变电站异物识别检测方法、装置和系统与流程

技术特征：
1.一种变电站异物识别检测方法，其特征在于，所述方法通过改进的目标检测器执行；所述改进的目标检测器包括依次连接的骨干网络、特征融合网络和分类识别网络；所述方法包括：获取针对变电站的待检测图像；通过所述目标检测器的骨干网络对所述待检测图像进行特征提取，得到所述待检测图像的特征图；其中，所述骨干网络包括依次连接的第一预设个数的空洞卷积残差子网络；基于所述特征融合网络对所述待检测图像的特征图进行特征融合，得到融合特征信息；基于所述分类识别网络对所述融合特征信息进行目标检测，以对变电站的异物进行识别检测。2.根据权利要求1所述的变电站异物识别检测方法，其特征在于，所述骨干网络还包括与所述第一预设个数的空洞卷积残差子网络连接的第二预设个数的普通卷积残差子网络；所述通过所述目标检测器的骨干网络对所述待检测图像进行特征提取，得到所述待检测图像的特征图的步骤，包括：通过所述第二预设个数的普通卷积残差子网络对所述待检测图像进行初始特征提取，得到初始特征图；通过所述第一预设个数的空洞卷积残差子网络对所述初始特征图进行深层特征提取，得到所述待检测图像的特征图；其中，所述待检测图像的特征图与所述初始特征图的尺寸相同。3.根据权利要求2所述的变电站异物识别检测方法，其特征在于，所述第二预设个数的普通卷积残差子网络为4个；所述第一预设个数的空洞卷积残差子网络为2个。4.根据权利要求3所述的变电站异物识别检测方法，其特征在于，所述通过所述第一预设个数的空洞卷积残差子网络对所述初始特征图进行目标特征提取，得到所述待检测图像的特征图的步骤，包括：通过2个空洞率rate＝2的空洞卷积残差子网络对所述初始特征图进行目标特征提取，得到所述待检测图像的特征图。5.根据权利要求4所述的变电站异物识别检测方法，其特征在于，所述通过所述第一预设个数的空洞卷积残差子网络对所述初始特征图进行目标特征提取，得到所述待检测图像的特征图的步骤，还包括：通过每个所述空洞率rate＝2的空洞卷积残差子网络和每个空洞卷积残差子网络中嵌入的注意力模块对所述初始特征图进行目标特征提取，得到所述待检测图像的特征图。6.根据权利要求4所述的变电站异物识别检测方法，其特征在于，所述分类识别网络包括候选区域提议网络和rcnn级联网络；所述方法还包括：通过候选区域提议网络对所述融合特征信息进行正负样本的候选区域的提取，并将候选区域提取后的融合特征信息输入至所述rcnn级联网络。7.根据权利要求6所述的变电站异物识别检测方法，其特征在于，所述基于所述分类识别网络对所述融合特征信息进行目标检测，以对变电站的异物进行识别检测的步骤，包括：通过所述rcnn级联网络对所述融合特征信息进行候选区域的筛选、分类和定位；基于非极大值抑制算法(non
‑
maximum suppression，nms)过滤掉重叠的目标框，以对
变电站的异物进行识别检测。8.一种变电站异物识别检测装置，其特征在于，所述装置包括改进的目标检测器；所述改进的目标检测器包括依次连接的骨干网络、特征融合网络和分类识别网络；所述装置包括：图像获取模块，用于获取针对变电站的待检测图像；特征提取模块，用于通过所述目标检测器的骨干网络对所述待检测图像进行特征提取，得到所述待检测图像的特征图；其中，所述骨干网络包括依次连接的第一预设个数的空洞卷积残差子网络；特征融合模块，用于基于所述特征融合网络对所述待检测图像的特征图进行特征融合，得到融合特征信息；识别检测模块，用于基于所述分类识别网络对所述融合特征信息进行目标检测，以对变电站的异物进行识别检测。9.一种变电站异物识别检测系统，其特征在于，所述变电站异物识别检测系统包括如权利要求8所述的变电站异物识别检测装置。10.一种机器可读存储介质，其特征在于，所述机器可读存储介质存储有机器可执行指令，所述机器可执行指令在被处理器调用和执行时，所述机器可执行指令促使所述处理器实现权利要求1至7任一项所述的变电站异物识别检测方法。

技术总结
本发明提供了一种变电站异物识别检测方法、装置和系统，涉及目标检测技术领域，该方法通过改进的目标检测器执行；改进的目标检测器包括依次连接的骨干网络、特征融合网络和分类识别网络；方法包括：获取针对变电站的待检测图像；通过目标检测器的骨干网络对待检测图像进行特征提取，得到待检测图像的特征图；其中，骨干网络包括依次连接的第一预设个数的空洞卷积残差子网络；基于特征融合网络对待检测图像的特征图进行特征融合，得到融合特征信息；基于分类识别网络对融合特征信息进行目标检测，以对变电站的异物进行识别检测。本发明提高了目标检测器在变电站异物识别的准确性和鲁棒性。鲁棒性。鲁棒性。


技术研发人员：李捷 冯宇 周庆
受保护的技术使用者：华雁智能科技（集团）股份有限公司
技术研发日：2021.06.28
技术公布日：2021/10/23