[发明专利]一种基于卷积神经网络的输电线路杆塔外力破坏检测方法

权利要求书

1.一种基于卷积神经网络的输电线路杆塔外力破坏检测方法，其特征在于，包括以下步骤：

步骤（1），获得遥感图像原始数据；

步骤（2），对遥感图像进行预处理，分离出各个杆塔图像并进行划分，获得具有标签的训练集、验证集、测试集，所述的标签分为两种，为输电线路杆塔被外力破坏和输电线路杆塔未被外力破坏；

步骤（3），构建卷积神经网络模型，初始化各参数，将训练集输入到网络中学习；

步骤（4），训练集输入到模型后，经过前向传播得到输出值，该输出值即杆塔被破坏的概率；计算代价函数来衡量输出值与真实值间的误差，然后通过反向传播误差进行反馈，更新卷积核的参数继续训练；第一轮训练结束后，将验证集作为输入，运行模型并观察结果，重复多次直到观察到代价函数收敛，得到当前参数最优的神经网络模型；

步骤（5），将测试集中的杆塔遥感图输入到训练好的最优模型中，得到杆塔是否外力破坏的分类结果，并评估模型的准确度；

步骤（6），当模型准确度达标后，所得的模型即可用于新的杆塔外力破坏检验。

2.根据权利要求1所述的基于卷积神经网络的输电线路杆塔外力破坏检测方法，其特征在于，所述步骤（2）的具体过程为：

步骤（2.1），对卫星遥感图的处理：截取杆塔位置，并保证杆塔位置在各个图片正中心；

步骤（2.2），训练集的划分：取一条线路60％的杆塔作为训练集，20％的杆塔作为验证集，20％的杆塔作为测试集。

3.根据权利要求1所述的基于卷积神经网络的电线杆塔遥感图像二分类方法，其特征在于，步骤（4）中最后一层采用logistic回归，每个神经元的输出值对应着杆塔破坏与否的概率；代价函数采用交叉熵损失函数，表达式为：其中y表示真实值，a为模型输出值；然后通过Adam算法反向传播误差，更新所有卷积核的参数，以使代价函数趋于收敛。

4.根据权利要求1所述的基于卷积神经网络的电线杆塔遥感图像二分类方法，其特征在于，步骤（5）中当准确度高于80%时，固定模型，若低于80%，将测试集中的25%的数据输入到网络中重新训练。