[发明专利]一种航拍绝缘子目标检测方法及装置在审

专利信息
申请号: 202110900925.1 申请日: 2021-08-06
公开(公告)号: CN113591748A 公开(公告)日: 2021-11-02
发明(设计)人: 陈宇婷;陈佳鹏;黄德华;葛阳;程丽冰;欧坚;梁锦灿 申请(专利权)人: 广东电网有限责任公司;广东电网有限责任公司肇庆供电局
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 彭东威
地址: 510600 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 航拍 绝缘子 目标 检测 方法 装置
【说明书】:

本申请公开了一种航拍绝缘子目标检测方法及装置,包括:获取待测航拍图像;将取待测航拍图像输入进训练好的基于FasterR‑CNN的航拍静态目标识别注意力模型中,识别航拍图像中的绝缘子目标;基于FasterR‑CNN的航拍静态目标识别注意力模型中包括ResNet101网络以及FPN网络,在ResNet101网络中引入SGE注意力模块。本申请采用了基于FasterR‑CNN的航拍静态目标识别注意力模型,使得可以从复杂图像背景中检测出绝缘子目标。

技术领域

本申请涉及目标检测技术领域,尤其涉及一种航拍绝缘子目标检测方法及装置。

背景技术

目前,无人机领域具有巨大的市场价值,基于无人机航拍图像的处理技术成为研究热门课题。针对航拍静态目标的尺度变化差异大、目标遮挡等诸多极具挑战性的问题,还未找到合适的解决方法,因此还需要进一步深入研究。

传统的航拍图像使用的目标检测算法,主要采用阶段性设计的方法对图像进行区域窗口提取、特征提取和窗口分类。然而对于具有多样性表征的目标,基于滑动窗口的区域选择策略存在缺乏针对性、计算复杂度高、存在窗口冗余、鲁棒性较差等问题。在无人机航拍图像中,除了受到小尺度目标和尺度变化大等影响之外,目标对象还会受到亮度、遮挡、背景复杂多变等因素的干扰。传统的目标检测算法易于受干扰因素的影响,造成误检和漏检的情况。近些年,随着一大批深度学习算法的涌现,在目标检测、实例分割等技术上取得了突破性进步。通过深度卷积神经网络,突破了以往目标检测算法只能提取浅层特征的瓶颈。同时,显著提高了图像对于深层特征的提取能力,从而提高了复杂背景下的目标检测性能。

发明内容

本申请提供了一种航拍绝缘子目标检测方法及装置,使得可以从复杂图像背景中检测出绝缘子目标。

有鉴于此,本申请第一方面提供了一种航拍绝缘子目标检测方法,所述方法包括:

获取待测航拍图像;

将所述取待测航拍图像输入进训练好的基于Faster R-CNN的航拍静态目标识别注意力模型中,识别航拍图像中的绝缘子目标;所述基于FasterR-CNN的航拍静态目标识别注意力模型中包括ResNet101网络以及FPN网络,在所述ResNet101网络中引入SGE注意力模块;

具体为:

将ResNet作为基本骨干网络;

ResNet包括依次连接的卷积层C1-C5;卷积层C2和C3之间,C3和C4之间,C4和C5之间嵌入有所述SGE注意力模块。

可选的,在所述获取待测航拍图像,之后还包括:

将所述待测航拍图像转化成预置尺寸的图像。

可选的,在所述将所述取待测航拍图像输入进训练好的基于Faster R-CNN的航拍静态目标识别注意力模型中,识别航拍图像中的绝缘子目标,之前还包括:

获取绝缘子航拍数据集;

将所述绝缘子航拍数据集中的航拍图像标准化成统一尺寸;

标注所述航拍图像中的绝缘子目标;

将标注好的所述航拍图像分成训练集和测试集,用于训练所述基于Faster R-CNN的航拍静态目标识别注意力模型。

可选的,在所述将所述取待测航拍图像输入进训练好的基于Faster R-CNN的航拍静态目标识别注意力模型中,识别航拍图像中的绝缘子目标,包括:

采用引入所述SGE注意力模块的所述ResNet101网络对所述待测航拍图像进行特征提取,获得不同尺寸的特征图;

将不同尺寸的特征图输入进区域生成网络FPN中,得到多个包含绝缘子目标的候选框;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司;广东电网有限责任公司肇庆供电局,未经广东电网有限责任公司;广东电网有限责任公司肇庆供电局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110900925.1/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top