(19)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 202211006355.2 (22)申请日 2022.08.22 (71)申请人 池州学院 地址 247000 安徽省池州市 建设西路169号 (72)发明人 刘传洋　刘姚军　刘景景　孙佐　 陈林　徐华结　陈士博　孔祥涛　 (74)专利代理 机构 合肥中博知信知识产权代理 有限公司 34142 专利代理师 管秋香 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种高压 输电线识别方法 (57)摘要 本发明提供一种高压输电线识别方法， 涉及 高压输电线特征提取技术领域， 利用语义分割网 络模型对航拍图像中输电线特征进行自动识别 与提取， 能够用训练好的模型有效提取出图像中 的输电线特征。 本发明以Res2Net残差模块作为 特征提取网络改进U ‑net网络模型， 通过对特征 通道进行分组， 以滤波器组的形式得到分层连 接， 获得多个粒度更细的感受野， 有效地提高线 性特征的提取能力； 在编码器与解码器对应层间 跨层连接SE模块， 通过对不同特征图赋 予相应的 注意力权重， 实现线性特征增强； 在编码器和解 码器的底层末端接入特征融合模块， 图像特征通 过空洞卷积进行多尺度映射， 获取全局信息， 提 高输电线的识别精度。 权利要求书2页 说明书5页 附图5页 CN 115424016 A 2022.12.02 CN 115424016 A 1.一种高压 输电线识别方法， 其特 征在于， 包括以下步骤： S1、 采用深度卷积神经网络构建用于高压 输电线识别的语义分割网络模型； S2、 在航拍输电线数据集上训练和优化 步骤S1建立的语义分割网络模型； S3、 将步骤S2训练好的语义分割网络模型加载到云平台服务器， 采集无人机航拍输电 线图像， 所述图像经过图像处理后传输给云平台服务器， 云平台服务器通过强化学习的方 式进一步优化训练语义分割网络模型； S4、 将步骤S3训练好的语义分割网络模型部署到边缘计算平台上进行高压输电线在线 识别。 2.如权利要求1所述的一种高压输电线识别方法， 其特征在于， 所述步骤S3语义分割网 络模型为改进的U ‑net网络模型， 由编码器、 特征融合模块、 解码器、 注意力机制 模块组成， 所述编码器的最底层与解码 器的最底层通过特征融合模块相连， 所述编码器的特征层除最 底层外分别通过注意力机制模块与解码器的相应特 征层相连。 3.如权利要求2所述的一种高压输电线识别方法， 其特征在于， 所述编码器包括第 一特 征层、 第二特征层、 第三特征层、 第四特征层、 第五特征层； 所述第一特征层、 第二特征层、 第 三特征层、 第四特征层、 第五特征层分别为残差模块， 所述第一特征层、 第二特征层、 第三特 征层、 第四特 征层、 第五特 征层通过最大池化层依次连接 。 4.如权利要求3所述的一种高压输电线识别方法， 其特征在于， 所述残差模块包括第 一 1*1卷积、 第二1*1卷积、 第一3*3卷积、 第二3*3卷积、 第三3*3卷积； 输入特征图X00通过第一 1*1卷积进行通道调整后， 将特征图平均 分成4组， 即特征图X01、 特征图X02、 特征图X03、 特 征图X04， 所述特征图X01直接输出特征图Y01， 特征图X02通过第一3*3卷积操作后输出特征 图Y02， 特征图X03和特征图Y02分别通过第二3*3卷积操作后融合输出特征图Y03， 特征图 X04和特征图Y03分别通过第三3*3卷积操作后融合输出特征图Y04， 特征图Y01、 特征图Y02、 特征图Y03、 特征图Y04先通过拼接Concat操作再经过第二1*1卷积调整通道后， 与输入 特征 图X00叠加Add输出特征图Y00。 5.如权利要求3所述的一种高压输电线识别方法， 其特征在于， 所述残差模块包括第 一 1*1卷积、 第二1*1卷积、 第一3*3卷积、 第二3*3卷积、 第三3*3卷积； 输入特征图X10通过第一 1*1卷积进行通道调整后， 将特征图平均 分成4组， 即特征图X11、 特征图X12、 特征图X13、 特 征图X14， 所述特征图X11直接输出特征图Y11， 特征图X12、 特征图Y11分别通过第一3*3卷积 操作后融合输出特征图Y12， 特征图X13、 特征图Y11和特征图Y12分别通过第二3*3卷积操作 后融合输出特征图Y13， 特征图X14、 特征图Y11、 特征图Y12和特征图Y13分别通过第三3*3卷 积操作后融合输出特征图Y14， 特征图Y11、 特征图Y12、 特征图Y13、 特征图Y14先通过拼接 Concat操作再 经过第二1*1卷积调整通道后， 与输入特 征图X10叠加Add输出特征图Y10。 6.如权利要求2所述的一种高压输电线识别方法， 其特征在于， 所述特征融合模块为由 4个空洞卷积构成的金字塔型模块， 所述4个空洞卷积为3*3卷积， 其膨胀率分别为1、 6、 12、 18， 所述4个空洞卷积并联连接， 输入 特征图与4个空洞卷积的并联输出拼接Concat操作后， 再经1*1卷积通道调整输出 特征图。 7.如权利要求2所述的一种高压输电线识别方法， 其特征在于， 所述注意力 机制模块为 Squeeze‑and‑Excitation(SE)模块， 所述SE模块包括全局平均池化层、 第一全连接层、 激活 函数层、 第二全连接层、 Sigmoid函数层； 输入特征图先经过全局平均池化层的池化操作后权　利　要　求　书 1/2 页 2 CN 115424016 A 2在第一全连接层处得到与通道数相对应的向量， 再通过通道压缩和激活函数层操作后在第 二全连接层处得到与通道数相等的向量， 最后经过Sigmoid函数层 归一化得到权重向量， 输 入特征图与相应的权 重向量相乘得到 输出特征图。权　利　要　求　书 2/2 页 3 CN 115424016 A 3