CN119131621B 一种输电线路无人机巡检图片缺陷识别方法及系统 （南京悠阔电气科技有限公司）

一种输电线路无人机巡检图片缺陷识别方本申请公开了一种输电线路无人机巡检图大目标部件缺陷以及小目标部件缺陷所在大目申请能够解决对于分辨率大且缺陷分布集中的2将处理后的输电线无人机巡检图片输入大目标部件识别模型置信度与对应置信度阈值进行比较，保留大于置信度阈值的识别到的每种大目标部件缺自分辨率放大处理后的输电线无人机巡检图片中切割出识别到的小目标部件缺陷所切割处理的输电线无人机巡检图片；所述小目标部件识别模型选用深度学习神经网络模针对识别出的大目标部件缺陷与小目标部件缺陷进行汇总，输出获取识别到的小目标部件缺陷所在大目标部件对应的置信度部件对应的置信度与识别到的小目标部件缺陷所在大目标部件预若识别到的小目标部件缺陷所在大目标部件对应的置信度大于识别到的小目标部件在识别到的每种小目标部件缺陷设置的原置信度阈值的基础上增加预设的置信度阈值补若识别到的小目标部件缺陷所在大目标部件对应的置信度大于识别到的小目标部件在识别到的每种小目标部件缺陷设置的原置信度阈值的基础上减少预设的置信度阈值补34.根据权利要求3所述的输电线路无人机巡检图片缺陷识别方法，其特征在于，还包获取与拍摄输入的输电线路无人机巡检图片同所述大目标部件识别模型与小目标部件识别模型所选用的卷积神经网络的输入均包据环境数据调整的特征权重以及学习频率一并共享至小目标部件识别出的大目标部件缺陷与小目标部件缺陷进行汇总后进一目标部件识别出多种缺陷类型的情形，根据用户设置的目标部件缺陷类型优先级顺序，对于训练数据中一类目标部件缺陷数量大于第一预设目标部件缺陷数量的部分训练输入图片分辨率放大处理模块，用于针对输电线无人机巡检图片输入图片大部件缺陷识别模块，用于将处理后的输电线无人机巡检输入图片小部件缺陷识别模块，用于自分辨率放大处理后的输电线无输入图片缺陷汇总输出模块，用于针对识别出的大目标部件缺陷与9.一种计算机可读存储介质，其特征在于，所述45[0004]为了解决对于分辨率大且缺陷分布集中输电线路的缺陷本申请提供一种输电线路无人机巡检图片缺[0008]自分辨率放大处理后的输电线无人机巡检图片中切割出识别到的小目标部件缺6陷所在大目标部件对应的置信度与识别到的小目标部件缺陷所在大目标部件预设的置信[0012]若识别到的小目标部件缺陷所在大目标部件对应的置信度大于识别到的小目标部件缺陷所在大目标部件预设的置信度阈值且两者的差值小于第一预设的置信度差值阈[0013]若识别到的小目标部件缺陷所在大目标部件对应的置信度大于识别到的小目标部件缺陷所在大目标部件预设的置信度阈值且两者的差值大于第二预设的置信度差值阈[0020]所述大目标部件识别模型与小目标部件识别模型所选用的卷积神经网络的输入中根据环境数据调整的特征权重以及学习频率一并共享至7[0022]优选的，于针对识别出的大目标部件缺陷与小目标部件缺陷进行汇总后进行NMS[0027]对于训练数据中一类目标部件缺陷数量大于第一预设目标部件缺陷数量的部分8[0038]1、针对图片中大目标部件通过放大分辨率的方式用目标检测算法模型直接进行结果；并根据大目标部件类别缺陷的置信度动态的调整小目标部件类别缺陷的置信度阈[0042]图2为具体实施例中所述一种输电线路无人机巡检图片缺陷识别方法中模型训练[0043]图3为具体实施例中利用所述一种输电线路无人机巡检图片缺陷识别方法的实际[0044]图4为具体实施例中所述一种输电线路无人机巡检图片缺陷识别系统的结构示意且检测目标分布较为密集的输电线路无人机巡检图片作为待识别的输电线路无人机巡检9[0050]具体的，所述大目标部件是指输电线路中实际部件尺寸大于预设部件尺寸的部为第一CNN卷积神经网络，该模型的输入为较大分辨率（如分辨率范围处于2100*1280~[0062]自分辨率放大处理后的输电线无人机巡检图片中切割出识别到的小目标部件缺[0070]于针对识别出的大目标部件缺陷与小目标部件缺陷进行汇总后进行NMS处理，剔除重叠的目标框的重叠度大于重叠度预设阈值的识别到的目标部件缺陷中数值低的置信部件识别模型获取大目标部件缺陷及小目标部件缺陷所在大目标部件，具体为杆塔异物、部件识别模型获取大目标部件缺陷及小目标部件缺陷所在大目标部件，具体为杆塔异物、[0078]若识别到的小目标部件缺陷所在大目标部件对应的置信度大于识别到的小目标部件缺陷所在大目标部件预设的置信度阈值且两者的差值小于第一预设的置信度差值阈[0079]若识别到的小目标部件缺陷所在大目标部件对应的置信度大于识别到的小目标部件缺陷所在大目标部件预设的置信度阈值且两者的差值大于第二预设的置信度差值阈[0084]获取与拍摄输入的输电线路无人机巡检图片同步的环境数据；所述环境数据包[0085]所述大目标部件识别模型与小目标部件识别模型所选用的卷积神经网络的输入中根据环境数据调整的特征权重以及学习频率一并共享至[0086]具体的，当光照强度达到第一预设光照强度且雨水量数预设权重调整值增加标部件识别模型中对于输电线无人机巡检图片中形状和结构特征权大目标部件识别模型中根据环境数据调整的特征权重情况共享至小目标部中根据环境数据调整的学习频率情况共享至小目标部件[0088]如图4所示，本申请实施例公开本申请提供一种输电线路无人机巡检图片缺陷识[0089]输入图片分辨率放大处理模块101，用于针对输电线无人机巡检图片进行图片分[0090]输入图片大部件缺陷识别模块102，用于将处理后的输电线无人机巡检图片输入[0091]输入图片小部件缺陷识别模块103，用于自分辨率放大处理后的输电线无人机巡置信度与对应置信度阈值进行比较，保留大于置信度阈值的识别到的每种小目标部件缺[0092]输入图片缺陷汇总输出模块104，用于针对识别出的大目标部件缺陷与小目标部[0093]所述系统中输入图片缺陷汇总输出模块104，还用于将针对识别出的大目标部件缺陷与小目标部件缺陷进行汇总后进行NMS处理；对于同一目标部件识别出多种缺陷类型[0095]部件缺陷识别模型关联模块105，用于获取与拍摄输入的输电线路无人机巡