客服热线:19932581850

基于层级区域特征融合学习的输电线路缺陷检测方法

次浏览
  • 详细信息
  • 成果简介
  • 成果亮点
  • 前景分析
成果名称: 基于层级区域特征融合学习的输电线路缺陷检测方法 关键字: 应用行业: 信息传输软件和信息技术
高新技术领域: 数字音视频技术 所在地: 河北省 知识产权类型: 发明专利
知识产权编号: ZL201910614536 成果体现形式: 发明专利 成果属性:
成果所处阶段: 成果水平: 请选择... 研究形式:
学科分类: 战略新兴产业: 请选择... 课题来源:
第一完成单位名称: 华北电力大学(保定) 第一完成单位属性: 技术成熟度:
合作方式: 请选择... 交易价格(万): 3.00 所属十强产业:

本发明公开了基于层级区域特征融合学习的输电线路缺陷检测方法,包括:构建和调取Faster R‑CNN模型;将主干网络提取的目标特征通过RPN网络回归得到目标区域;通过对输入图像进行RoI pooling操作产生局部层级区域特征,通过深度选择网络学习产生特征融合所需要的权重将深层特征区域和浅层特征区域融合;并通过分类网络和回归网络产生最后的预测结果。本发明利用深度选择网络产生自学习的区域特征融合权重,节省调整参数的时间,并使模型学习得到的融合特征能够较好地适应不同复杂情况下的缺陷检测任务,深度模型使用区域特征进行预测,强化模型对提取目标局部特征的学习能力,降低了模型在实际环境中因输电线路缺陷图像的复杂背景和类间差异产生的误检问题。

本发明从图像局部特征出发,分别通过卷积神经网络和RPN网络提取到有效的局部深层特征和局部浅层特征,加强模型对不同层级特征的全面感知能力;
提出并建立深度选择网络,利用多层感知机产生自学习的局部特征融合权重,既节省调整参数的时间,提高效率,又使模型学习得到的融合特征能够较好地适应不同复杂背景下的缺陷检测任务;
深度学习模型使用区域层级融合特征进行预测,强化模型对目标局部区域的学习能力,在实际应用中减少了因输电线路缺陷图像的复杂背景和类间差异导致数据分布不一致产生的误检问题。


输电线路作为远距离电能传输的载体,长期处在恶劣的野外环境中,容易受到风力、雨雪、动物和其它因素的破坏,严重时会引起大规模地停断电,经济损失不可估量。因此,对输电线路进行精细化巡检维护成了目前电力系统的重要任务。目前飞行器巡检已成为常规巡检方式,其效率高,经济成本较低。但巡检的主要痛点是快速大幅增长的航拍图像缺陷检测需求与人工检测精度、效率的相对低下之间的矛盾。基于深度学习的缺陷检测方法已成为研究热点。
然而利用深度学习检测方法对输电线路缺陷进行自动识别有以下两个难题:
(1)输电线路上部件较多,安全隐患的种类也复杂多样,因此急需一个能够有效提取图像中缺陷目标特征的多种类别缺陷的检测方法。
(2)输电线路分布广泛,每个地区的地理环境、季节气候差异较大,在数据有限的情况下,不同地区分布下图像中目标背景对检测结果的干扰尤其严重,因此在实际情况中模型检测性能会产生急剧下降。


  • 附件

联系方式

  • 联系人:

    张女士

  • 联系电话:

    13722216923

  • QQ/MSN:

  • Email:

    shengxunkeji2000@sina.com

  • 通讯地址:

    河北保定

请填写以下信息

  • 联系人姓名:

  • 联系人电话:

  • 手机号:

  • 邮箱:

  • QQ:

  • 工作单位:

  • 地址:

  • 意向说明:

  • 取消 确定

    友情链接

  • logo图片

    专注专业

    资深行业经验,专业技术运作团队

  • logo图片

    信息保密

    专利或技术全方位严格保密,保证用户权益

  • logo图片

    快速转让

    依托大数据,精准对接需求企业,节约成本

  • logo图片

    一站式服务

    技术转让一站式服务,省心更放心