[发明专利]一种基于深度学习的输电导线覆冰检测和厚度估计的方法

权利要求书

1.一种基于深度学习的输电导线覆冰检测和厚度估计的方法，其特征在于：该方法包括以下步骤：

S1、构建Mask R-CNN模型，通过安装在输电线路上的监拍设备，收集输电导线覆冰图像，建立输电导线覆冰图像样本库，利用输电导线覆冰图像样本库训练Mask R-CNN模型；

S2、获取输电导线未覆冰时的图像，对输电导线未覆冰时的图像中的输电导线进行分段标注，得到输电导线的像素宽度和输电导线标定区域数据；

S21、采用labelme标注工具对输电导线未覆冰时的图像中的一条输电导线进行分段标注，由于输电导线在图像中不同位置的像素宽度不同，在输电导线上选取a个直线位置，分别采用标注工具的矩形框对a个直线位置进行标注，得到输电导线标定区域数据；a的取值范围为2~3；

S22、在上述标注用矩形框内，利用b个分界点将输电导线平均分成b+1段，采用labelme标注工具中的线段对b个分界点处的导线线宽进行标注，求取b个导线线宽的平均值，将该平均值作为该段导线的像素宽度M₀；b的取值范围为4~7；

S3、利用训练好的Mask R-CNN模型对监控设备拍摄到的待检测图像进行分析，进行覆冰导线检测，根据输出类型判断输电导线是否覆冰，若覆冰，则输出输电导线覆冰区域的Mask值和bbox检测框，并结合输电导线标定区域数据，定位出分段标注时用到的矩形框与bbox检测框的相交边界框并截取保存，得到二值化Mask图像；

设标注用矩形框的左下顶点和右上定点的坐标分别为(x1,y1) 和 (x2,y2)，bbox检测框的左下顶点和右上顶点的坐标分别为(x1’,y1’) 和(x2’,y2’)，若max{x1,x1’} min{x2,x2’}且max{y1,y1’}min{y2, y2’}，则该标注用矩形框与bbox检测框有交集，取两个矩形框的交集，得到相交边界框，相交边界框的左下顶点和右上顶点分别为：（max（x1,x1’），max（y1,y1’））和(min（x2,x2’），min（y2,y2’））；

S4、计算二值化Mask图像的像素宽度，结合标注数据转换为实际厚度值，得到待检测图像的覆冰厚度；

S41、对二值化Mask图像进行灰度处理，将二值化Mask图像转换为灰度图像；

S42、利用canny算法对经灰度处理后的二值化Mask图像进行边缘检测，并采用opencv的形态学方法对检测到的二值化Mask图像的边缘进行膨胀和腐蚀操作，得到二值化Mask图像的边缘图像；

S43、提取二值化Mask图像的边缘图像的最小外接矩形，根据最小外接矩形的四个顶点坐标（x₀，y₀），（x₁，y₁），（x₂，y₂），（x₃，y₃），采用以下公式求得最小外接矩形的边长：

根据最小外接矩形短边的长度D=min（C1，C2），求得最小外接矩形的像素宽度D₀，其中，D₀=D，C1和C2分别为最小外接矩形的两个边长；

S44、根据标注的输电导线的像素宽度M₀和输电导线实际尺寸L₀,计算出比例尺R₀，其中，R₀=L₀/M₀；根据比例尺R₀，采用公式M₁=D₀*R₀求得bbox检测框的实际宽度M₁；

S45、采用公式H=（M₁-L₀）/2计算得到输电导线的覆冰厚度H。