买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网山西省电力公司运城供电公司

摘要：本发明提供一种配网线路无人机巡检的人工智能缺陷识别方法和系统，涉及配网技术领域。本发明通过获取原始样本库，所述原始样本库包括配网线路的典型部件图像和缺陷图像；对所述缺陷图像进行图像增广，得到人工样本，所述原始样本库和所述人工样本构成配网线路典型部件及缺陷样本库；基于所述配网线路典型部件及缺陷样本库和FPN+Faster‑RCNN网络获取研判模型；基于研判模型对待检测的巡检视频图像进行检测。本发明通过对缺陷图像进行图像增广，对样本数量较少、特征不明显等的缺陷图像数据样本进行扩充，为研判模型的构建提供足够的数据，提高模型的准确率。

主权项：1.一种配网线路无人机巡检的人工智能缺陷识别方法，其特征在于，包括：获取原始样本库，所述原始样本库包括配网线路的典型部件图像和缺陷图像；对所述缺陷图像进行图像增广，得到人工样本，所述原始样本库和所述人工样本构成配网线路典型部件及缺陷样本库；基于所述配网线路典型部件及缺陷样本库和FPN+Faster-RCNN网络获取研判模型；基于研判模型对待检测的巡检视频图像进行检测；所述FPN+Faster-RCNN网络包括：FPN层和Faster-RCNN层，所述FPN层用于提取配网线路典型部件巡检影像缺陷特征，所述Faster-RCNN层用于识别配网线路典型设备部件；FPN+Faster-RCNN网络的目标是建立映射hx，从网络中抽取p维特征向量并映射到q维哈希二进制编码h∈{0,1}q，h是一个每一维都是1或者0的q维向量；用非线性的转换函数φ·表示图像特征提取和哈希编码过程，输入为原始图像，输出为哈希编码，表达式如下：h＝φI每一类图像块会有同一个哈希编码，用加权汉明距离来计算哈希编码之间的差异度，用Θ·表示，表达式如下：Θhxi,hxj＝hxiwhxj＝Σkωkhkxihkxj其中，矩阵w是一个对角阵，对角阵的每一维用ωk表示，wk,k＝ωk；hxi,hxj差异度越大，Θhxi,hxj值越大；为了简化表达，用hi,hj表示hxi,hxj；带权重的哈希编码，能对哈希编码的每一位赋予的不同的权重，这个权重是根据不同的训练集从深度神经网络中学习出来的；目标是最大化类间距离，最小化类内距离，相似块有相似的编码；为了让深度神经网络能达到这个目标，设定代价函数：φI＝Φw+Ψw其中：Φw表示最大边界项，最大化控制类间距离；Ψw表示正则项，控制相似块有相似编码；Φw最大边界项，最大化控制类间距离，采用块与块之间差异度来控制，要保证 其中，三者构成一个三元组，在第i个三元组中，表示同一类的哈希码，表示两类的哈希码，满足表示同类哈希码与异类哈希码之间差异度的差值，所以最大边界项应该表示为： 控制相似块有相似编码的正则项Ψw定义如下： 其中，hi,hj分别为图像块Ii,Ij的哈希编码；S表示相似度矩阵，对于相似度矩阵中的元素Sij表示训练集中图像块Ii,Ij之间的相似度，Sij越大代表图像块越相近，反之，越远；矩阵S是一个对称矩阵，即Sij＝Sji；定义一个对角矩阵U，其中拉普拉斯矩阵L＝U-S，其中，L∈M×M则正则项转化为 其中，矩阵R＝[r1,r2,…,rM]，Ròq×M，M是图像的总数量；tr·表示矩阵的迹；基于三元组的正则化模型可表示为： 对目标函数进行优化， 其中，Li代表矩阵L的第i列；定义R-i为矩阵R去除第i列之后的子矩阵，Li,-i为向量Li去除第i个值后的向量； 应用FPN+Faster-RCNN网络从输入图像集中抽取特征，网络的底层由卷积层、下采样层、全连接层组成，生成特征后，应用一个全连接层和一个正切函数层来输出二进制哈希编码，在FPN+Faster-RCNN网络的顶层，是一个计算哈希编码每一位权重的层，在FPN+Faster-RCNN网络中，深度哈希学习和特征学习通过反向传播进行联合优化；整个深度神经网络采用局部连接，权值共享的策略，采用不同的卷积核就能提取不同的特征，共享权值减少权值，下采样层通过下采样对图像加权平均。

全文数据：

权利要求：

百度查询： 国网山西省电力公司运城供电公司 配网线路无人机巡检的人工智能缺陷识别方法和系统