一种输变电设备图像数据自动标注方法技术

本发明专利技术公开了一种输变电设备图像数据自动标注方法，属于数据标注技术领域，目的在于提供一种输变电设备图像数据自动标注方法，解决现有技术标注效率低、标注准确率低的问题。其基于目标检测可以实现输变电设备图像数据的自动标注，且不易出错，处理速度快，对图片拍摄环境的适应性强，大大提高了标注效率。通过引入池化模块，可接收不同大小的区域然后归一化到固定大小的特征图输出，CNN模块的神经网络模型就可以使用不同尺寸的图像作为输入进行检测，提高了标注效率和标注精准度。本发明专利技术适用于输变电设备图像数据自动标注方法。适用于输变电设备图像数据自动标注方法。适用于输变电设备图像数据自动标注方法。

【技术实现步骤摘要】
一种输变电设备图像数据自动标注方法


[0001]本专利技术属于数据标注
，具体涉及一种输变电设备图像数据自动标注方法。

技术介绍

[0002]输变电设备是输电网络的基础，输变电设备的损坏会造成输电中断或者电压波动，直接影响人们的日常生活，目前电力系统内各种输变电设备数量越来越多，分布范围越来越广，相应的运行维护量也变得越来越大，传统低效的人工巡检方式越来越不满足电网对于输变电设备巡检的需求，使用计算机来完成大量的输变电设备巡检工作已经成为智能巡检技术升级的趋势，在对采集的图像数据进行输变电设备的标注时仍存在以下问题：
[0003]1、由于输变电设备图像数量庞大，人工标注耗时长，且由于输变电设备运行情况复杂，图像易受光照等外界因素的影响，增大了标注难度；
[0004]2、若使用计算机深度学习网络来进行输变电设备图像数据的自动标注，对于传统的CNN网络，网络的输入图像的尺寸必须是固定大小的，同样网络的输出也是固定的，因此只能对图片进行调整比例或缩放裁剪来达到这一要求，但对于检测任务来说，由于输变电设备图像会因为缩放等原因而造成目标信息难以捕捉以至于检测结果不理想。

技术实现思路

[0005]本专利技术的目的在于：提供一种输变电设备图像数据自动标注方法，解决现有技术标注效率低、标注准确率低的问题。
[0006]本专利技术采用的技术方案如下：
[0007]一种输变电设备图像数据自动标注方法，包括以下步骤：
[0008](1)输入输变电设备的原始图片，图像预处理模块对输入的输变电设备的原始图片进行标注，标注后形成标注文件，标注内容包括图片中目标类别、目标位置信息；
[0009](2)图片经预处理模块处理后，再通过CNN模块提取出特征图；
[0010](3)通过区域建议网络生成图像的候选框，采用滑动窗的方式对提取出的特征图进行遍历卷积，并针对每一个滑动窗的中心点，在特征图上生成一个锚点与之对应，然后以该锚点为中心，在特征图上生成预定义的若干个锚点框覆盖特征图中的所有目标，最后将遍历卷积的结果输入区域建议网络内的子全连接层完成分类和定位，获得区域建议信息。
[0011](4)将区域建议网络将生成的区域建议信息和CNN模块提取出特征图输入到池化模块，池化模块基于原始图片输出的特征图与区域建议网络(RPN)生成的区域建议信息，对得到区域建议的特征图做兴趣区域池化，将不同大小的区域归一化到固定大小的特征图；
[0012](5)将归一化的特征图输入到全连接层，对锚点框内的内容类别进行分类，完成输变电设备图像数据标注。
[0013]进一步地，所述步骤(3)中，区域建议网络内的子全连接层完成分类和定位的具体步骤为：分类子全连接层将锚点框进行前景和背景分类，将前景作为候选区域，定位子全连
接层结合前景锚点框的建议，产生边框回归修正的偏移量，获得区域建议，并剔除太小或超出边界的建议前景锚点框。
[0014]进一步地，所述步骤(1)中，图像预处理模块基于输入的输变电设备的原始图片对数据集进行增广。
[0015]进一步地，所述数据集进行增广的方式包括对输变电设备的原始图片进行随机旋转、对输变电设备的原始图片进行水平上下位置的随机移动、对输变电设备的原始图片沿X轴或Y轴翻转、对输变电设备的原始图片进行随机颜色抖动。
[0016]进一步地，所述CNN模块采用ResNet特征提取网络。
[0017]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0018]1、本专利技术中，基于目标检测可以实现输变电设备图像数据的自动标注，且不易出错，处理速度快，对图片拍摄环境的适应性强，大大提高了标注效率。
[0019]2、本专利技术中，通过引入池化模块，可接收不同大小的区域然后归一化到固定大小的特征图输出，CNN模块的神经网络模型就可以使用不同尺寸的图像作为输入进行检测，提高了标注效率和标注精准度。
附图说明
[0020]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图，其中：
[0021]图1为本专利技术的流程示意图；
具体实施方式
[0022]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。
[0023]因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0024]一种输变电设备图像数据自动标注方法，包括以下步骤：
[0025](1)输入输变电设备的原始图片，图像预处理模块对输入的输变电设备的原始图片进行标注，标注后形成标注文件，标注内容包括图片中目标类别、目标位置信息；
[0026](2)图片经预处理模块处理后，再通过CNN模块提取出特征图；
[0027](3)通过区域建议网络生成图像的候选框，采用滑动窗的方式对提取出的特征图进行遍历卷积，并针对每一个滑动窗的中心点，在特征图上生成一个锚点与之对应，然后以该锚点为中心，在特征图上生成预定义的若干个锚点框覆盖特征图中的所有目标，最后将遍历卷积的结果输入区域建议网络内的子全连接层完成分类和定位，获得区域建议信息。
[0028](4)将区域建议网络将生成的区域建议信息和CNN模块提取出特征图输入到池化
模块，池化模块基于原始图片输出的特征图与区域建议网络(RPN)生成的区域建议信息，对得到区域建议的特征图做兴趣区域池化，将不同大小的区域归一化到固定大小的特征图；
[0029](5)将归一化的特征图输入到全连接层，对锚点框内的内容类别进行分类，完成输变电设备图像数据标注。
[0030]进一步地，所述步骤(3)中，区域建议网络内的子全连接层完成分类和定位的具体步骤为：分类子全连接层将锚点框进行前景和背景分类，将前景作为候选区域，定位子全连接层结合前景锚点框的建议，产生边框回归修正的偏移量，获得区域建议，并剔除太小或超出边界的建议前景锚点框。
[0031]进一步地，所述步骤(1)中，图像预处理模块基于输入的输变电设备的原始图片对数据集进行增广。
[0032]进一步地，所述数据集进行增广的方式包括对输变电设备的原始图片进行随机旋转、对输变电设备的原始图片进行水平上下位置的随机移动、对输变电设备的原始图片沿X轴或Y轴翻转、对输变电设备的原始图片进行随机颜色抖动。
[0033]进一步地，所述CNN模块采用ResNet特征提取网络。
[0034]本专利技术在实施过程中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输变电设备图像数据自动标注方法，其特征在于，包括以下步骤：(1)输入输变电设备的原始图片，图像预处理模块对输入的输变电设备的原始图片进行标注，标注后形成标注文件，标注内容包括图片中目标类别、目标位置信息；(2)图片经预处理模块处理后，再通过CNN模块提取出特征图；(3)通过区域建议网络生成图像的候选框，采用滑动窗的方式对提取出的特征图进行遍历卷积，并针对每一个滑动窗的中心点，在特征图上生成一个锚点与之对应，然后以该锚点为中心，在特征图上生成预定义的若干个锚点框覆盖特征图中的所有目标，最后将遍历卷积的结果输入区域建议网络内的子全连接层完成分类和定位，获得区域建议信息。(4)将区域建议网络将生成的区域建议信息和CNN模块提取出特征图输入到池化模块，池化模块基于原始图片输出的特征图与区域建议网络(RPN)生成的区域建议信息，对得到区域建议的特征图做兴趣区域池化，将不同大小的区域归一化到固定大小的特征图；(5)将归一化的特征图输入到全连接层，对锚点框内的内容类别进行分类，完成输...

【专利技术属性】
技术研发人员：陈亮，刘垚宏，李诚，徐彤，易伟，喻婷，杨斯旭，唐海东，汪晓帆，
申请(专利权)人：国网四川省电力公司眉山供电公司，
类型：发明
国别省市：