[发明专利]一种基于神经网络的绝缘子图像自动识别方法

权利要求书

1.一种基于神经网络的绝缘子图像自动识别方法，其特征在于,包括以下步骤:

S1:对巡检图像数据进行预处理；

S2：加入Dropout的特征提取模块；

S3：对已预处理的巡检图像数据在不同维度的特征进行上采样并生成多尺度特征图；

S4：对多尺度特征图进行定位检测；

S5：将得到的结果分类存放到不同的文件夹；

S6：根据步骤S5的结果生成可视化报表。

2.根据权利要求1所述的一种基于神经网络的绝缘子图像自动识别方法，其特征在于，所述步骤S1具体包括以下步骤：

s11：采集巡检图像数据；

s12：将巡检图像数据输入至图像识别模块中，确定编码正确，确定巡检图像的命名格式是否正确，根据巡检图像后缀名确定编码格式，并检查巡检图像是否损坏；

s13：将巡检图像叠加成一个张量以便同时预测提升效率。

3.根据权利要求1所述的一种基于神经网络的绝缘子图像自动识别方法，其特征在于，所述步骤S2具体包括以下步骤：

s21：加入Dropout的卷积网络处理步骤，在特征提取阶段，在每个卷积层加入5％的Dropout，用以减少某些体积过大，过于明显的目标的检测效果；

s22：残差单元处理步骤，将某一层的线性激活结果跳过一层，直接加入到后面两层的非线性激活之前。

4.根据权利要求1所述的一种基于神经网络的绝缘子图像自动识别方法，其特征在于，所述步骤S3具体包括以下步骤：

s31：不同残差阶段提出绝缘子多种维度的特征；

s32：对绝缘子在不同尺度特征进行上采样；

s33：将采样结果与原始特征拼接成不同尺度的特征张量。

5.根据权利要求1所述的一种基于神经网络的绝缘子图像自动识别方法，其特征在于，所述步骤S4具体包括以下步骤：

s41：为每个尺度的特征张量聚类得到不同尺寸的先验框；

s42：直接预测绝缘子的相对位置，得到Bounding Box中心点。

6.根据权利要求1所述的一种基于神经网络的绝缘子图像自动识别方法，其特征在于，所述步骤S5具体包括以下步骤：

s51：根据巡线图像数据检测结果将数据分为有绝缘子和无绝缘子两类；

s52：通过分类结果将图像归类为不同类别并存放于不同文件夹。

7.根据权利要求1所述的一种基于神经网络的绝缘子图像自动识别方法，其特征在于，所述步骤S6具体包括以下步骤：

s71：根据数据统计所属文件夹名称关联的目标物；

s72：通过目标物统计结果生成的目标物种类生成报表以便后续处理。

8.根据权利要求2所述的一种基于神经网络的绝缘子图像自动识别方法，其特征在于，在所述步骤s11中,利用无人机拍摄绝缘子图像以采集巡检图像数据。

9.一种基于神经网络的绝缘子图像自动识别系统，其特征在于，包括存储器和处理器，所述的存储器中包括基于神经网络的绝缘子图像自动识别方法的程序，所述的一种基于神经网络的绝缘子图像自动识别方法程序被所述的处理器执行时，实现如下步骤：

S1:对巡检图像数据进行预处理；

S2：加入Dropout的特征提取模块；

S3：对已预处理的巡检图像数据在不同维度的特征进行上采样并生成多尺度特征图；

S4：对多尺度特征图进行定位检测；

S5：将得到的结果分类存放到不同的文件夹；

S6：根据步骤S5的结果生成可视化报表。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括一种基于神经网络的绝缘子图像自动识别方法程序，所述一种基于神经网络的绝缘子图像自动识别方法程序被处理器执行时，实现如权利要求1至7中任一项所述的一种基于神经网络的绝缘子图像自动识别方法的步骤。