[发明专利]基于深度学习的输电线路绝缘子缺陷检测方法

权利要求书

1.一种基于深度学习的输电线路绝缘子缺陷检测方法，包括步骤：

S1：对无人机采集到的输电线路绝缘子图像依次进行预处理和数据增强处理，将数据增强处理后获得的第一数据集的图像按照7：2：1的比例分成一第一训练集、一第一测试集和一第一验证集；

S2：搭建生成基于DeepLabV3+网络的图像语义分割模型，通过所述第一数据集对该图像语义分割模型进行训练；再采用训练好的所述图像语义分割模型对输电线路绝缘子图像进行分割，得到所述输电线路绝缘子图像的二值掩模图；

S3：利用裁剪模块对得到的二值掩模图进行裁剪，裁剪获得绝缘子图片；

S4：搭建基于YOLOV4算法的图像检测网络模型，利用所述绝缘子图片制作第二数据集，将所述第二数据集的图片按照7：2：1的比例划分为一第二训练集、一第二测试集和一第二验证集，利用所述第二训练集对该图像检测网络模型进行训练；再通过所述第二测试集和所述第二验证集对所述图像检测网络模型进行验证；利用训练好的所述图像检测网络模型对所述绝缘子图片进行缺陷检测。

2.根据权利要求1所述的基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，所述S2步骤中，所述图像语义分割模型包括一编码器结构和一解码器结构，所述编码器结构包括一特征提取网络和一空洞空间金字塔池化结构；所述特征提取网络采用MobileNetV3网络。

3.根据权利要求1所述的基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，所述S4步骤中，所述图像检测网络模型包括一主干特征提取网络、一三次卷积、一池化结构、一特征融合三次卷积结构和一特征金字塔结构；所述主干特征提取网络采用CSPDarknet53网络。

4.根据权利要求3所述的基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，所述S4步骤中，所述通过所述第一数据集对该图像语义分割模型进行训练步骤中：

首先使用K-means++聚类算法对所述绝缘子图片进行聚类分析，优化YOLOV4算法的锚点框参数；最终获取9个锚点框参数；

输入所述绝缘子图片采用所述主干特征提取网络提取输入图像的特征，然后将输入图像划分为S×S的网格，目标中心所在的网格负责完成对目标的检测；最终直到损失函数值达到稳定，使用所述第二测试集和所述第二验证集对所述图像检测网络模型进行验证。

5.根据权利要求1所述的基于深度学习的输电线路绝缘子缺陷检测方法，其特征在于，还包括步骤：采用labelme工具对所述二值掩模图进行标注，构建目标检测标签数据集。