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：广东工业大学

摘要：本发明公开了一种基于深度学习的输电杆塔异物隐患识别方法，包括：构建输电杆塔异物原始数据集并进行预处理，获得处理后的输电杆塔异物数据集；构建基于深度学习的输电杆塔异物隐患识别模型，基于处理后的输电杆塔异物数据集对输电杆塔异物隐患识别模型进行训练，获得训练后的输电杆塔异物隐患识别模型；基于训练后的输电杆塔异物隐患识别模型对输电杆塔中的异物进行识别，获得识别结果。本发明有效提升了在复杂环境下的异物检测准确率和系统的计算效率，还增强了模型在处理不规则和多尺度特征时的适应性和鲁棒性，显著提高了输电杆塔异物隐患别模型的实用性和可靠性。

主权项：1.一种基于深度学习的输电杆塔异物隐患识别方法，其特征在于，包括：构建输电杆塔异物原始数据集并进行预处理，获得处理后的输电杆塔异物数据集；构建基于深度学习的输电杆塔异物隐患识别模型，基于所述处理后的输电杆塔异物数据集对输电杆塔异物隐患识别模型进行训练，获得训练后的输电杆塔异物隐患识别模型；基于所述训练后的输电杆塔异物隐患识别模型对输电杆塔中的异物进行识别，获得识别结果；基于所述训练后的输电杆塔异物隐患识别模型对输电杆塔中的异物进行识别的过程包括：将输电杆塔异物图像输入输电杆塔异物隐患识别模型中，首先经过卷积核大小为3×3，步长为2的Conv_BN_SiLU模块中，得到输电杆塔异物特征图；将所述输电杆塔异物特征图输入卷积核大小为3×3，步长为2的IWConv模块中，得到输电杆塔异物特征图；将所述输电杆塔异物特征图输入CB-SFE模块中，得到输电杆塔异物特征图；再依次堆叠IWConv模块和CB-SFE模块3次，分别得到输电杆塔异物特征图、输电杆塔异物特征图、输电杆塔异物特征图、输电杆塔异物特征图、输电杆塔异物特征图、输电杆塔异物特征图；将所述输电杆塔异物特征图输入SPPF模块中，得到输电杆塔异物特征图；对所述输电杆塔异物特征图进行上采样，得到输电杆塔异物特征图；将所述输电杆塔异物特征图和所述输电杆塔异物特征图进行Concat操作，得到输电杆塔异物特征图；将所述输电杆塔异物特征图输入CB-SFE模块中，得到输电杆塔异物特征图；对所述输电杆塔异物特征图进行上采样，得到输电杆塔异物特征图；将所述输电杆塔异物特征图和所述输电杆塔异物特征图进行Concat操作，得到输电杆塔异物特征图；将所述输电杆塔异物特征图输入CB-SFE模块中，得到输电杆塔异物特征图；将所述输电杆塔异物特征图输入卷积核大小为3×3，步长为2的IWConv模块中，得到输电杆塔异物特征图；将所述输电杆塔异物特征图和所述输电杆塔异物特征图进行Concat操作，得到输电杆塔异物特征图；将所述输电杆塔异物特征图输入CB-SFE模块中，得到输电杆塔异物特征图；将所述输电杆塔异物特征图输入卷积核大小为3×3，步长为2的IWConv模块中，得到输电杆塔异物特征图；将所述输电杆塔异物特征图和所述输电杆塔异物特征图进行Concat操作，得到输电杆塔异物特征图；将所述输电杆塔异物特征图输入CB-SFE模块中，得到输电杆塔异物特征图；将所述输电杆塔异物特征图、所述输电杆塔异物特征图、所述输电杆塔异物特征图分别输入目标预测头Head中，输出包含预测信息的张量，每一行对应一个预测，包括边界框坐标、类别标签和置信度分数；所述Conv_BN_SiLU模块包括卷积层、批量归一化层和激活函数；所述IWConv模块通过动态权重机制，基于输入的输电杆塔异物特征图自动生成的权重系数，对卷积核权重进行实时调整后，使输电杆塔异物隐患识别模型根据输入特征图的特点优化特征提取方式；给定输入输电杆塔异物特征图，具有个卷积核的IWConv模块，一个卷积核的卷积结果由M个卷积核的卷积结果决定，应用全局平均池化将信息融合到向量中，然后使用具有Softmax激活的双层MLP模块自动产生系数；将完成卷积后输出的输电杆塔异物特征图输入BN层，再输入SiLU层，得到最终输出的输电杆塔异物特征图Y；公式表达式为： 其中，Pool为池化操作，表示输入的输电杆塔异物特征图，为卷积运算，表示第i个卷积权重张量，表示输入的输电杆塔异物特征图的通道数，为相应的动态系数，为模块整体卷积权重，为完成卷积后输出的输电杆塔异物特征图，C为特征图的通道数，H为特征图的高，W为特征图的宽。

全文数据：

权利要求：

百度查询： 广东工业大学 一种基于深度学习的输电杆塔异物隐患识别方法