一种基于单阶段目标检测网络的电力巡检鸟窝检测方法与流程

技术特征：
1.一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，其特征在于，包括以下步骤：s1、训练过程；s2、检测过程。2.根据权利要求1所述的一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，其特征在于：在s1操作步骤中，所述训练过程是构建检测鸟窝的网络模型，将带鸟窝的电塔图片数据集，输入到该单阶段目标检测网络模型中进行训练，最终得到能够精准检测鸟窝的神经网络。3.根据权利要求1所述的一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，其特征在于：在s1操作步骤中，所述训练过程包括电塔图像数据集采集、网络输入端进行图像预处理和特征信息提取三个过程。4.根据权利要求3所述的一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，其特征在于：所述电塔图像数据集采集是用带高清摄像头的无人机进行定点采集，无人机通过激光雷达设定航线与拍摄角度。5.根据权利要求3所述的一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，其特征在于：所述网络输入端进行图像预处理是通过mosaic数据增强算法进行数据增强。6.根据权利要求3所述的一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，其特征在于：所述特征信息提取是backbone和neck网络结构的工作，所述网络backbone结构是focus cbl csp1_1 cbl csp1_3 cbl csp1_3 cbl spp，所述neck结构是fpn pan结构，所述fpn网络是自顶向下的结构，将高层的多尺度特征信息通过上采样的方式进行传递融合，得到进行预测的特征图，所述pan是一个自底向上的特征金字塔，自底向上的传递传达强定位特征，从不同的检测层进行特征聚合，将不同电塔鸟窝得分高的特征图和对应的权重打包成权重文件。7.根据权利要求1所述的一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，其特征在于：在s2操作步骤中，所述检测过程是通过对待检测的图片进行直方图均衡化做数据增强，再将待检测的电塔图片输入到网络的输出层中，进行检测，在检测过程中，需要确认待检测图片是否存在鸟窝的特征，如果存在鸟窝的特征，则将该图片标记为存在鸟窝的图片，否则该图片标记为不存在鸟窝的图片。8.根据权利要求7所述的一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，其特征在于：所述输出层是实现网络得到图片的特征向量后进行分类输出的过程，将学习得到的故障特征图的权重与测试集的图像进行匹配，采用giou_loss作为boundingbox的损失函数，得到多个初步的预测框，在此基础上使用nms非极大值抑制算法，识别出一些被遮挡重叠的目标。9.根据权利要求8所述的一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，其特征在于：所述giou算法包括以下步骤：输入：任意两个目标框：a是ground truth,b是预测框；输出：giou；步骤一、根据目标框a和b，找到一个最小范围覆盖a,b的矩形框c；步骤二、计算iou：
步骤三、计算giou：其中，c是a和b两个区域的闭包，经过giou_loss和nms非极大值抑制算法生成预测框，预测框即为检测电力塔的鸟窝位置。

技术总结
本发明提供一种基于单阶段目标检测网络的电力巡检鸟窝检测方法，涉及计算机视觉和图像检测技术领域。包括以下步骤：S1、训练过程，S2、检测过程。本发明通过采用基于深度学习的目标检测算法，针对电力塔图片进行鸟窝检测，网络模型训练是将电力塔图片数据集输入网络，经输入端的数据处理，网络进行特征提取与网络自身权重优化，最终得到能精确识别电力塔图像中鸟窝特征的网络，该网络模型的Neck层采用FPN PAN结构，有效的提高了小尺度物体检测精度，最后经输出端输出图像分类，此基于深度学习的特征检测方法，相较于传统电力巡检鸟窝检测方法，提高了检测精度与效率。提高了检测精度与效率。提高了检测精度与效率。


技术研发人员：邓珍荣 代国林 杨睿 张永林
受保护的技术使用者：广西景航无人机有限公司
技术研发日：2021.08.13
技术公布日：2021/10/29