高压输电线路巡线、图像识别领域，航拍图像信息实时检测方法

输电线路巡检是电力系统可靠运行的重要手段，电力部门每年都要安全增加大量人力物力进行巡线。传统的人工巡线存在高风险、高成本、低效率的问题，人机出现为电力部门提供了一种新的巡线工具。但目前使用电动方式进行巡线工作方式都是由飞手线路无的，飞到输的关键人群周围进行的拍摄，由地面的普通现场分析，或者将数据带回运检线方式进行。产生大量的巡线图，从海量的图像数据中判断电力故障枯竭一般复杂的普通人进行枯燥的图片检索与分析任务，消耗了数日以上的时间，还有可能出现漏检、误判的情况，增加了许多巡线效率本，降低了巡线效率。

绝缘子作为输电线路中的数量并有最多的电力系统，拥有电气和机械连接的双重职权能力，对绝缘子的故障诊断是巡线的重要项目上一个。输出绝缘子，是绝缘子故障诊断的先导。 输电线路覆盖广泛，沿途地貌特征丰富，在航拍图的图像中，在航拍图的图像中绝缘子与背景时间间隔度低，同时拍摄拍摄时的拍摄角度和环境条件具备随机性，现有算法无法满足的约会子检测的快速性、精准需求。

问题拆分

整个过程是完整的快速检测通道，输入图片最终得到目标框，提高了自动故障诊断的速度，直观的轨迹轨迹线人员面对海量检测线数据时的检测结果。同时，本发明还利用迁移学习的思想将过去的任务所得知识迁移到当前的目标任务中，将所训练的模型具有可继承性，有新的数据补充进图时，目标模型可以在源头上的基础上继续训练新的，快速达到预期效果，数据旧版本的模型不会因为的更新而毫无用处，检测模型会随着时间的推移的数据处与数据的增加而出现愈来愈洁。

问题解决

本发明的目的在于提供一种基于深度学习的航拍图像离子实时检测方法，利用深度学习的目标检测技术和迀移学习技术快速而准确地识别出复杂背景中的绝缘子，其检测速度满足升速实时视频检测的要求，减轻了巡线人员的工作强度和难度，进一步提高了电 监控线的水平，使电力系统能够更加安全可靠地运行。

[0005] 为实现上述目的，本的技术方案是：一种基于发明深度学习的航拍图像绝缘子实测时检测方法，包括步骤， 步骤1：建立绝缘子目标检测图像库：具体分为源图像库和图像目标，其中，源图像库中包含各种场景下的不同库形态结构子，目标图像库中包含山场景下的完整形态结构子，源图像库与目标图像库中的图像无格式集； 2：建立与对接子目标检测图像库的图像标签库：目标检测图像库中的每幅图像片建立相应的符合标准PASCAL VOC格式的xml标签文件，标签文件中的信息包括：图片ID号，图片的像素高度、宽度与深度、图片的路径、图片所包含的目标的种类、连接子目标属于区域的椭圆形目标的坐标（xmin，ymin，xmax，ymax），其中（xmin，ymin）为边界框的左上连接坐步骤3：建立络学习模型标：采用目标的目标检测 络SSD，具体分为基础特征提取 和辅助 络，其中基础特征提取 络CNN 络移动轻量级的CNN 络移动层，辅助 络核心选择以3×3激励构成的6层检测器层，辅助 络的输入为 络的特征提取 络的不同特征层的特征图；4：数据输出集生成：将所有参与训练的图像及其对应的标签文件合成一个用于训练的、可以进彳丁尚效读取的文件； 步骤5：训练源模型：利用步骤3的SSD模型通过后端传播算法在源图像库上进行训练，得到源模型； 步骤6：训练目标模型：利用步骤3的SSD模型通过本土传播算法在目标图像库上进行训练，练得到最终的目标模型，其中，所用的初始化模型为源模型，利用迀移学习的思想将源模型中部分学习所得的知识迀移至目标模型，使目标模型具有目标人物形象中山林场景下的寓意子特征，还拥有源图片中不同背景、不同绝缘子形态的特征知识，包括，以目标图库为主要特征库，源库为辅助特征库；步骤7：固化模型实时检测：将模型中所含的训练变量轮廓除，保留前向传播的经元权重测试与神的常数，平滑模型体积；步骤8：模型：将待检测视频输入到物体后的目标模型中，用视觉效果在原图像视频中捕捉到检测框内的信息子目标，以及目标或者包含的绝缘子的置度信得分。

[0006在本发明的一个实施例中，步骤1中，目标图像库中的场景以及绝缘子的种类]能够根据应用的巡线背景发生变化。

[0007]在本发明的一个实施例中，步骤3中，检测器层的检测器有两种功能：1）预测预测位置目标标定框的；2）所预测的目标是预测子种类的得分。

[0008] 在本发明一实施例中，步骤5中，源模型的训练过程中，采用的初始化模型为在COCO数据集上训练所得的模型。

[0009]发明的场景相较于已有技术，具有以下更有用的效果：发明的创新点在于利用本发明的检测深度学习 络结构有效提升了不同的绝缘子检测准确率与速度，无需赘述力去人工设计繁体的隐子特征提取器，可以将其特征提取出来的神经神经 络，提取出更加全面、更能提示子的深度特征信息，再将其输入检测器中进行推理整个过程是完整的快速检测通道，输入图像最终得到目标框，提高了自动诊断故障诊断的效率，精确定位实时巡线人员界面海量检测巡线数据时的检索同时，本发明还利用了迀移学习的思想将过去的任务所得知识迀移至当前的目标任务中，加上所训练的模型具有可继承性，每次都有新的数据补充股票时间，目标模型在源模型的基础上继续训练新的数据，很快达到预期效果，加上旧版本的模型不会因为数据的更新而消失用处，检测模型会随着时间的推移而与数据的越来越多的愈来愈多。