[发明专利]基于背景分类与迁移学习的绝缘子检测方法

权利要求书

1.一种基于背景分类与迁移学习的绝缘子检测方法，其特征在于，包括以下步骤：

步骤一、获取若干张配网巡检线路图像，利用labelme软件在每张配网巡检线路图像上用矩形框标注绝缘子所在的位置，并生成标注文件，构成绝缘子检测数据集，所述标注文件包括目标位置坐标和类别信息；

步骤二、对所述绝缘子检测数据集进行预处理，所述预处理的方式包括直方图均衡化算法、图像滤波算法和图像锐化；

步骤三、利用单阶段目标检测器对预处理后的绝缘子检测数据集进行迁移学习训练，得到初始绝缘子检测模型，所述单阶段目标检测器以ResNeSt卷积网络作为骨干网络，并以特征金字塔BiFPN作为特征提取网络，所述ResNeSt卷积网络在ImageNet深度学习网络中进行预训练得到；

步骤四、将所述绝缘子检测数据集按背景类别划分为多个数据集，在每个数据集标注相应的背景类别；

步骤五、利用所述初始绝缘子检测模型分别对各个数据集进行迁移学习训练，以得到不同背景类别下的绝缘子目标检测模型；

步骤六、计算不同背景类别下的绝缘子目标检测模型检测相应的数据集检测的准确率，若准确率低于预设的准确率阈值，则对相应背景类别下的绝缘子目标检测模型的网络参数进行更新，并执行步骤五，直至绝缘子目标检测模型的准确率均达到预设的准确率阈值，输出最佳的绝缘子目标检测模型。

2.根据权利要求1所述的基于背景分类与迁移学习的绝缘子检测方法，其特征在于，步骤一具体包括：

基于无人机获取若干张配网巡检线路图像；

利用labelme软件设定加载配网巡检线路图像，利用矩形框对所述配网巡检线路图像中的绝缘子进行框选标注，生成标注文件，构成绝缘子检测数据集。

3.根据权利要求1所述的基于背景分类与迁移学习的绝缘子检测方法，其特征在于，利用直方图均衡化算法对所述绝缘子检测数据集进行预处理的过程具体为：

根据直方图均衡化前的配网巡检线路图像的像素个数和灰度级深度，计算直方图均衡化后的配网巡检线路图像的频率密度为，

式中，H_B(D)表示直方图均衡化后的配网巡检线路图像的频率密度，A₀表示直方图均衡化前的配网巡检线路图像的像素个数，L表示直方图均衡化前的配网巡检线路图像的灰度级深度；

设直方图均衡化前的配网巡检线路图像A的灰度值D_A通过灰度值变换函数映射为直方图均衡化后的配网巡检线路图像中的灰度值D_B，即D_B＝f(D_A)，f(D_A)表示灰度值变换函数，则灰度值D_A在[0,D_A]内的像素个数与灰度值D_B在[0,D_B]内的像素个数相等，即

对上式求解得到灰度值变换函数f(D_A)为，

将灰度值变换函数f(D_A)离散化，得到离散化灰度值变换函数f′(D_A)，将直方图均衡化前的配网巡检线路图像A中的每个像素输入至所述离散化灰度值变换函数f′(D_A)中，得到直方图均衡化后的配网巡检线路图像B的灰度值D_B，从而实现对所述绝缘子检测数据集中每张配网巡检线路图像进行直方图均衡化，其中，灰度值D_B为，

4.根据权利要求1所述的基于背景分类与迁移学习的绝缘子检测方法，其特征在于，利用图像滤波算法对所述绝缘子检测数据集进行预处理的过程具体为：

基于中值滤波器对绝缘子检测数据集中的配网巡检线路图像进行滤波，设所述配网巡检线路图像中第i行第j列的像素值为p(i,j)，则经中值滤波器滤波得到该位置的像素值为，

med({p(i+x,j+y)|x∈{-1,0,1},y∈{-1,0,1}})

式中med(·)为取集合元素中位数的函数，p(i+x,j+y)为经中值滤波器滤波后的像素值；

利用高斯滤波器对中值滤波器滤波后配网巡检线路图像进行滤波去噪，经高斯滤波后的像素值为

式中，σ为给定的像素值标准差。