[发明专利]一种基于卷积神经网络的电缆巡检图片目标检测方法

说明书

本发明涉及电力线通信技术领域，尤其涉及一种基于卷积神经网络的电缆巡检图片目标检测方法。本发明包括步骤一：获取巡检图片，建立目标检测的分类类别；步骤二：向模型输入包含所述分类类别的图片；步骤三：将获取的分类类别的图片作为训练样本，采用卷积神经网络的初始权值和阈值，训练网络，确定最优的神经网络结构；步骤四：将实时采集的图片输入到步骤三中训练好的卷积神经网络模型中，输出目标图形检测结果。本发明采用卷积神经网络检测电缆巡检图片目标，引入目标检测模型确定性能最优的神经网络结构与参数，可以有效检测电缆巡检图片目标，所提方法的计算准确度可以外部环境背景干扰的影响，有助于实现电缆巡检图片目标的正确检测。

技术领域

本发明涉及电力线通信技术领域，尤其涉及一种基于卷积神经网络的电缆巡检图片目标检测方法。

背景技术

电缆巡检一般分为设备巡检和通道巡检。设备巡检主要针对电缆主设备及附属设施进行外观变化的识别和电气参数的测量。通道巡检主要防止地下电缆通道上方地面的施工机械对电缆设备产生外力破坏。在通道的巡检图片中，如出现挖掘机类的机械设备，或施工围挡等物体，往往表示钻地施工可能会对附近的地下电缆通道造成严重破坏。所以在高压电缆的日常运行维护中，可以通过发现通道巡检图片中出现的危险源信息来及时对危险行为进行干预，防止外力破坏的产生。通过多起外力破坏事故的分析，发现对巡检图片中外力破坏危险源的人工漏检是导致外力破坏事故的重要因素，所以电缆巡检图片的人工检测方式需要智能手段来代替。

目前，大多数文献所提出的电缆巡检图片目标检测方法容易受到外部环境背景干扰的影响。因而需要寻找一种检测精度高、计检测速度快的方法，以获取运行高压电缆巡检状态。

发明内容

本发明为了解决上述技术问题提出一种基于卷积神经网络的电缆巡检图片目标检测方法，本方法具体为：一种基于卷积神经网络的电缆巡检图片目标检测方法，包括以下步骤：

步骤一：获取巡检图片，建立目标检测的分类类别，所述分类类别包括挖掘机(digger)、安全帽(helmet)和施工围挡(fence)，并对所述分类类别进行基于YOLO-TN和YOLOv3的模型构建；

步骤二：构建完成的模型包括输入层、隐含层、承接层、输出层，然后向所述模型输入包含所述分类类别的图片；

步骤三：将获取的所述分类类别的图片作为训练样本，采用卷积神经网络的初始权值和阈值，训练网络，确定最优的神经网络结构；

步骤四：将实时采集的图片输入到所述步骤三中训练好的卷积神经网络模型中，输出目标图形检测结果。

上述方案的进一步改进在于：所述卷积神经网络是由宽度、高度和深度构成的三维结构，进行图像识别和目标检测任务时表达式如下：

其中式中，D为通道数量，即卷积核数量，F为卷积核尺寸，为卷积核的第d层通道第m行第n列权重，为第l层输出矩阵的第d层通道第i行第j列数值。

上述方案的进一步改进在于：所述卷积神经网络的梯度包含权重值w_i，j和偏置项w_b两部分，在二维运算的情况下，有下式：

input^l-1＝f_conv(W^l-1，a^l-2)+_wb；

其中，inputl^-1表示第l-1层的加权输入，矩阵中每一点的数值是 l-1层的相对应的前一层l-2层m×n区域内的元素值分别与m×n卷积核中对应权重值相乘之后的数值之和再加上偏置项w_b；

所述l-1层经过激活函数的输出如下式：

则l层的输入为：