一种绝缘子检测方法、装置、电子设备以及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115984726A(43)申请公布日2023.04.18(21)申请号202310035062.5(22)申请日2023.01.10(71)申请人北京卓翼智能科技有限公司地址100086北京市海淀区知春路6号(锦秋国际大厦)09层B01室(72)发明人任雪峰罗巍(74)专利代理机构北京市竞天公诚律师事务所11770专利代理师王彩霞陈伟(51)Int.Cl.G06V20/17(2022.01)G06V10/774(2022.01)G06V10/82(2022.01)G06V10/764(2022.01)G06N3/08(2023.01)权利要求书2页说明书10页附图1页(54)发明名称一种绝缘子检测方法、装置、电子设备以及存储介质(57)摘要本申请公开了一种绝缘子检测方法、装置、电子设备以及存储介质，该方法中，在获取无人机采集到的输电线路图像后，采用绝缘子检测模型对输电线路图像进行绝缘子检测，获得包含绝缘子的目标图像，绝缘子检测模型为对目标检测模型进行模型训练后获得的模型，目标检测模型为在Yolov7神经网络模型中引入注意力机制后所构建的模型，然后采用绝缘子分类模型对目标图像中所包含的绝缘子进行分类识别，获得绝缘子的状况类别信息。由于目标检测模型为在Yolov7神经网络模型中引入注意力机制后所构建的模型，因此对与绝缘子相关度较高的特征通道赋予较大的权重，对与绝缘子相关度较低的特征通道赋予较小的权重，可提高Yolov7神经网络模型主干网络对绝缘子的检测能力。CN115984726ACN115984726A权利要求书1/2页1.一种绝缘子检测方法，其特征在于，应用于无人机，所述方法包括：获取无人机采集到的输电线路图像；采用绝缘子检测模型对所述输电线路图像进行绝缘子检测，获得包含绝缘子的目标图像，所述绝缘子检测模型为对目标检测模型进行模型训练后获得的模型，所述目标检测模型为在Yolov7神经网络模型中引入注意力机制后所构建的模型；采用绝缘子分类模型对所述目标图像中所包含的绝缘子进行分类识别，获得所述绝缘子的状况类别信息。2.根据权利要求1所述的方法，其特征在于，所述在Yolov7神经网络模型中引入注意力机制，包括：将卷积注意力模块CBAM的通道注意力模块替换为ECA‑Net，获得改进后的目标CBAM；将所述目标CBAM集成到Yolov7神经网络的主干网络中。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过如下方式训练获得所述绝缘子检测模型：对输电线路对应的历史航拍图像进行数据扩充处理，获得训练样本和测试样本，所述训练样本中包含绝缘子的样本为正样本、不包含绝缘子的样本为负样本；响应于所述目标检测模型被构建，通过所述训练样本对所述目标检测模型进行模型训练，并通过所述测试样本对模型训练结果进行测试，获得所述绝缘子检测模型。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：使用梯度流传播路径对重参化卷积与不同网络的结合方法进行分析，并基于分析结果获得所述目标检测模型对应的目标重参化卷积。5.根据权利要求1所述的方法，其特征在于，所述方法还包括：使用组卷积对所述Yolov7神经网络模型的计算层的各计算模块的通道数和基数进行扩展。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：在缩放所述计算模块的深度因子的同时，计算所述计算模块的输出通道的变化量，并基于所述变化量对过渡层进行宽度因子缩放。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：通过如下方式训练获得所述绝缘子分类模型：获得绝缘子航拍图像，并基于预设的绝缘子状况类别信息对所述绝缘子航拍图像进行分类打标，获得训练样本；基于所述训练样本，对预先选取的分类模型进行模型训练，获得所述绝缘子分类模型。8.一种绝缘子检测装置，其特征在于，所述装置应用于无人机，包括：输电线路图像获取单元，用于获取无人机采集到的输电线路图像；目标图像获得单元，用于采用绝缘子检测模型对所述输电线路图像进行绝缘子检测，获得包含绝缘子的目标图像，所述绝缘子检测模型为对目标检测模型进行模型训练后获得的模型，所述目标检测模型为在Yolov7神经网络模型中引入注意力机制后所构建的模型；绝缘子分类识别单元，用于采用绝缘子分类模型对所述目标图像中所包含的绝缘子进行分类识别，获得所述绝缘子的状况类别信息。9.一种电子设备，其特征在于，包括处理器和存储器；其中，2CN115984726A权利要求书2/2页所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1‑7中任一项所述的方法。10.一种计算机可读存储介质，其上存储有一条或多条计算机指令，其特征在于，该指令被处理器执行以实现如权利要求