[发明专利]基于背景分类与迁移学习的绝缘子检测方法

说明书

本发明涉及电力巡检图像处理技术领域，公开了一种基于背景分类与迁移学习的绝缘子检测方法，通过构建绝缘子检测数据集，对绝缘子检测数据集进行预处理。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，将绝缘子检测数据集按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，利用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，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，直到各背景下绝缘子检测的准确率均达到设定值，从而提高了绝缘子检测的准确率。

技术领域

本发明涉及电力巡检图像处理技术领域，尤其涉及一种基于背景分类与迁移学习的绝缘子检测方法。

背景技术

配网线路巡检是保障电力系统安全可靠运行的有效手段。在配网线路中，绝缘子是一种广泛使用的设备，具有电气绝缘和机械支撑的双重功能，绝缘子的状态监测是输电线路巡检中最重要也是最困难的任务之一。传统的人工巡检费时费力，可以用无人机巡检代替，实现更加自动化、高效的巡检。然而，无人机的航拍图像包含杂乱的背景和各种类型的绝缘子，视角的变化、不同的光照条件、部分遮挡等外界的干扰因素都使得绝缘子检测非常困难。现有的检测方法主要是通过图像处理的手段提取航拍图像的特征，将绝缘子从复杂背景中区分出来，如颜色、形状和纹理特征等，但是，绝缘子检测的准确率大大降低。

发明内容

本发明提供了一种基于背景分类与迁移学习的绝缘子检测方法，解决了降低绝缘子检测的准确率的技术问题。

有鉴于此，本发明提供了一种基于背景分类与迁移学习的绝缘子检测方法，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。

优选地，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。

优选地，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，