申请/专利权人：国网智能科技股份有限公司;国网山东省电力公司济南供电公司

申请日：2023-11-24

公开（公告）日：2024-03-22

公开（公告）号：CN117292119B

主分类号：G06V10/25

分类号：G06V10/25;G06V10/56;G06V10/82;G06N3/0464;G06N3/08;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2024.01.12#实质审查的生效;2023.12.26#公开

摘要：本发明属于目标检测技术领域，提供了一种输电多尺度目标检测方法及系统，在预训练的视觉大模型的输入空间中引入适配于所述检测任务的参数，形成微调后的预训练大模型；利用微调后的预训练大模型作为特征提取网络，对不同质量等级的训练样本集进行特征提取；利用深度强化学习网络进行学习，直至满足迭代要求，得目标检测任务下最终的多尺度目标检测模型；利用多尺度目标检测模型对目标检测任务下的巡视图像进行处理，得到图像处理结果。本发明能够实现电力系统输电多尺度目标检测模型的构建，使其适用于各种各样的检测任务，具有较高的通用性，且对于巡视图像的处理精度上也有一定的提升。

主权项：1.一种输电多尺度目标检测方法，其特征是，包括以下步骤：对已有的目标检测任务下的巡视图像进行质量评估，依据评估结果，将巡视图像分为不同质量等级的训练样本集；基于全局特征和区域特征，计算图像的清晰度，根据图像的清晰度，对图像进行质量评估和分级；根据图像的清晰度，对图像进行质量评估和分级的具体过程包括：使用Softmax函数计算图像的清晰度，设定清晰度评价的阈值等级，依据各个图像的清晰度和阈值等级的关系，确定相应图像的所属等级，对图像质量分级；将巡视图像分为不同质量等级的训练样本集的具体过程包括：将巡视图像在质量方面，分为第一质量训练样本集、第二质量训练样本集，以及两种质量混合样本集，其中第一质量的质量高于第二质量；在数量方面，按照依次递增的比例增加样本数量，构建出不同的样本集合；在预训练的视觉大模型的输入空间中引入适配于所述检测任务的参数，形成微调后的预训练大模型；利用所述微调后的预训练大模型作为特征提取网络，对不同质量等级的训练样本集进行特征提取；提取后的特征通过RPN网络得到初步的候选检测框，所述候选检测框经过ROI池化层筛选出感兴趣区域，根据所述感兴趣区域提取和拼接图像特征；将得到的图像特征和历史动作向量相结合，得到融合特征，利用深度强化学习网络对融合特征进行学习，直至满足迭代要求，得到目标检测任务下最终的多尺度目标检测模型；利用深度强化学习网络进行学习的具体过程包括当处理后的特征进入深度强化学习网络后，给定当前的状态,智能体以指定的概率ε从动作集合中随机选取一个动作a或以1-ε的概率选取最大Q值对应的动作，以进行检测框的搜索和调整；执行动作后，根据环境反馈计算奖励R，智能体根据奖励R选取下一步动作，同时动作a进入到历史动作向量，与当前的图像特征构成状态表示，随后对当前状态进行更新；重复上述过程，直至动作结束或到达最大搜索步数；利用所述多尺度目标检测模型对目标检测任务下的巡视图像进行处理，得到图像处理结果。

全文数据：

权利要求：

百度查询： 国网智能科技股份有限公司;国网山东省电力公司济南供电公司 一种输电多尺度目标检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD