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：暗物智能科技(广州)有限公司

摘要：本发明公开了一种基于深度学习的验电笔的检测方法、装置、计算机设备及可读存储介质，包括：首先获取待检测图像，通过预先训练的单阶段目标检测模型初步定位验电笔所在矩形区域。随后，调用关键点检测模型对初步检测结果进行细化，精确识别验电笔的笔尖端点和笔尾端点。最后，根据这两个关键点确定验电笔笔身，从而完成验电笔的全面检测。该方法实现了高效、准确的验电笔自动检测，有效提升了电力作业的安全性和效率。

主权项：1.一种基于深度学习的验电笔的检测方法，其特征在于，包括：获取包含待检测验电笔的待处理图像；将所述待处理图像输入预先训练的单阶段目标检测模型进行初步检测，得到验电笔初步检测结果，所述验电笔初步检测结果为所述待检测验电笔所在矩形区域；调用预先训练的关键点检测模型对所述验电笔初步检测结果进行细化检测，得到所述待检测验电笔的笔尖端点和笔尾端点；根据所述笔尖端点和所述笔尾端点确定出验电笔笔身，并将所述笔尖端点、所述笔尾端点和所述验电笔笔身确定为所述待检测验电笔的目标检测结果；所述单阶段目标检测模型基于SSD模型构建，所述单阶段目标检测模型包括骨干网络、额外特征层和头部结构；所述骨干网络为MobileNetV2结构，包括Conv12卷积层和Conv16卷积层，用于产生对应大小的两种特征图；所述额外特征层包括Conv18卷积层和Conv20卷积层，用于产生对应大小的两种特征图；所述头部结构包括默认框生成、分类子网络以及回归子网络，用于结合所述骨干网络和所述额外特征层产生的四种特征图，执行多层预测融合与非极大值抑制，得到所述待检测验电笔的类型以及所述矩形区域；所述关键点检测模型基于PFLD构建，所述关键点检测模型包括骨干网络和头部结构；所述骨干网络基于MobileNetV2构建，包括堆叠的4个MobileNetV2的bottleneck模块；所述bottleneck模块包括改进的通道注意力模块；所述通道注意力模块包括全局池化层、全连接层、归一化层以及注意力机制；所述全局池化层用于对输入特征图的每个通道进行全局平均池化或全局最大池化操作；所述全连接层用于从全局统计信息中提取出与任务相关的通道注意力权重；所述归一化层用于将注意力权重进行标准化处理；所述注意力机制用于将得到的通道注意力系数向量与原特征图按通道逐元素相乘，以对每个通道的特征进行加权；所述头部结构包括全连接层，所述全连接层的输出通道数量为4个，所述全连接层用于输出所述笔尖端点和所述笔尾端点的坐标信息。

全文数据：

权利要求：

百度查询： 暗物智能科技(广州)有限公司 一种基于深度学习的验电笔的检测方法、装置、计算机设备及可读存储介质