(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211354690.1 (22)申请日 2022.11.01 (71)申请人 云南电网有限责任公司电力科 学研 究院 地址 650000 云南省昆明市经济技 术开发 区云大西路10 5号 (72)发明人 于虹　 (74)专利代理 机构 深圳中细软知识产权代理有 限公司 4 4528 专利代理师 袁文英 (51)Int.Cl. G06V 10/82(2022.01) G06V 10/80(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度学习的输配电线路图像识别 方法及设备 (57)摘要 本发明实施例公开了一种基于深度学习的 输配电线路图像识别方法及设备， 包括： 预先建 立第一输配电线路图像缺陷识别模型与第二输 配电线路图像缺陷识别模型； 获取待识别输配电 线路图像， 将所述待识别输配电线路图像分别输 入至所述第一输配电线路图像缺陷识别模型与 第二输配电线路图像缺陷识别模 型中， 生成第一 识别结果与第二识别结果； 通过利用第一识别网 络和第二识别网络两个不同的网络在输配电线 路机巡图像数据集上进行训练， 得到输电线路设 备缺陷的特征提取模型； 随后 在模型中引入非极 大值抑制判别器， 对二个网络的特征提取结果进 行分析最终得到巡检图片中缺陷的类型和位置， 增强了模型对于复杂环境的适应能力。 权利要求书2页 说明书7页 附图4页 CN 115496988 A 2022.12.20 CN 115496988 A 1.一种基于深度学习的输配电线路图像识别方法， 其特 征在于： 包括： 预先建立第一输配电线路图像缺陷识别模型与第二输配电线路图像缺陷识别模型； 获取待识别输配电线路图像， 将所述待识别输配电线路图像分别输入至所述第 一输配 电线路图像缺陷识别模型与第二输配电线路图像缺陷识别模型中， 生成第一识别结果与第 二识别结果； 利用目标检测后处理算法对所述第 一识别结果与第 二识别结果进行融合判别， 生成第 三识别结果。 2.如权利要求1所述的基于深度 学习的输配电线路图像识别方法， 其特征在于： 所述目 标检测后处 理算法为 NMS、 Soft NMS、 Softer  NMS、 Adaptive  NMS、 IoUNet中的一种。 3.如权利要求1所述的基于深度学习的输配电线路图像识别方法， 其特征在于： 基于 Faster R‑CNN网络预先建立所述第一输配电线路图像缺陷识别模型。 4.如权利要求3所述的基于深度 学习的输配电线路图像识别方法， 其特征在于： 所述基 于Faster R‑CNN网络预先建立所述第一输配电线路图像缺陷识别模型， 包括： 采集多张输配电线路图像， 并对采集到的输配电线路图像进行标注， 标注图像中线路 缺陷的边界框与类别， 得到第一输配电线路图像数据集； 采用第一图像数据增广方法， 对所述第一输配电线路图像数据集进行数据集扩充， 得 到扩充后的输配电线路图像数据集； 基于所述扩充后的输配电线路图像数据 集对所述Faster  R‑CNN网络进行训练， 直到网 络满足条件收敛， 得到所述第一输配电线路图像缺陷识别模型。 5.如权利要求4所述的基于深度 学习的输配电线路图像识别方法， 其特征在于： 所述第 一图像数据增广方法为像镜像、 平 移、 缩放、 旋转、 裁 剪、 高斯噪声中的一种或多种。 6.如权利要求1 ‑5任一所述的基于深度 学习的输配电线路图像识别方法， 其特征在于： 基于改进型Y OLOX网络预先建立所述第二输配电线路图像缺陷识别模 型； 其中， 利用R andom  Horizontal  Flip、 Color  Jitter和多尺度数据扩大模块替换所述YOLOX网络的Random   Resized Crop模块， 得到所述改进型YOLOX网络 。 7.如权利要求6所述的基于深度 学习的输配电线路图像识别方法， 其特征在于： 所述基 于YOLOX网络预 先建立所述第二输配电线路图像缺陷识别模型， 包括： 采集多张输配电线路图像， 并对采集到的输配电线路图像进行标注， 标注图像中线路 缺陷的边界框与类别， 得到第二输配电线路图像数据集； 采用第二图像数据增广方法， 对所述第二输配电线路图像数据集进行数据集扩充， 得 到扩充后的输配电线路图像数据集； 基于所述扩充后的输配电线路图像数据集， 引入EMA权值更新和/或余弦函数学习率机 制对所述改进 型YOLOX网络进 行训练， 直到网络满足条件收敛， 得到所述第二输配电线路图 像缺陷识别模型。 8.如权利要求7所述的基于深度 学习的输配电线路图像识别方法， 其特征在于： 所述第 二图像数据增广方法为Moaic数据增强算法、 和/或Mizup数据增强算法。 9.如权利要求7所述的基于深度 学习的输配电线路图像识别方法， 其特征在于： 在对所 述改进型YOLOX网络的Reg分支进行训练时， 以IOU损失函数为所述Reg分支的损失函数。 10.一种电子设备， 其特征在于： 包括至少一个处理器， 以及与所述至少一个处理器通权　利　要　求　书 1/2 页 2 CN 115496988 A 2信连接的存储器； 所述存储器存储有可被所述至少一个处理器执行 的指令， 所述指令被所 述至少一个处理器执行， 以使 所述至少一个处理器能够执行权利要求 1至9中任一项 所述的 基于深度学习的输配电线路图像识别方法。权　利　要　求　书 2/2 页 3 CN 115496988 A 3