(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111633194.5 (22)申请日 2021.12.28 (71)申请人 广东电网有限责任公司 地址 510600 广东省广州市越秀区东 风东 路757号 申请人 广东电网有限责任公司肇庆供电局 (72)发明人 吴泳中　何彧　陈海洋　潘斯铭　 陈宇婷　莫建挥　岳宏亮　莫定佳　 王伟光　卢剑桃　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 代理人 彭祯奇 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/08(2006.01)G06T 7/00(2017.01) G06V 10/764(2022.01) G06V 10/774(2022.01) (54)发明名称 基于背景分类与迁移学习的绝缘子检测方 法 (57)摘要 本发明涉及电力巡检图像处理技术领域， 公 开了一种基于背景分类与迁移学习的绝缘子检 测方法， 通过构建绝缘子检测数据集， 对绝缘子 检测数据集进行预处理。 利用单阶段目标检测器 对预处理后的绝缘子检测数据集进行迁移学习 训练， 得到初始绝缘子检测模型， 将绝缘子检测 数据集按按背景类别划分为多个数据集， 在每个 数据集标注相应的背景类别， 利用初始绝缘子检 测模型分别对 各个数据集进行迁移学习训练， 以 得到不同背景类别下的绝缘子目标检测模型， 计 算不同背景类别下的绝缘子目标检测模型检测 相应的数据集检测的准确率， 直到各背景下绝缘 子检测的准确率均达到设定值， 从而提高了绝缘 子检测的准确率。 权利要求书4页 说明书9页 附图1页 CN 114330548 A 2022.04.12 CN 114330548 A 1.一种基于背景分类与迁移学习的绝 缘子检测方法， 其特 征在于， 包括以下步骤： 步骤一、 获取若干 张配网巡检线路图像， 利用labelme软件在每张配 网巡检线路图像上 用矩形框标注绝缘子所在的位置， 并生成标注文件， 构成绝缘子检测数据集， 所述标注文件 包括目标位置坐标和类别 信息； 步骤二、 对所述绝缘子检测数据集进行预处理， 所述预处理的方式包括直方图均衡化 算法、 图像滤波算法和图像锐化； 步骤三、 利用单阶段目标检测器对预处理后的绝缘子检测数据集进行迁移学习训练， 得到初始 绝缘子检测模 型， 所述单阶段目标检测器以ResNeSt卷积网络作为骨干网络， 并以 特征金字塔BiFPN作为特征提取网络， 所述ResNeSt卷积网络在ImageNet深度学习网络中进 行预训练得到； 步骤四、 将所述绝缘子检测数据集按背景类别划分为多个数据集， 在每个数据集标注 相应的背景类别； 步骤五、 利用所述初始绝缘子检测模型分别对各个数据集进行迁移学习训练， 以得到 不同背景类别下的绝 缘子目标检测模型； 步骤六、 计算不同背景类别下的绝缘子目标检测模型检测相应的数据集检测的准确 率， 若准确 率低于预设的准确 率阈值， 则对相 应背景类别下 的绝缘子目标检测模型 的网络 参数进行更新， 并执行步骤五， 直至绝缘子目标检测模型 的准确率均达到预设的准确 率阈 值， 输出最佳的绝 缘子目标检测模型。 2.根据权利要求1所述的基于背景分类与迁移学习的绝缘子检测方法， 其特征在于， 步 骤一具体包括： 基于无人机获取若干张配网巡检线路图像； 利用labelme软件设定加载配网巡检线路图像， 利用矩形框对所述配网巡检线路图像 中的绝缘子进行框 选标注， 生成标注文件， 构成绝 缘子检测数据集。 3.根据权利要求1所述的基于背景分类与迁移学习的绝缘子检测方法， 其特征在于， 利 用直方图均衡化 算法对所述 绝缘子检测数据集进行 预处理的过程具体为： 根据直方图均衡化前的配网巡检线路图像的像素个数和灰度级深度， 计算直方图均衡 化后的配网巡检线路图像的频率密度为， 式中， HB(D)表示直方图均衡化后的配网巡检线路图像的频率密度， A0表示直方图均衡 化前的配网巡检线路图像的像素个数， L表示直方图均衡化前的配网巡检线路图像的灰度 级深度； 设直方图均衡化前的配网巡检线路图像A的灰度值DA通过灰度值变换函数映射为直方 图均衡化后的配网巡检线路图像中的灰度值DB， 即DB＝f(DA)， f(DA)表示灰度值变换函数， 则灰度值DA在[0,DA]内的像素个数与灰度值DB在[0,DB]内的像素个数相等， 即 对上式求 解得到灰度值变换函数f(DA)为，权　利　要　求　书 1/4 页 2 CN 114330548 A 2将灰度值变换函数f(DA)离散化， 得到离散化灰度值变换函数f ′(DA)， 将直方图均衡化 前的配网巡检线路 图像A中的每个像素输入至所述离散化灰度值变换函数f ′(DA)中， 得到 直方图均衡化后的配网巡检线路图像B的灰度值DB， 从而实现对所述绝缘子检测数据集中 每张配网巡检线路图像进行直方图均衡化， 其中， 灰度值DB为， 4.根据权利要求1所述的基于背景分类与迁移学习的绝缘子检测方法， 其特征在于， 利 用图像滤波算法对所述 绝缘子检测数据集进行 预处理的过程具体为： 基于中值滤波器对绝缘子检测数据集中的配网巡检线路图像进行滤波， 设所述配网巡 检线路图像中第i行第j列的像素值为p(i,j)， 则经中值滤波器滤波得到该位置的像素值 为， med({p(i+x,j+y)|x∈{ ‑1,0,1},y∈{ ‑1,0,1}}) 式中med(·)为取集合元素中位数的函数， p(i+x,j+y)为经中值滤波器滤波后的像素 值； 利用高斯滤波器对中值滤波器滤波后配网巡检线路图像进行滤波去噪， 经高斯滤波后 的像素值 为 式中， σ 为给定的像素值标准差 。 5.根据权利要求1所述的基于背景分类与迁移学习的绝缘子检测方法， 其特征在于， 利 用图像锐化对所述 绝缘子检测数据集进行 预处理的过程具体为： 计算绝缘子检测数据集中的配网巡检线路图像的像素值的二阶偏导数为， 式中， p0(i,j)为拉普拉斯算子作用于配网巡检线路图像的像素点前的 图像第i行第j列 像素点的灰度值； 计算拉普拉斯 算子作用于配网巡检线路图像的像素点后的灰度值 为， 权　利　要　求　书 2/4 页 3 CN 114330548 A 3