[发明专利]杆塔藤蔓攀爬检测方法、装置、设备及存储介质

权利要求书

1.一种杆塔藤蔓攀爬检测方法，其特征在于，包括：

获取无人设备采集的杆塔区域的图像数据，作为样本数据；

对所述样本数据进行特征提取，得到所述杆塔区域在多个不同尺度下的特征图；

基于所述特征图预测所述杆塔区域中杆塔的杆塔边界框和藤蔓覆盖位置的藤蔓边界框；

基于所述杆塔边界框和所述藤蔓边界框确定所述杆塔的藤蔓攀爬情况。

2.根据权利要求1所述的杆塔藤蔓攀爬检测方法，其特征在于，所述图像数据包括所述杆塔区域的多个角度的图像信息。

3.根据权利要求1所述的杆塔藤蔓攀爬检测方法，其特征在于，所述获取无人设备采集的杆塔区域的图像数据，包括：

获取无人设备采集的杆塔区域的图像数据；

对所述图像数据进行清洗操作，获得目标数据；

对所述目标数据进行归一化处理，获得统一大小的样本数据。

4.根据权利要求1所述的杆塔藤蔓攀爬检测方法，其特征在于，所述对所述样本数据进行特征提取，得到所述杆塔区域在多个不同尺度下的特征图，包括：

将所述样本数据输入预先训练的特征提取网络中进行特征提取，获得所述杆塔区域在三个不同尺度下的特征图。

5.根据权利要求1所述的杆塔藤蔓攀爬检测方法，其特征在于，所述基于所述特征图预测所述杆塔区域中杆塔的杆塔边界框和藤蔓覆盖位置的藤蔓边界框，包括：

利用预设的先验框对所述杆塔区域中包含所述杆塔的杆塔预测框和包含藤蔓覆盖位置的藤蔓预测框进行预测；

通过非极大值抑制方法对所述杆塔边界框和所述藤蔓边界框进行预测和回归，获得所述杆塔区域中杆塔的杆塔边界框和藤蔓覆盖位置的藤蔓边界框。

6.根据权利要求5所述的杆塔藤蔓攀爬检测方法，其特征在于，利用预设的先验框对所述杆塔区域中包含所述杆塔的杆塔预测框和包含藤蔓覆盖位置的藤蔓预测框进行预测，包括：

通过K-means聚类算法对不同尺度下的所述特征图进行聚类，分别得到3个不同的先验框；

利用所述先验框进行预测所述杆塔区域中包含所述杆塔的杆塔预测框和藤蔓覆盖位置的藤蔓预测框；

输出所述杆塔预测框和所述藤蔓预测框的边框坐标、边框置信度和类别置信度，所述边框置信度表征所述所述杆塔预测框和藤蔓预测框中完整包含所述杆塔或所述藤蔓的概率，所述类别置信度为所述杆塔预测框和藤蔓预测框中框选的类别的置信度。

7.根据权利要求1所述的杆塔藤蔓攀爬检测方法，其特征在于，所述基于所述杆塔边界框和所述藤蔓边界框确定所述杆塔的藤蔓攀爬情况，包括：

计算所述杆塔边界框与所述藤蔓边界框的重合区域的重合面积；

计算所述重合面积的占比；

当所述占比大于预设的阈值时判断所述杆塔为藤蔓攀爬情况。

8.一种杆塔藤蔓攀爬检测装置，其特征在于，包括：

获取模块，用于获取无人设备采集的杆塔区域的图像数据，作为样本数据；

提取模块，用于对所述样本数据进行特征提取，得到所述杆塔区域在多个不同尺度下的特征图；

预测模块，用于基于所述特征图预测所述杆塔区域中杆塔的杆塔边界框和藤蔓覆盖位置的藤蔓边界框；

判断模块，用于基于所述杆塔边界框和所述藤蔓边界框确定所述杆塔的藤蔓攀爬情况。

9.一种杆塔藤蔓攀爬检测设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的杆塔藤蔓攀爬检测方法。

10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的杆塔藤蔓攀爬检测方法。