[发明专利]输电线路防振锤脱落的检测方法、装置、介质及终端设备

权利要求书

1.一种输电线路防振锤脱落的检测方法，其特征在于，包括：

获取防振锤图像样本集；

通过对所述防振锤图像样本集进行预处理，得到正常样本训练集、缺陷样本训练集和缺陷样本测试集；

通过所述正常样本训练集和所述缺陷样本训练集对预先基于迁移学习算法搭建的FasterR-CNN网络进行训练，得到初始检测模型；

通过所述缺陷样本测试集和平均精度对所述初始检测模型进行测试分析，得到防振锤脱落检测模型；

将预先获取的待检测的防振锤图像输入至所述防振锤脱落检测模型，得到防振锤的脱落检测结果。

2.如权利要求1所述的输电线路防振锤脱落的检测方法，其特征在于，所述通过对所述防振锤图像样本集进行预处理，得到正常样本训练集、缺陷样本训练集和缺陷样本测试集，具体为：

将所述防振锤图像样本集划分为正常样本集、第一缺陷样本集和第二缺陷样本集；

通过图像标定工具对所述正常样本集、所述第一缺陷样本集和第二缺陷样本集分别进行标注，得到标注的正常样本集、标注的第一缺陷样本集和标注的第二缺陷样本集；

对所述标注的正常样本集、所述标注的第一缺陷样本集和所述标注的第二缺陷样本集分别进行图像增强，得到正常样本训练集、缺陷样本训练集和缺陷样本测试集。

3.如权利要求2所述的输电线路防振锤脱落的检测方法，其特征在于，所述对所述标注的正常样本集、所述标注的第一缺陷样本集和所述标注的第二缺陷样本集分别进行图像增强，具体为：

对所述标注的正常样本集、所述标注的第一缺陷样本集和所述标注的第二缺陷样本集均进行水平翻转和按照预设的角度进行顺时针旋转；或，

对所述标注的正常样本集、所述标注的第一缺陷样本集和所述标注的第二缺陷样本集均进行水平翻转和引入噪声；

对所述标注的正常样本集、所述标注的第一缺陷样本集和所述标注的第二缺陷样本集均进行水平翻转和引入天气因素；或，

对所述标注的正常样本集、所述标注的第一缺陷样本集和所述标注的第二缺陷样本集均进行离焦模糊和按照预设的角度进行顺时针旋转；或，

对所述标注的正常样本集、所述标注的第一缺陷样本集和所述标注的第二缺陷样本集均进行离焦模糊和引入噪声；或，

对所述标注的正常样本集、所述标注的第一缺陷样本集和所述标注的第二缺陷样本集均进行离焦模糊和引入天气因素。

4.如权利要求1所述的输电线路防振锤脱落的检测方法，其特征在于，所述通过所述正常样本训练集和所述缺陷样本训练集对预先基于迁移学习算法搭建的FasterR-CNN网络进行训练，得到初始检测模型，具体为：

将所述正常样本训练集输入至第一特征提取网络中，得到正常样本特征图；

将所述缺陷样本训练集输入至第二特征提取网络中，并基于迁移学习将所述正常样本特征图迁移至所述缺陷样本的特征空间中，得到缺陷样本特征图；

将所述正常样本特征图和所述缺陷样本特征图输入至区域建议网络中，生成多个建议窗口；

将所述正常样本特征图、所述缺陷样本特征图和多个所述建议窗口输入至感兴趣区域中，输出每个所述建议窗口的固定尺寸的特征图；

将每个所述建议窗口的固定尺寸的特征图输入至所述FasterR-CNN网络的分类器中，输出最大概率估计和目标边界框位置；

将所述最大概率估计对应的所述建议窗口作为初始检测模型。

5.如权利要求1所述的输电线路防振锤脱落的检测方法，其特征在于，所述通过所述正常样本训练集和所述缺陷样本训练集对预先基于迁移学习算法搭建的FasterR-CNN网络进行训练的过程中，还包括：

构建所述FasterR-CNN网络的损失函数，通过所述损失函数和随机梯度下降算法迭代更新所述FasterR-CNN网络的网络权重。