[发明专利]一种输电线路开口销缺损自动识别方法

权利要求书

1.一种输电线路开口销缺损自动识别方法，其特征在于，包括如下步骤：获取输电线路图像；然后利用训练得到的共享卷积神经网络，检测输电线路图获得图像中的绝缘子区域像素的坐标；根据所述坐标，在绝缘子区域像素内，使用特征识别算法检测连接件开口销是否缺损。

2.如权利要求1所述的输电线路开口销缺损自动识别方法，其特征在于，使用特征识别算法检测开口销是否缺损的方法包括如下步骤：利用LSD算法检测开口销的直线段特征，再用hough梯度圆检测算法检测螺母的圆特征，然后通过二者之间的距离约束判断开口销是否存在。

3.如权利要求2所述的输电线路开口销缺损自动识别方法，其特征在于，通过距离约束判断开口销是否存在的方法为：所述直线段特征位于所述圆特征中时，判定开口销存在，否则，判定销钉缺损。

4.如权利要求1所述的输电线路开口销缺损自动识别方法，其特征在于，训练共享卷积神经网络的方法包括如下步骤：

A：准备训练样本；

B：对训练样本进行卷积运算；

C：构建区域特征提取网络；

D：获取绝缘子区域坐标初值。

5.如权利要求4所述的输电线路开口销缺损自动识别方法，其特征在于，所述步骤A包括如下步骤：在巡检图像中找出包含绝缘子的图片，并在该图片上人工框选出绝缘子像素区域，并添加标签，完成后，将该图片作为训练样本存入训练集。

6.如权利要求5所述的输电线路开口销缺损自动识别方法，其特征在于，框选绝缘子像素区域时，采用最小外接矩形框标注目标，标注框与目标边缘不大于5像素。

7.如权利要求4所述的输电线路开口销缺损自动识别方法，其特征在于，所述步骤B包括如下步骤：

将训练样本输入至卷积神经网络的初始卷积层，初始卷积层的卷积核以特定的大小和步幅对训练样本进行卷积运算，得到可反应输入原始巡检影像抽象底层信息的特征图；

进入卷积神经网络的下采样层，对所述特征图进行下采样处理，抽取所述特征图特定区域内的像素灰度值的平均值，经过多层卷积和下采样处理后的图像作为中间结果。

8.如权利要求7所述的输电线路开口销缺损自动识别方法，其特征在于，所述步骤C包括如下步骤：

在所述特征图上采用3*3卷积的窗口，通过标准VGG16卷积神经网络前13层生成512维全连接特征向量；

区域特征提取网络的架构设计为，使用Faster—RCNN实现目标的检测和识别，其过程与标准VGG16网络共用其前13个VGG卷积层，采用交替训练实现该阶段卷积层的特征共享，学习获得有效分类特征；

输入具有预测层和判定层两个分支的全连接层，由全连接层整合特征并交由分类器进行分类处理，生成判定规则，作为后续绝缘子目标的检测依据，其中，所述预测层用于判定绝缘子目标提取特征的中心点的像素坐标、宽和高，所述判定层用于判定该特征属与待识别绝缘子目标或图片中非目标背景；

采用滑动窗口的处理方式保证遍历以上两个分支关联卷积层的全部特征空间，其卷积结果输入区域特征提取网络。

9.如权利要求7所述的输电线路开口销缺损自动识别方法，其特征在于，所述步骤D包括如下步骤：

将训练样本进行卷积操作下采样后，输入分类层，采用步骤C生成的判别规则，分类层给出滑动窗口内包含目标的置信度得分，对用户给定的0~1置信度阈值，得分高的矩形像素区域作为正样本，得分低的认为负样本舍弃；

当分类层给出的结果判定该像素区域内大于置信度阈值时，认为该像素区域内有绝缘子目标，需要对目标的位置框进一步回归校正，使识别结果输出的矩形框区域精确贴合绝缘子目标像素区域的最小外接矩形，位置回归校正计算中的重叠度判断阈值通过IOU计算，IOU=两框交集区域面积/两框并集区域面积，当输出的两个像素区域面积重叠度其值大于0.3时，认为以上两个区域可能存在重复输出，需要重新进行回归计算，消除多余的重复输出；

若输入图像内对应的绝缘子目标区域与原始输入巡检影像中的目标的真实区域的重叠度大于等于设定IOU阈值0.5，则判定该像素区域有绝缘子目标，其区域标签为1；若重叠率小于IOU阈值0.5，该区域标签为0，认为该区域像素为非目标背景区域；

对于标签为1的区域，寻找映射回输入图像的坐标与图像中真实的目标坐标之间的映射关系，完成回归定位过程，确定绝缘子区域在顶层金字塔影像中的像素坐标位置，标签为0的区域认为是错误识别，不参与后续运算；

通过回归算法，对目标进行分类，并且使用多任务损失函数边框回归算法，得出下采样图像中目标的精确边界框的坐标，之后通过金字塔影像逐级恢复至巡检图像原始分辨率，输出原始巡检影像像素坐标系下绝缘子区域的像素坐标。