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：武汉大学

摘要：本发明涉及计算机视觉电网应用技术，具体涉及基于FasterR‑CNN的电力线异物检测方法，包括训练模式和诊断模式；训练模式通过训练数据集中的图片，返回迭代损失，得到一个稳定可用的模型；诊断模式通过输入待测试图像，得到电力线上面是否存在风筝异物以及风筝异物位置的诊断结果。可以有效利用无人机航拍图像，提高图片的利用率；成本低廉，只需要在现有的系统中增加基于asterR‑CNN算法的电力线风筝异物检测模块，不需要增加其他硬件；训练好的模型对于不同背景环境下的电力线风筝异物都有良好的预测效果。

主权项：1.基于FasterR-CNN的电力线异物检测方法，其特征在于：包括以下步骤：步骤1、对巡检图像进行图像预处理，包括图像灰度化、图像灰度均衡化、对图像进行高斯滤波，去除在图像采集时出现的高斯噪声；步骤2、对预处理后的图像利用Sobel算子进行边缘提取、然后对提取的边缘二值图像进行膨胀填充处理或腐蚀处理，利用Hough变换进行直线检测；步骤3、设置不同的学习率，将标记好的图片放入FasterR-CNN网络进行训练，得到FasterR-CNN网络的电力线异物检测模型；包括以下步骤1）、将航拍的图像输入FasterR-CNN网络；2）、计算FasterR-CNN网络的实际输出，得到目标预测框的信息；3）、计算目标预测框与目标真实框之间的数值差异；4）、若两者差异超过阈值则调整FasterR-CNN网络参数设置；5）、训练完成，获得电力线异物检测信息；步骤4、比较不同学习率得到的训练模型的各项指标，选择合适的学习率；步骤5、将待检测的航拍图像输入训练好的检测模型，FasterR-CNN网络通过计算返回风筝异物位置方框，完成诊断；实现步骤如下：RPN网络中，原图中相应的映射区域与featuremap中的每一个点对应，同时在原图中，以该区域的中心为锚点anchor，分别取三种尺寸、和和三种长宽比例1：1、1：2、2：1的9种区域作为锚点框，共有WXHX9的锚点框在FasterR-CNN中，其中W、H分别对应着featuremap中的长和宽；在featuremap中的每一个锚点anchor均为维，将每个锚点anchor输入到RPN网络中，分别得到2k和4k两组数据；其中，k取9，代表每个锚点anchor框数目；2代表锚点anchor框属于前景和背景的两个数据，用来粗分类目标；4代表四个参数坐标回归值，用于粗定位Proposal框；对于每一个锚点anchor，均输出一个长度为2k+4k的向量，向量表示该锚点anchor对应的k个候选区域是前景还是后景的判断并能够获得位置的信息；RPB网络获得的结果经过ROIPooling层之后，在featuremap上获得Proposal框所对应的特征图，最后再将结果带入到之后的网络之中，进行目标的类别判定和所在位置的细致回归。

全文数据：

权利要求：

百度查询： 武汉大学 基于Faster R-CNN的电力线异物检测方法