[发明专利]一种基于YOLACT算法对输变电线路瓷瓶裂缝实时分析方法

权利要求书

1.一种基于YOLACT算法对输变电线路瓷瓶裂缝实时分析方法，其特征在于：包括如下步骤：

步骤一：通过无人机现场拍摄和输电线路缺陷故障数据汇总，收集和标注输变电线路瓷瓶裂缝数据，涵盖多场景多种类的瓷瓶裂缝数据，建立瓷瓶裂缝语义分割数据集；

步骤二：基于YOLACT算法模型进行模型优化和剪枝操作，构建轻量级实时语义分割深度学习模型，模型构建过程包含以下步骤：

步骤2.1：采用ResNet-101作为特征提取网络，采用轻量级的GhostNet作为基础网络，网络算法具体包括：

步骤2.1.1：输入瓷瓶裂缝图像经过5个卷积模块输出相应的深度特征，并定义各深度特征分别对应图像中的C1到C5层；

步骤2.1.2：由步骤2.1.1得到的多尺度特征，将其发送至FPN网络的P3-P7层进行学习；

发送过程中C5层经过一个卷积层得到P5层，然后对P5层进行一次双线性插值放大，将放大值与经过卷积的C4层相加得到P4层，然后对P4层进行一次双线性插值放大，将放大值与经过卷积的C3层相加得到P3层；

所述P5层再经过一个卷积层得到P6层，所述P6层再经过一个卷积层得到P7层；

步骤2.1.3：将步骤2.1.2得到的P3-P7层采用分支并行操作，将P3层输入Protonet模块，同时将P3-P7层送到Prediction Head模块；

步骤2.1.4：所述Protonet模块预测输出整个图像的一组K个原型掩码；

步骤2.1.5：所述Prediction Head模块分别预测输出预测类别的置信度、预测边界框的坐标、预测k个掩膜系数，然后通过快速非极大值抑制操作去除重复检测框；

步骤2.1.6：采用线性加权将Protonet和Prediction Head分支相结合，然后使用sigmoid非线性激活生成最终的掩模，并在所预测的边界框中对最终掩模进行剪切，实现掩模集成；

步骤2.1.7：设定阈值，最终显示出瓷瓶裂缝的类别、类别置信度、掩码以及边界框；

步骤2.2：结合瓷瓶裂缝几何特征设计锚框，在改进的YOLACT算法模型中引入FPN网络，根据低层特征的高分辨率和高层特征的高语义信息，通过上采样融合不同层的特征，在3个不同尺度的特征层上识别物；

步骤2.3：计算尺度一致性裂缝长度并对裂缝严重程度进行分析：基于图片中的瓷瓶大小与现实场景中的瓷瓶大小比例，由该比例计算得出现实场景中的裂缝长度，并根据裂缝长度判断裂缝的严重程度；

基于已知的瓷瓶直径，根据尺度变化一致性估计真实裂缝长度，采用以下公式进行计算：

；

上式中：L表示估计的真实瓷瓶裂缝长度，R表示已知的真实瓷瓶直径，l和r分别表示图像中获取的瓷瓶直径像素值和裂缝回归框对角线像素值；

步骤三：基于上述改进的YOLACT算法模型进行训练，并将算法模型及训练数据部署在移动端嵌入式设备进行实时推理分析；

步骤四：将训练好的模型应用在实际输变电线路环境中进行测试，显示裂缝形状并进行裂缝严重程度的实时分析。

2.根据权利要求1所述的一种基于YOLACT算法对输变电线路瓷瓶裂缝实时分析方法，其特征在于：所述步骤2.1.1中输入瓷瓶裂缝图像经过5个卷积模块，输出深度特征尺寸分别为112×112、56×56、28×28、14×14、7×7。

3.根据权利要求2所述的一种基于YOLACT算法对输变电线路瓷瓶裂缝实时分析方法，其特征在于：所述步骤2.2中融合不同层的特征，在3个不同尺度的特征层上识别物，具体将宽高比设置为6、1、1/6。