(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 202111654242.9 (22)申请日 2021.12.3 0 (71)申请人 南方电网大 数据服务有限公司 地址 510800 广东省广州市花都区新 华街 红珠路5-1 (72)发明人 陈承志　钱林钧　杨凯　李站　 杨荣霞　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 代理人 关志琨 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/25(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 基于图像识别的异物检测方法、 装置、 设备、 介质和产品 (57)摘要 本申请涉及智能检测技术领域， 提供了一种 基于视频图像识别的配电房异物检测方法、 装 置、 计算机设备、 存储介质和计算机程序产品。 本 申请能够实现提高对配电房的异物检测的准确 性。 该方法包括： 获取配电房的待检测图像， 将待 检测图像进行噪声去除处理， 得到预处理图像， 将预处理图像输入至异物检测模 型， 得到配电房 的异物检测结果， 其中， 异物检测模型基于卷积 神经网络构建， 卷积神经网络的网络层包括卷积 层和下采样层， 卷积神经网络的卷积层的各神经 元基于局部感受野方式进行局部连接， 卷积神经 网络的每一映射面上对应的各神经元的权值相 等。 权利要求书2页 说明书8页 附图4页 CN 114332767 A 2022.04.12 CN 114332767 A 1.一种基于 视频图像识别的配电房异 物检测方法， 其特 征在于， 所述方法包括： 获取配电房的待检测图像； 将所述待检测图像进行噪声 去除处理， 得到预处 理图像； 将所述预处 理图像输入至异 物检测模型， 得到所述配电房的异 物检测结果； 其中， 所述异物检测模型基于卷积神经网络构建； 所述卷积神经网络的网络层包括卷积层和 下采样层； 所述卷积神经网络的卷积层的各神经元基于局部感受野方式进行局部连接； 所 述卷积神经网络的每一映射 面上对应的各神经 元的权值相等。 2.根据权利要求1所述的方法， 其特征在于， 所述卷积神经网络的感受野的输入通过卷 积数字滤波器映射至卷积层。 3.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 基于Tensorfo lw深度学习框架对所述异 物检测模型进行训练。 4.根据权利要求3所述的方法， 其特征在于， 所述基于Tensorfolw深度学习框架对所述 异物检测模型进行训练， 包括： 基于Tensorfolw深度学习框架， 通过包含多种 异物形状信息的多个样本的样本库对所 述异物检测模型进行训练。 5.根据权利要求1所述的方法， 其特征在于， 所述将所述预处理图像输入至所述异物检 测模型， 得到所述配电房的异 物检测结果之后， 所述方法还 包括： 若所述配电房的异 物检测结果 为有异物， 则将告警信息发送至现场人员终端； 若所述配电房的异物检测结果为无异物， 则执行所述获取配电房的待检测图像的步 骤。 6.根据权利要求1至5任意一项所述的方法， 其特征在于， 所述获取配电房的待检测图 像， 包括： 获取用于监测所述配电房的视频； 根据预设的视频选帧间隔从所述视频中选取 所述待检测图像。 7.一种基于 视频图像识别的配电房异 物检测装置， 其特 征在于， 所述装置包括： 图像获取模块， 用于获取配电房的待检测图像； 图像得到模块， 用于将所述待检测图像进行噪声 去除处理， 得到预处 理图像； 结果得到模块， 用于将所述预处理图像输入至异物检测模型， 得到所述配电房的异物 检测结果； 其中， 所述异物检测模型基于卷积神经网络构建； 所述卷积神经网络的网络层包括卷积层和 下采样层； 所述卷积神经网络的卷积层的各神经元基于局部感受野方式进行局部连接； 所 述卷积神经网络的每一映射 面上对应的各神经 元的权值相等。 8.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 6中任一项所述的方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 6中任一项所述的方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行权　利　要　求　书 1/2 页 2 CN 114332767 A 2时实现权利要求1至 6中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114332767 A 3