所述的基于深度学习的输电线路缺陷检测方法，其特征在于，所述的步骤(2.2)后还包括以下步骤：

(2.3)将目标物缺陷在子图像中的坐标位置转换为在输电线路原始图像中的坐标位置，并在输电线路原始图像中标注目标物缺陷的类别和位置。

3.根据权利要求1所述的基于深度学习的输电线路缺陷检测方法，其特征在于，所述的深度神经网络包括Faster-RCNN网络或YOLO网络或SSD网络。