[发明专利]一种电力巡检图像防鸟刺故障检测方法

摘要

本发明涉及一种电力巡检图像防鸟刺故障检测方法，包括如下步骤：获取包含防鸟刺的电力巡检图像及其对应的XML标注文件制作训练与测试用数据文件；搭建深度学习网络模型并利用转换生成的训练数据训练网络，最后根据训练时网络参数是否达到期望值固化深度神经网络模型。将待检测的电力巡检图像通过深度学习网络，框选出电力巡检图像中防鸟刺位置，然后把防鸟刺从电力巡检图中截取出来并对防鸟刺进行二次故障检测，判断防鸟刺故障信息。本发明通过训练好的深度学习网络，对大量的电力巡检图像进行预处理，识别框选出电力巡检图像中防鸟刺，对框选出的目标子图进行二次特征提取故障检测，方便后期的处理，提高电力巡检的效率和智能化水平。

主权项

1.一种电力巡检图像防鸟刺故障检测方法，其特征在于，包括如下步骤：步骤S1：根据电力巡检影像库接口，从电力巡检影像数据库中获取防鸟刺的电力巡检图像与对应XML标签数据；步骤S2：对防鸟刺的电力巡检图像与进行初步处理，得到处理后的防鸟刺的电力巡检图像；步骤S3：修改XML标签数据中对应的图像宽度与高度信息和防鸟刺目标框大小，得到修改后的XML标签数据；步骤S4：建立深度学习网络模型：步骤S5：将处理后的防鸟刺的电力巡检图像和步骤S3修改后的XML标签数据转换成可用于深度学习网络模型训练的训练数据；步骤S6：利用训练数据训练深度学习网络模型，得到防鸟刺检测模型：步骤S7：根据步骤S6训练时各项网络参数变化情况，在达到期望数值时固化防鸟刺检测模型；步骤S8：将待检测的电力巡检图像输入到固化后的防鸟刺检测模型中，得到每张电力巡检图像中检测出的防鸟刺子图框信息并生成对应的文本文件；步骤S9：将防鸟刺子图框信息从对应的电力巡检图像中提取出来；步骤S10：对防鸟刺子图进行二次特征提取故障检测，判断防鸟刺故障信息。