[发明专利]一种用于无人机巡检输电线路的绝缘子检测方法

权利要求书

1.一种用于无人机巡检输电线路的绝缘子检测方法，其特征在于，包括以下步骤：

S1、获取无人机巡检输电线路的航拍绝缘子图像，建立用于深度学习模型检测绝缘子的训练集和测试集；

S2、建立基于深度学习的绝缘子检测模型，所述检测模型具体包含依次连接的骨干网络层、特征融合网络层、空间金字塔池化层、目标检测层；

S3、将步骤S1所述训练集的绝缘子图像输入步骤S2所述的检测模型，进行网络设置，重复迭代训练得到绝缘子检测模型；

S4、将步骤S1所述测试集绝缘子图像输入到步骤S3训练好的绝缘子检测模型，输出测试集图像中绝缘子的检测结果；

所述步骤S2中用于绝缘子检测的深度学习模型包括骨干网络层、特征融合网络层、金字塔池化层、目标检测层；所述检测模型的输入特征为416×416×3，所述骨干网络层用于提取绝缘子图像特征，所提取的图像特征大小分别为208×208×16、104×104×32、52×52×64、26×26×128、13×13×256、13×13×512、13×13×1024；所述特征融合网络层对52×52、26×26、13×13三个尺度的特征进行融合处理，特征融合网络层的三个输入分别是52×52×64、26×26×128、13×13×1024，特征融合网络层的三个输出分别为52×52×128、26×26×256、13×13×512；所述金字塔池化层的输入与特征融合网络层的输出相连接，金字塔池化层的输出图像特征的大小分别为52×52×512、26×26×1024、13×13×2048；所述目标检测层的输入与金字塔池化层的输出相连接，目标检测层分别对52×52、26×26、13×13三个尺度的绝缘子图像进行预测；

所述骨干网络层包括第一卷积层、第一池化层、第二卷积层、第二池化层、第一残差模块、第二残差模块、第三残差模块、第十四卷积层、第三池化层、第十五卷积层并依次连接，所述第一残差模块由第三卷积层、第四卷积层、第五卷积层组成，所述第二残差模块由第六卷积层、第七卷积层、第八卷积层、第九卷积层、第十卷积层组成，所述第三残差模块由第十一卷积层、第十二卷积层、第十三卷积层组成。

2.如权利要求1所述的一种用于无人机巡检输电线路的绝缘子检测方法，其特征在于：所述步骤S1选取无人机航拍绝缘子图像4500张，图像分辨率调整为416×416；利用Label-Image标注工具对图像中的绝缘子位置进行标注，建立绝缘子检测数据集；选取3000张标注后的绝缘子图像作为训练集，其余1500张绝缘子图像用作测试集。

3.如权利要求1所述的一种用于无人机巡检输电线路的绝缘子检测方法，其特征在于，输入的绝缘子图像大小为416×416×3，输入图像与第一卷积层相连，第一卷积层为3×3×16卷积层，第一卷积层的输出与第一池化层相连，第一池化层为2×2步长为2的最大池化层，输出为208×208×16，第一池化层的输出与第二卷积层相连；第二卷积层为3×3×32卷积层，第二卷积层的输出与第二池化层相连，第二池化层为2×2步长为2的最大池化层，输出为104×104×32，第二池化层的输出与第一残差模块相连；第三卷积层、第四卷积层、第五卷积层依次连接，且第三卷积层输出与第五卷积层输出直接相连接构成第一残差模块，第三卷积层为3×3×64步长为2的卷积层，第四卷积层为1×1×32卷积层，第五卷积层为3×3×64卷积层，第一残差模块用于提取图像特征大小为52×52×64，第一残差模块输出与第二残差模块相连接；第六卷积层、第七卷积层、第八卷积层、第九卷积层、第十卷积层依次连接，且第六卷积层输出、第八卷积层输出、第十卷积层输出直接相连接构成第二残差模块，第六卷积层为3×3×128步长为2的卷积层、第七卷积层为1×1×64卷积层、第八卷积层为3×3×128的卷积层、第九卷积层为1×1×64卷积层、第十卷积层为3×3×128的卷积层，第二残差模块用于提取图像特征大小为26×26×128，第二残差模块输出与第三残差模块相连接；第十一卷积层、第十二卷积层、第十三卷积层依次连接，且第十一卷积层输出与第十三卷积层输出直接相连接构成第三残差模块，第十一卷积层为3×3×256步长为2的卷积层，第十二卷积层为1×1×128卷积层，第十三卷积层为3×3×256卷积层，第三残差模块用于提取图像特征大小为13×13×256，第三残差模块输出与第十四卷积层相连接；第十四卷积层为3×3×512卷积层，输出为13×13×512，第十四卷积层与第三池化层相连，第三池化层为2×2且步长为1的最大池化层，第三池化层输出与第十五卷积层相连，第十五卷积层为3×3×1024卷积层，输出为13×13×1024。