[发明专利]一种基于Faster-RCNN模型的导线散股识别方法

权利要求书

1.一种基于Faster-RCNN模型的导线散股识别方法，其特征在于，包括如下步骤：

S1、将巡线无人机搭载的可见光摄像机获取的输电线路可见光图像，传输到输变电识别系统服务器，并自动按照统一文件命名模板进行存储；

S2、对所述步骤S1中的包含目标导线信息的输电线路可见光图像样本，进行归一化均衡化预处理，对所述预处理后的可见光图像样本，进行目标导线的标注；

S3、基于Tensorflow平台和Faster-RCNN深度卷积神经网络模型，对所述标注后的输电线路可见光图像样本进行目标检测及模型训练；

S4、对待检测的目标导线图像进行归一化处理，输入所述步骤S3中训练好的模型进行目标导线识别，判断导线是否存在散股现象，并输出识别结果。

2.根据权利要求1所述的识别方法，其特征在于，所述统一文件命名模板，符合输电线路模型定义规则，包括线路名称、区段、拍摄时间。

3.根据权利要求1所述的识别方法，其特征在于，所述预处理包括：Gauss滤波器去除噪声、彩色图像直方图均衡化、以及采用对数变换的图像增强算法。

4.根据权利要求1所述的识别方法，其特征在于，所述进行目标导线的标注，包括正常导线及存在散股特征的导线。

5.根据权利要求1所述的识别方法，其特征在于，进行目标导线的标注采用LabelImg标注工具，以生成xml文件。

6.根据权利要求1所述的识别方法，其特征在于，所述步骤S4中，将待检测的目标导线图像输入训练好的模型进行目标导线识别之前，基于目标导线预测框对原图进行裁剪，以减少计算量。

7.根据权利要求1所述的识别方法，其特征在于，所述步骤S4中，对待检测的目标导线图像进行归一化处理，包括：

将可见光图像转化为灰度图；

采用otsu对所述灰度图进行二值化处理；

利用canny算子对所述二值化后的图像进行边缘检测，并提取导线轮廓信息；

自适应选取合适的卷积核进行形态学闭运算，利用优化的Hough直线检测；

对所述检测出的直线图像进行形态学膨胀运算；

将所述边缘检测闭运算图像与所述直线图像进行减运算，如果所述相减结果大于散股置信度，则认为存在导线散股特征，标出散股区域；否则，认为导线正常，退出检测流程。

8.根据权利要求1所述的识别方法，其特征在于，所述识别结果的输出格式为JSON串。

9.根据权利要求1所述的识别方法，其特征在于，根据所述识别结果在输变电识别系统中进行消息推送以及结果展示。