申请/专利权人：重庆川东电力集团有限责任公司

申请日：2023-12-13

公开（公告）日：2024-04-16

公开（公告）号：CN117893789A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/096;G06T7/00;G06V10/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明涉及一种基于改进的FasterR‑CNN算法的架空输电线路绝缘子设备检测高精度方法，旨在提供一种快速、准确、高效的绝缘子检测技术，能够有效地识别架空输电线路巡检图中的绝缘子并进行缺陷检测。本发明基于改进的FasterR‑CNN算法，结合深度学习技术，实现对架空输电线路绝缘子的自动检测。该方法通过改进FasterR‑CNN算法中的关键组件，提高绝缘子检测的准确性和效率。改进的方法包括以下方面：一是引入注意力机制，增强模型对绝缘子区域的关注，减少背景干扰；二是优化网络结构，提高特征提取和目标检测的性能；三是引入多尺度和数据增强技术，增强模型对不同尺寸和角度的绝缘子的适应能力。

主权项：1.一种基于改进的FasterR-CNN算法的架空输电线路绝缘子检测高精度方法，其特征在于，包括如下步骤：1利用一台或者多台图像采集设备获取现场架空输电线路巡检图像数据；2对采集到的图像进行预处理，以提高后续处理的效果；3利用改进的FasterR-CNN算法对预处理后的图像进行特征提取。可以使用预训练的卷积神经网络CNN模型，即ResNet网络作为特征提取器，从图像中提取高层语义特征；4在特征图上利用候选区域生成算法，例如SelectiveSearch或RegionProposalNetworkRPN，生成多个候选区域，其中可能包含绝缘子；5对每个候选区域应用分类器，例如支持向量机SVM或卷积神经网络CNN，对其进行绝缘子与非绝缘子的分类；6对被分类为绝缘子的候选区域进行边界框的回归，并进一步精确定位绝缘子的位置；7根据分类和回归结果，综合得到每个绝缘子的位置和边界框；8对综合得到的绝缘子位置和边界框进行缺陷检测和评估。可以利用图像处理和计算机视觉技术，检测并评估绝缘子的缺陷情况。

全文数据：

权利要求：

百度查询： 重庆川东电力集团有限责任公司 一种基于改进的Faster R-CNN算法的架空输电线路绝缘子检测高精度方法

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