[发明专利]一种GIS设备腔体内部异物检测方法及系统

权利要求书

1.一种GIS设备腔体内部异物检测方法，其特征在于，包括：

构建GIS设备腔体内部异物检测模型，建立GIS腔体异物样本库；

基于所述GIS腔体异物样本库，对所述检测模型进行训练，采用基于通道的模型剪枝算法对训练好的检测模型进行压缩；

获取GIS设备腔体内部图像信息，将所述信息实时输入到压缩后的检测模型，输出检测结果，实现对GIS设备腔体内部异物的实时识别。

2.如权利要求1所述的一种GIS设备腔体内部异物检测方法，其特征在于，所述GIS腔体异物样本库中的建立过程包括：

获取在GIS腔体环境中采集的可见光图像及模拟环境下采集的可见光图像，作为原始样本图像；

获取每一张可见光图像对应的红外图像，将可见光图像与对应的红外图像组成一对图像组；

对图像组进行配准，得到配准后的图像对；

利用配准后的图像对，构建新的样本图像。

3.如权利要求2所述的一种GIS设备腔体内部异物检测方法，其特征在于，获取在GIS腔体环境中采集的可见光图像及模拟环境下采集的可见光图像之后，还包括：利用多尺度Retinex算法对所述原始样本图像进行增强处理。

4.如权利要求2所述的一种GIS设备腔体内部异物检测方法，其特征在于，利用配准后的图像对，构建新的样本图像，具体为：

对于每一个配准后的图像对，分别设定其中可见光图像和红外图像的权重系数；

可见光图像的R通道图像、G通道图像以及B通道图像，分别乘以可见光图像权重系数后，再分别与单通道红外图像与其对应权重系数的乘积做加和，得到三个新的样本图像。

5.如权利要求2所述的一种GIS设备腔体内部异物检测方法，其特征在于，利用配准后的图像对，构建新的样本图像之后，还包括：

对新的样本图像中的异物分类进行标注；分别在原始样本图像、对原始样本图像进行增强处理后的样本以及新的样本图像中，选取测试集和训练验证集。

6.如权利要求1所述的一种GIS设备腔体内部异物检测方法，其特征在于，对训练好的模型进行压缩，得到压缩后的检测模型之后，还包括：

将剪枝后的模型利用GIS腔体异物样本库进行重新训练，对网络参数进行微调。

7.如权利要求1所述的一种GIS设备腔体内部异物检测方法，其特征在于，采用改进的YOLOv3网络作为GIS设备腔体内部异物检测模型；所述改进的YOLOv3网络包括：

以Darknet53为基础网络，所述基础网络包括若干并列的残差块，将设定数量的残差块输出的特征进行融合，得到基础网络的输出结果；

所述基础网络的输出依次连接Darknetconv2d_BN_Leaky层、resnet网络单元和卷积层，输出最终的检测结果。

8.如权利要求7所述的一种GIS设备腔体内部异物检测方法，其特征在于，所述基础网络包括依次连接的4个残差块，将后3个残差块输出的特征进行融合。

9.如权利要求1所述的一种GIS设备腔体内部异物检测方法，其特征在于，采用基于通道的模型剪枝算法对训练好的模型进行压缩，具体方法包括：

分别统计每个残差块各通道中节点输出为0的神经元数量，按照所述数量对每个残差块中的各通道进行排序；

对于没有采样特征图输出的残差块，根据排序对设定数量的通道直接进行剪枝；

对于有采样特征图输出的残差块，根据通道排序提取设定数量的通道形成剪枝集合，统计所述剪枝集合的每个通道中，输出不为0的神经元数量，根据所述数量的最大值和最小值确定裁剪阈值范围；

根据所述的裁剪阈值范围对当前残差块通道进行剪枝，得到剪枝后模型准确率差值集合，取剪枝后模型识别准确率差值最小值对应的模型为最终模型。