基于卷积神经网络的输电塔架锈蚀程度自动检测方法与流程

技术特征：
1.一种基于卷积神经网络的输电塔架锈蚀程度自动检测方法，其特征在于，包括以下步骤：步骤s1：获取实际服役状况下输电塔架图像；步骤s2：构建图像预处理模型；建立不同锈蚀程度电力塔架数据集；步骤s3：构建基于卷积神经网络的输电塔架锈蚀程度检测模型；采用不同锈蚀程度图像对检测模型进行深度学习训练；步骤s4：将输电塔架锈蚀图像输入模型中进行检测，得到锈蚀程度检测结果。2.根据权利要求1所述的基于卷积神经网络的输电塔架锈蚀程度自动检测方法，其特征在于：所述输电塔架锈蚀程度检测模型采用改进的卷积神经网络经典模型alexnet；所述改进的卷积神经网络经典模型alexnet使用非线性激活函数relu，以减缓梯度消失的问题；全连接层后使用dropout，并使用sgd优化器。3.根据权利要求1所述的基于卷积神经网络的输电塔架锈蚀程度自动检测方法，其特征在于：图像预处理阶段使用python语言的搭建的opencv智能算法进行图像分割。4.一种基于卷积神经网络的输电塔架锈蚀程度自动检测系统，其特征在于，用于执行如权利要求1-3其中任一所述的基于卷积神经网络的输电塔架锈蚀程度自动检测方法，包括：图像获取模块，用于获取待检测的输电塔架锈蚀图像；模型构建模块，用于构建基于卷积神经网络的输电塔架锈蚀程度检测模型；锈蚀检测模块，用于将输电塔架锈蚀图像输入至输电塔架锈蚀程度检测模型中进行检测，得到输电塔架锈蚀程度结果。5.一种基于卷积神经网络的输电塔架锈蚀程度自动检测装置，其特征在于：包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-3其中任一所述的基于卷积神经网络的输电塔架锈蚀程度自动检测方法。6.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于：该计算机程序被处理器执行时实现如权利要求1-3其中任一所述的基于卷积神经网络的输电塔架锈蚀程度自动检测方法。

技术总结
本发明提出一种基于卷积神经网络的输电塔架锈蚀程度自动检测方法，通过图像获取、opencv图像预处理、建立数据集、建立检测评定标准、基于卷积神经网络模型AlexNEt进行训练学习，从而建立输电塔架锈蚀快速检测技术，该技术能有效解决人工检测输电塔架锈蚀损伤过程中耗时、费力、具有一定危险性的难题，及检测过程主观判断的问题。过程主观判断的问题。过程主观判断的问题。


技术研发人员：傅本钊 刘志伟 施孝霖 林瑞宗 于新民 程建平 聂克剑 陈祥 陈远浩 李小刚 王先日
受保护的技术使用者：国网福建省电力有限公司
技术研发日：2022.11.18
技术公布日：2023/2/3