一种变电站设备误检抑制方法及系统

摘要: 本发明涉及计算机视觉,图像目标检测及电力设备智能巡检,特别涉及一种变电站设备误检抑制方法及系统。背景技术:1、变电站一次设备种类多、空间结构复杂,目标检测模型在...
一种变电站设备误检抑制方法及系统

本发明涉及计算机视觉,图像目标检测及电力设备智能巡检,特别涉及一种变电站设备误检抑制方法及系统。

背景技术:

1、变电站一次设备种类多、空间结构复杂,目标检测模型在现场图像中容易将导线、金属支架或重复纹理等局部外观相似的背景区域误判为设备,产生大量背景误检框。现有技术在处理上述检测候选框时,至少存在以下不足:其一,传统的后处理方法主要基于交并比等几何关系和检测置信度进行筛选,语义辨别能力不足,难以区分真实设备与高置信度的背景误检;其二,为降低语义误检,现有技术通常采用固定的高阈值对二级验证概率进行硬过滤,这种直接删除低概率候选框的方式,容易将局部特征不完整的小目标和遮挡目标同步删除,造成召回率明显下降;其三,现有框融合规则通常采用固定的交并比阈值和中心距离阈值,无法随目标尺度和候选框局部密度进行自适应调整,在复杂场景下容易发生错误合并,且容易将缺乏重复候选框的密集小目标误删。

2、因此,亟需一种能够联合利用语义验证概率与动态几何关系的变电站设备误检抑制方法,通过软性得分修正代替硬性删除以保护小目标与遮挡目标,并自适应复杂场景的候选框聚类与融合,从而在降低背景误检的同时有效保持召回水平。

技术实现思路

1、本发明的目的就是解决上述背景中的技术问题,提出一种变电站设备误检抑制方法,包括以下步骤:

2、由目标检测模型生成变电站图像的候选框并裁剪候选区域,获取候选框的类别和检测置信度;

3、将候选区域输入二级判别器,输出候选区域属于真实设备的验证概率,其中二级判别器利用同类真实标注框与背景误检框自动构建的难负样本训练得到;

4、利用软保留系数将检测置信度与验证概率组合为连续修正得分,不对候选框进行直接删除;

5、基于目标尺度、局部候选密度和连续修正得分动态确定候选框归簇阈值,并基于连续修正得分、交并比、中心一致性和验证概率计算融合权重;

6、对面积占比低于阈值的单候选框执行保留保护,并输出融合检测结果。

7、优选的方案中,二级判别器的训练数据构建步骤包括:

8、利用基线检测模型对训练图像生成训练候选框,将每个训练候选框与同类别真实标注框进行交并比匹配;

9、将最大同类交并比不小于匹配阈值的训练候选区域标记为真实设备正样本,将最大同类交并比小于匹配阈值的训练候选区域标记为背景误检难负样本。

10、优选的方案中,连续修正得分的计算步骤包括:设检测置信度为,验证概率为,软保留系数为,且,连续修正得分满足:。

11、优选的方案中,目标尺度与局部候选密度的计算步骤包括:

12、设候选框面积为,输入图像面积为,目标尺度为小目标程度,满足;

13、以候选框中心为圆心、候选框对角线长度的三倍为邻域半径,统计邻域内候选框数量,以表示密度归一化常数,局部候选密度满足。

14、优选的方案中,动态确定候选框归簇阈值的步骤包括:

15、结合小目标程度、局部候选密度和检测置信度动态计算交并比阈值和归一化中心距离阈值;

16、当待匹配候选框与已有簇代表框的交并比不小于交并比阈值,且归一化中心距离不大于归一化中心距离阈值时,将待匹配候选框归入已有簇,否则建立新簇。

17、优选的方案中,融合权重的计算步骤包括:

18、每当新候选框加入簇后,按簇内全部候选框重新计算权重;

19、融合权重由连续修正得分、交并比、中心一致性和验证概率共同计算得到,并依据融合权重更新代表框坐标和簇得分。

20、优选的方案中,执行保留保护的步骤包括:

21、判断候选框面积占图像面积是否小于小目标面积占比阈值,若是,则采用小目标保留阈值,若否,则采用基础保留阈值;

22、完成聚类后,包含两个及以上候选框的簇直接输出,仅包含单一候选框的单框簇达到对应的保留阈值时予以保留输出。

23、还提出一种变电站设备误检抑制系统,包括:

24、候选框生成模块,用于读取变电站图像,输出第个候选框的坐标、类别标签和检测置信度;

25、候选区域预处理模块,用于按候选框从原图裁剪局部图像,并进行统一缩放和归一化得到候选区域;

26、难负样本二级判别模块,用于将候选区域输入二级判别器,输出候选区域属于真实设备目标的二级验证概率;

27、软得分修正模块,用于将二级验证概率作为连续调节因子,利用软保留系数与检测置信度组合为连续修正得分,对候选框进行降权和重排,不对候选框进行直接删除;

28、动态距离约束加权框融合模块,用于根据目标尺度、局部候选密度、交并比、归一化中心距离和验证概率动态聚类并计算融合权重,并对单候选框执行小目标单框保护;

29、结果输出模块,用于汇总融合后的检测框,按融合得分排序,并按预设的单图最大输出数量给出最终检测结果。

30、优选的方案中,难负样本二级判别模块中,二级判别器的训练数据由目标检测训练集自动构建,将最大同类交并比不小于匹配阈值的候选区域标记为真实设备正样本,小于匹配阈值的候选区域标记为背景误检难负样本。

31、优选的方案中,动态距离约束加权框融合模块具体用于结合待匹配候选框的小目标程度、局部密度和候选置信度动态计算交并比聚类阈值及中心距离阈值,利用交并比与中心距离的双重条件决定候选框是否归入同一簇。

32、与现有技术相比,本发明的有益效果为:

33、(1)本发明通过目标尺度、局部密度、置信度、iou和中心距离联合调节聚类阈值,使框融合规则能够适应普通、遮挡、复杂背景和密集小目标场景。

34、(2)本发明通过难负样本判别器识别导线、支架和金属结构等语义型误检,弥补单纯几何后处理无法区分真实设备与高置信度背景误检的不足。

35、(3)本发明通过软得分修正代替固定高阈值硬删除,使误检候选持续降权,同时保留真实小目标和遮挡目标进入后续融合的机会。

36、(4)本发明通过二级验证概率同时参与得分重排和动态融合权重计算,构成语义验证与几何融合闭环,提高融合结果可靠性。

37、(5)本发明各阈值、软保留系数和类别保护参数均可配置,可根据误检成本与漏检成本调整工作点。

38、(6)实验数据验证,在752张原始验证图像上,d-wd-wbf相比wbf将fp从7183降至6579,减少604,precision从0.6309提升到0.6505,f1从0.6020提升到0.6099,recall由0.5756变化为0.5741。说明动态几何融合能够降低误检并基本保持召回水平。进一步加入软验证机制(软保留系数α=0.50)后,相比单独采用动态距离约束加权框融合,假阳性数量从6579降至2852,降低56.65%;查准率从0.6505提升至0.7972,f1值从0.6099提升至0.6335;查全率从0.5741降至0.5256。该结果表明主实施例在误检抑制与召回保持之间取得更优综合平衡,但不表示查全率完全不受影响。