[发明专利]开关刀闸状态检测方法及装置

权利要求书

1.一种开关刀闸状态检测方法，其特征在于，包括步骤：

(1)采用RefineDet卷积神经网络模型对输入图像进行刀闸目标区域检测，检测得到刀闸目标区域图像；

(2)裁剪刀闸目标区域图像；

(3)采用双线性插值方法进行刀闸目标区域图像尺寸归一化处理；

(4)采用优化VGG16网络模型提取归一化后的刀闸目标区域图像的图像特征；

(5)采用softmax函数进行分类，输出值不小于预设值时判定为“连接”状态，否则判定为“断开”状态，并输出刀闸状态检测结果；

所述的优化VGG16网络模型包括五个卷积层、五个池化层和一个全连接层，该全连接层具有的三个全连接，最后一个全连接的通道数为2；

所述步骤4包括：

(4.1)优化VGG16网络模型以归一化后的刀闸目标区域图像作为输入数据，采用级联卷积层对输入数据进行运算；

(4.2)采用随机空间采样池化法对卷积特征向量进行采样；

所述步骤4.1中，采用级联卷积层对输入数据进行运算，具体包括：

首先执行经典卷积层的三个运算步骤；然后，将经典卷积层运算的输出结果与原始的输入数据进行求和运算；最后，再对求和的数据执行经典卷积层的三个运算步骤，得到最终的输出；

所述步骤4.2中，采用随机空间采样池化法对卷积特征向量进行采样，具体包括：

随机空间采样池化法是按照概率的方式从池化窗口的各个元素中随机选择某一元素作为该池化窗口的输出值，随机空间采样池化时元素值越大被选中的概率越大。

2.根据权利要求1所述的开关刀闸状态检测方法，其特征在于，所述优化VGG16网络模型中，卷积层采用CReLU激活函数：

CReLU(x)＝[ReLU(x),ReLU(-x)]。

3.根据权利要求1所述的开关刀闸状态检测方法，其特征在于，所述RefineDet卷积神经网络模型和优化VGG16网络模型，采用Caffe工具训练网络模型。

4.一种开关刀闸状态检测装置，其特征在于，包括刀闸目标区域检测模块、图像裁剪模块、归一化处理模块、图像特征提取模块、检测判定模块；所述刀闸目标区域检测模块采用RefineDet卷积神经网络模型对输入图像进行刀闸目标区域检测，将得到的刀闸目标区域图像送到图像裁剪模块进行裁剪刀闸目标区域图像，然后送到归一化处理模块采用双线性插值方法进行刀闸目标区域图像尺寸归一化处理，归一化后的刀闸目标区域图像作为图像特征提取模块的输入数据，采用优化VGG16网络模型提取图像特征，最后检测判定模块采用softmax函数进行分类，并判定刀闸状态，输出值不小于预设值时判定为“连接”状态，否则判定为“断开”状态；

所述图像特征提取模块包括卷积计算模块和特征采样模块，所述卷积计算模块采用优化VGG16网络模型，以归一化后的刀闸目标区域图像作为输入数据，采用级联卷积层对输入数据进行运算，输出卷积特征向量；所述特征采样模块采用随机空间采样池化法对卷积特征向量进行采样，具体包括：随机空间采样池化法是按照概率的方式从池化窗口的各个元素中随机选择某一元素作为该池化窗口的输出值，随机空间采样池化时元素值越大被选中的概率越大；所述采用级联卷积层对输入数据进行运算，具体包括：首先执行经典卷积层的三个运算步骤；然后，将经典卷积层运算的输出结果与原始的输入数据进行求和运算；最后，再对求和的数据执行经典卷积层的三个运算步骤，得到最终的输出；

所述优化VGG16网络模型包括五个卷积层、五个池化层和一个全连接层；该全连接层具有的三个全连接，最后一个全连接的通道数为2。