[发明专利]一种电缆设备温度异常定位与识别方法

权利要求书

1.一种电缆设备温度异常定位与识别方法，其特征在于，包括以下步骤：

S1.通过隧道巡检机器人摄像头拍摄采集包含有目标电缆设备的样本图像；

S2.对步骤S1中样本图像进行扩充处理，生成目标数量的训练图片和原图共同作为训练样本；

S3.构建Faster R-CNN网络模型并导入步骤S2中的训练样本，用已经在ImageNet上预训练后得到的ZFNet网络参数初始化RPN，再用预训练的ZFNet网络参数初始化Faster R-CNN目标检测网络参数，并通过RPN网络提取预选区域训练目标检测网络；

S4.用步骤S3训练后的目标检测网络初始化RPN网络，固定RPN网络的卷积层并进行微调，固定目标检测网络的卷积层并用微调后的RPN网络提取的预选区域对目标检测网络微调，得到包括接头区域位置信息的输出结果；

S5.根据步骤S4得到的接头区域以及隧道巡检机器人的可见光摄像头与红外摄像头的参数可以将接头区域从可见光照片映射到红外照片上；

S6.对步骤S5的红外照片区域做温度最高值搜索，得到最高温度值；并根据电缆线芯温度与防爆箱温度的矫正公式矫正得到电缆接头处线芯的最高温度；

S7.将电缆接头处线芯的最高温度与电缆接头的巡检标准温度阈值对比判断是否出现异常高温，若是，则决定报警；

其中，步骤S2中所述的扩充处理按以下步骤进行：

S21.对步骤S1中的样本图像去除背景像素保留前景，生成纯色背景图片；

S22.对步骤S1中的样本图像进行颜色变换、伸缩变换以及旋转变换，所述颜色变换为在HSV色域中将三个分量随机调至原来的0.8倍～1.2倍；所述伸缩变换为随机伸缩至原来的0.8倍～1.2倍；所述旋转变换为随机旋转-30°～30°；

S23.经步骤S22处理的图片放置到步骤S21的背景图片的随机位置，一直添加直至生成目标数量的训练图片，训练图片与原图共同作为训练样本。

2.根据权利要求1所述的电缆设备温度异常定位与识别方法，其特征在于，步骤S3中所述的Faster R-CNN模型由顺次连接的输入层、卷积层、池化层、全连接层以及输出层构建得到。

3.根据权利要求2所述的电缆设备温度异常定位与识别方法，其特征在于，步骤S3按以下步骤进行：

S31.以步骤S2中的训练样本为输入层，在卷积层中利用特定的卷积核对图像卷积提取特征值；

S32.将步骤S31中的特征值输出作为输入，在池化层中进行最大池化运算，缩小卷积层的信息；

S33.经过多层卷积和池化过程后，将池化层的输出作为输入，对每个特征值采用不同的权重进行全连接层的运算，将图像的二维信息转换为一维信息；

S34.根据步骤S33的一维信息的值对训练样本进行分类，分类结果由输出层给出。

4.根据权利要求3所述的电缆设备温度异常定位与识别方法，其特征在于，每层卷积层由若干卷积单元组成，每个卷积单元的参数通过反向传播算法最佳化得到。

5.根据权利要求1至4任一项所述的电缆设备温度异常定位与识别方法，其特征在于，步骤S4中所述位置信息包括接头区域左上角顶点的横坐标x、纵坐标y以及接头区域的宽度w、高度h。