[发明专利]一种基于图像数据扩充技术的绝缘子检测方法及系统

说明书

本发明公开了一种基于图像数据扩充技术的绝缘子检测方法，所述绝缘子检测方法通过创建虚拟场景正样本图像，对绝缘子的实际场景正样本图像进行数据扩充，并借鉴控制理论中的“闭环”机制，基于导向反向传播算法对虚拟场景正样本图像进行反馈补偿，提高虚拟场景正样本图像的质量和数据扩充的效果，得到数量与质量更佳的训练集，使得卷积神经网络的训练更加充分，进一步提升网络的绝缘子识别性能，即提高深度学习算法在绝缘子识别上的准确率。

技术领域

本发明涉及图像识别领域，特别是涉及一种基于图像数据扩充技术的绝缘子检测方法及系统。

背景技术

近年来，深度学习算法在计算机视觉领域取得显著成效，也逐渐被应用于绝缘子的自动检测研究中。然而，目前公开的绝缘子数据集稀少；绝缘子种类、长度、角度各异，航拍视角和视距变化很大，现场样本采集不全面，多样性差；不同状况的绝缘子样本数量差异大，样本分布不平衡；样本标注过程困难，因此样本集在数量和质量上均难以满足深度学习算法的要求，导致深度学习算法无法充分训练，在绝缘子识别上的准确率难以满足要求，如何克服该技术缺陷，提高深度学习算法在绝缘子识别上的准确率，成为一个亟待解决的技术问题。

发明内容

本发明的目的是提供一种基于图像数据扩充技术的绝缘子检测方法及系统，以提高深度学习算法在绝缘子识别上的准确率。

为实现上述目的，本发明提供了如下方案：

一种基于图像数据扩充技术的绝缘子检测方法，所述绝缘子检测方法包括如下步骤：

获取绝缘子的M张实际场景正样本图像和M张实际场景负样本图像，建立训练集；

利用所述训练集训练卷积神经网络，获得一次训练后的卷积神经网络；

获取绝缘子的N张虚拟场景正样本图像；

将每张所述虚拟场景正样本图像输入一次训练后的卷积神经网络，获得每张所述虚拟场景正样本图像的识别结果；

分别根据每张所述虚拟场景正样本图像的识别结果，采用导向反向传播算法，计算每张所述虚拟场景正样本图像的响应强度矩阵；

分别根据每张所述虚拟场景正样本图像的响应强度矩阵对每张所述虚拟场景正样本图像进行补偿，获得N张补偿后的虚拟场景正样本图像；

将N张补偿后的虚拟场景正样本图像和N张实际场景负样本图像添加至所述训练集，获得扩充后的训练集；

利用扩充后的训练集训练所述卷积神经网络，获得二次训练后的卷积神经网络；

将待识别的实际场景图像输入二次训练后的卷积神经网络，进行绝缘子识别。

可选的，所述获取绝缘子的N张虚拟场景正样本图像，具体包括：

采用3Ds MAX虚拟场景建模软件平台搭建绝缘子所在的虚拟场景；

利用KeyShot软件对虚拟场景中的绝缘子进行渲染，获得渲染后的虚拟场景；

在渲染后的虚拟场景中设置虚拟物体自转平台和多台虚拟摄像机；

利用所述虚拟物体自转平台和多台所述虚拟摄像机，采用360°旋转拍照、由远及近拍照和/或自定义相机路径拍照的方式，制作多个虚拟场景动画；

利用所述KeyShot软件分别截取多个虚拟场景动画中的每帧图像，作为虚拟场景正样本图像。

可选的，所述分别根据每张所述虚拟场景正样本图像的识别结果，采用导向反向传播算法，计算每张所述虚拟场景正样本图像的响应强度矩阵，具体包括：