[发明专利]基于Faster RCNN的输电线路环境中异物识别方法、系统及计算机可读存储介质

说明书

本发明提出基于Faster RCNN的输电线路环境中异物识别方法、系统及计算机可读存储介质。所述识别方法包括步骤：构建训练样本：获取包含异物的输电线路环境图像，将图片中的异物的边框坐标标出，并给每个边框添加分类标签，得到样本图像；搭建Faster RCNN网络模型，利用样本图像训练Faster RCNN网络模型，直至损失函数的值达到预设的阈值条件；重新采集输电线路环境图像，将新采集的输电线路环境图像输入训练好的Faster RCNN网络模型中，得到图像中异物的分类结果。本发明可以自动对采集到的输电线路环境图像中的异物进行识别，无需输电线路检修人员在后台长时间的监控输电线路环境监控视屏，节省了输电线路检修人员的工作量。

技术领域

本发明涉及输电线路技术领域，尤其是一种基于Faster RCNN的输电线路环境中异物识别方法、系统及计算机可读存储介质。

背景技术

我国幅员辽阔，高压输电线路的覆盖面广、点多、线长，因此输电线路维护工作是保障输电线路正常工作的重中之重。在危害输电线路的因素中，比较多的有鸟害、覆冰、垃圾等杂物缠绕以及高大的施工车辆刮碰等，这些都会导致输电线发生故障甚至损毁。通常只能通过多次巡检来及时发现这些隐患，以前是通过人工巡逻，但由于输电线路中有部分架设的位置比较特殊，不易于人工观察，因此近年来逐渐通过机器代替人工巡逻，例如在输电线塔杆上安装摄像头，或者通过无人机巡航采集输电线路环境信息。但上述方式中，采集到的环境信息还是需要人力进行分辩，工作量仍然较大，若能实现根据采集到的输电线路环境信息进行异物的自动识别和分别，则能够大大节省输电线路维护人员的工作量，并且相较于人工检测，自动检测能够提高检测的准确度。

发明内容

发明目的：本发明旨在提出一种能够自动识别输电线路环境中异物的方案，具体是一种基于Faster RCNN的输电线路环境中异物识别方法、系统及计算机可读存储介质。

技术方案：为实现上述目的，本发明提出以下技术方案：

基于Faster RCNN的输电线路环境中异物识别方法，包括步骤：

(1)构建训练样本：获取包含异物的输电线路环境图像，将图片中的异物的边框坐标标出，并给每个边框添加分类标签，得到样本图像；

(2)搭建Faster RCNN网络模型，利用样本图像训练Faster RCNN网络模型，直至损失函数的值达到预设的阈值条件；

(3)重新采集输电线路环境图像，将新采集的输电线路环境图像输入训练好的Faster RCNN网络模型中，得到图像中异物的分类结果。

进一步的，在所述基于Faster RCNN的输电线路环境中异物识别方法中，所述异物包括施工车辆、飞鸟和漂浮物。

进一步的，所述Faster RCNN网络模型包括特征提取网络、区域生成网络和目标检测器；特征提取网络提取输入的输电线路环境图像的特征图像feature map；区域生成网络根据特征图像feature map生成异物候选框；目标检测器中的ROI池化层将异物候选框映射到特征图像feature map上，得到每个异物候选框的低维特征；这些低维特征送入目标检测器的全连接层进行回归和分类，得到异物的边框坐标和分类结果。

进一步的，所述损失函数为：

其中，Img_in表示输入图像，N_cls为前景总数，p_i表示预测出第i个异物候选框对应类别的概率，为预测出第i个异物候选框为对应的真实边框的概率，t_i表示第i个异物候选框的坐标信息，为对应的真实边框的坐标信息；为分类损失函数，为边框回归损失函数，λ为平衡参数。