[发明专利]一种基于类别平衡采样的低虚警导地线缺陷检测方法

权利要求书

1.一种基于类别平衡采样的低虚警导地线缺陷检测方法，其特征在于，包括如下步骤：

步骤S1，获取无人机在输电线路现场采集到的图像数据，以目标为中心截取1200*800的图像块作为训练集和验证集导入训练平台；

步骤S2，模型训练

步骤S21，采用Cascade-RCNN检测模型作为基础缺陷检测网络；

步骤S22，通过Class-balanced采样重定义训练数据：对训练集图片进行归一化，某张图中包含的最稀少的类别c出现频率f(c)作为包含该类目标的图像数量占总的训练集样本数量的比值，则重复因子其中t是重复阈值，f(c)值小于t则对c重复采样，对于包含类别集合L(X)的图像X，重复因子为r(X)＝max_c∈L(X)r(c)；

步骤S3，模型推理

步骤S31，采用分块检测将分块大小为1200*800，重叠区域大小为100*100的分割图像块统一缩放到(2500，1500)，再送入基础缺陷检测网络进行推理，最后再将属于同一张原图的图像块产生的结果映射回原图上，再一起做非极大值抑制得到该阶段的最终结果；

步骤S32，通过霍夫变换对图像上的导地线做直线检测，直线的极坐标公式为r＝xcosθ+ysinθ，进行原始图像空间直角坐标系的点到参数空间极坐标系的映射，原始图像空间中的某个像素点(x，y)被映射为一个(r,θ)极坐标系中的正弦曲线，原始图像空间中共线的点在所对应的(r,θ)参数空间中正弦曲线相交于一点(r’,θ’)，先将r和θ值离散化为有限个等间距的离散值，得到若干大小相等的网格，再将经过边缘检测图像空间中每个像素点坐标值变换到参数空间，将图像空间中所有的像素点都经过霍夫变换映射到对应的单元网格中之后，设置一个阈值，当某单元网格的计数值大于设定的直线阈值时，则认为是一条直线；

步骤S33，检测到导地线后，再计算各个模型输出目标框的中心点到该导地线的垂直距离其中，(x₀,y₀)为目标框中心点，A、B和C是直线方程的系数，当目标框到导地线的距离大于阈值T时，就将该目标框作为虚警舍弃，完成低虚警导地线缺陷检测。

2.根据权利要求1所述的一种基于类别平衡采样的低虚警导地线缺陷检测方法，其特征在于，所述步骤S21中Cascade-RCNN检测模型的特征提取网络由13个卷积层、13个BN+relu层和4个池化层组成，Cascade-RCNN检测模型的检测头有进行分类计算的类别预测分支和坐标回归的坐标预测分支，Cascade-RCNN检测模型对候选目标进行精修的步骤为：第一个检测头出来的经过初步精修的候选目标再进入采用更高IOU阈值训练的第二阶段检测头，再一次对候选目标进行精修，获得质量更高的候选目标。

3.根据权利要求2所述的一种基于类别平衡采样的低虚警导地线缺陷检测方法，其特征在于，所述步骤S21中Cascade-RCNN检测模型的主干网络中前4个卷积模块为Res-DWConv模块，Res-DWConv模块由1个depthwise convolution模块和3个pointwise convolution模块组成。