一种基于双分支串行混合注意力的输电线路缺陷检测方法技术

本发明专利技术提供了一种基于双分支串行混合注意力的输电线路缺陷检测方法，属于输电线路缺陷检测技术领域，该方法包括构建基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型，其中，所述基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型包括双分支串行混合注意力DBSA和特征金字塔WCFPN；利用基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型对输电线路进行缺陷检测。本发明专利技术解决了现有的输电线路缺陷检测方法不能很好地克服小目标和复杂背景两个难点的问题。的问题。的问题。

【技术实现步骤摘要】
一种基于双分支串行混合注意力的输电线路缺陷检测方法


[0001]本专利技术属于输电线路缺陷检测
，尤其涉及一种基于双分支串行混合注意力的输电线路缺陷检测方法。

技术介绍

[0002]随着我国电力需求的不断增长，我国输电线路的总长度也在迅速增加。作为电力系统重要的组成部分，输电线路的状况关系到电力系统的安全与稳定，因此，定期检查输电线路、及时发现输电线路的缺陷以防止大面积停电具有重大的研究意义。
[0003]在电力系统缺陷检测中，无人机巡检因其便捷的优点被广泛使用，但目前无人机采集的图片仍依赖人工肉眼检查，这种方式效率较低且容易造成漏检、误检的问题。近年来，深度学习与计算机视觉的快速发展，使得基于深度学习的目标检测、语义分割等算法在医疗、交通领域得到了广泛的应用，将这些目标检测算法用于输电线路缺陷检测可以让电网巡检变得更高效和智能。
[0004]基于深度学习的目标检测算法主要分为两类，一类是基于回归的单阶段算法，另一类是基于区域建议网络(RPN)的二阶段算法。但这类算法检测速度慢，不能满足电网巡检中的实时性要求。因此本专利技术主要研究单阶段目标检测算法，将其应用于输电线领域，准确高效地检测输电线路中的缺陷。
[0005]相较于一般的目标检测场景，输电线缺陷检测有以下难点：(1)缺陷尺寸小，无人机航拍的图片清晰度高，分辨率大，而异物、绝缘子自爆、销钉等尺寸较小，在整张图片中只占很小的比例，有些缺陷肉眼也难以分辨。(2)背景复杂，输电线路遍布全国各地，航拍的巡检图像背景各异，有山川、河流、树林和雪地等，大量的无关噪音给检测带来了很大干扰。
[0006]因此，现有的目标检测算法不能很好地克服小目标和复杂背景两个难点，其存在在输电线异物、绝缘子自爆、销钉缺失、水泥杆破损和防振锤损坏等场景检测精度低的问题。

技术实现思路

[0007]针对现有技术中的上述不足，本专利技术提供的一种基于双分支串行混合注意力的输电线路缺陷检测方法，解决了现有的输电线路缺陷检测方法不能很好地克服小目标和复杂背景两个难点的问题，以提高高分辨率巡检图片中复杂背景下缺陷的检测精度。
[0008]为了达到以上目的，本专利技术采用的技术方案为：本方案提供一种基于双分支串行混合注意力的输电线路缺陷检测方法，包括以下步骤：S1、构建基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型，其中，所述基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型包括双分支串行混合注意力DBSA和特征金字塔WCFPN；S2、利用基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型对输
电线路进行缺陷检测。
[0009]本专利技术的有益效果是：本专利技术提出了基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型，提出了DBSA注意力机制和WCFPN特征金字塔，设计了DBSA串行双分支混合注意力，让模型将更多的权重放到缺陷上，减少无关背景信息对检测的干扰。同时利用特征金字塔WCFPN，采用跨尺度融合和跳层连接让金字塔内部的输电线路特征发生更充分的交互，提高模型检测小目标的能力，解决了现有的输电线路缺陷检测方法不能很好地克服小目标和复杂背景两个难点的问题。
[0010]进一步地，所述步骤S1中构建基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型，其具体为：将双分支串行混合注意力DBSA嵌入至YOLOv7的主干网络Backbone中，并用特征金字塔WCFPN作为基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型的颈部结构Neck，完成对基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型的构建。
[0011]上述进一步方案的有益效果是：本专利技术在主干网络中加入双分支串行混合注意力DBSA，并利用特征金字塔WCFPN，提供了从早期节点到后期节点更有效的信息传输，在五个数据集上进行实验，取得了更高的缺陷检测精度。
[0012]再进一步地，所述步骤S2包括以下步骤：S201、获取输电线路数据，并对其进行数据增强处理；S202、将经增强处理后的输电线路数据输入至主干网络Backbone中；S203、利用主干网络Backbone和双分支串行混合注意力DBSA，提取三种不同大小的输电线路特征图；S204、将三种不同大小的输出电线特征图，利用特征金字塔WCFPN的跨尺度融合和跳跃连接对不同空间尺度和不同层次的潜在语义进行信息交换；S205、根据信息交换结果，利用基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型的检测头Head进行检测，得到输出线路缺陷的位置和种类，完成对输电线路的缺陷检测。
[0013]上述进一步方案的有益效果是：本专利技术利用双分支串行混合注意力DBSA来增强模型的特征提取能力，让深度神经网络模型充分关注缺陷的信息，抑制背景等无关信息，同时让特征金字塔WCFPN的高层语义信息和底层空间信息发生更充分的交互，提升模型检测小目标的能力，从而更好地检测到输电线路中的缺陷。
[0014]再进一步地，所述步骤S203包括以下步骤：S2031、对输入的经增强处理后的输电线路数据，经卷积网络提取得到三个不同大小的原始特征图，将不同大小的特征图沿高度和宽度两个分支分别进行全局平均池化压缩处理，生成输电线路宽度特征f1和输电线路高度特征f2；S2032、将输电线路宽度特征f1和输电线路高度特征f2分别沿通道维度取平均值，生成一维输电线路宽度信息g1和一维输电线路高度信息g2；S2033、根据一维输电线路宽度信息g1和一维输电线路高度信息g2，利用一维卷积运算得到一维输电线路宽度注意力因子和一维高度输电线路高度注意力因子；S2034、根据一维输电线路宽度注意力因子和一维高度输电线路高度注意力因子，
计算得到三个不同大小特征图的输电线路空间注意力；S2035、利用三个不同大小特征图的输电线路空间注意力对三个不同大小的原始特征图进行重新校准计算，得到经双分支串行混合注意力DBSA提取的三种不同大小的输电线路特征图。
[0015]上述进一步方案的有益效果是：本专利技术利用双分支串行混合注意力DBSA来增强模型的特征提取能力，让模型充分关注缺陷的信息，抑制背景等无关信息。
[0016]再进一步地，所述输电线路宽度特征f1和输电线路高度特征f2的表达式如下：的表达式如下：其中，表示输电线路的宽度特征，表示输电线路特征图的第j列，表示输电线路特征图的第z个通道，表示输电线路特征图上的第i行、第j列以及第z个通道的特征值，表示输电线路特征图的第i行，表示输电线路的高度特征，、和分别表示高度h、宽度w以及通道c的下标，、和分别表示、和的最大值。
[0017]上述进一步方案的有益效果是：本专利技术将特征信息分别沿高度和宽度进行压缩，让模型提取到输入信息的宽度特征和高度特征。
[0018]再进一步地，所述一维输电线路宽度信息g1和一维输电线路高度信息g2的表达式如下：如下：其中，表示输电线路特征图沿第j列压缩后的宽度信息，表示输电线路特征图沿第i行压缩后的高度信息。
[001本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双分支串行混合注意力的输电线路缺陷检测方法，其特征在于，包括以下步骤：S1、构建基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型，其中，所述基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型包括双分支串行混合注意力DBSA和特征金字塔WCFPN；S2、利用基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型对输电线路进行缺陷检测。2.根据权利要求1所述的基于双分支串行混合注意力的输电线路缺陷检测方法，其特征在于，所述步骤S1中构建基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型，其具体为：将双分支串行混合注意力DBSA嵌入至YOLOv7的主干网络Backbone中，并用特征金字塔WCFPN作为基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型的颈部结构Neck，完成对基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型的构建。3.根据权利要求2所述的基于双分支串行混合注意力的输电线路缺陷检测方法，其特征在于，所述步骤S2包括以下步骤：S201、获取输电线路数据，并对其进行数据增强处理；S202、将经增强处理后的输电线路数据输入至主干网络Backbone中；S203、利用主干网络Backbone和双分支串行混合注意力DBSA，提取三种不同大小的输电线路特征图；S204、将三种不同大小的输出电线特征图，利用特征金字塔WCFPN的跨尺度融合和跳跃连接对不同空间尺度和不同层次的潜在语义进行信息交换；S205、根据信息交换结果，利用基于双分支串行混合注意力的输电线路缺陷检测深度神经网络模型的检测头Head进行检测，得到输出线路缺陷的位置和种类，完成对输电线路的缺陷检测。4.根据权利要求3所述的基于双分支串行混合注意力的输电线路缺陷检测方法，其特征在于，所...

【专利技术属性】
技术研发人员：张凌浩，向思屿，邝俊威，常政威，滕予非，王红军，刘春，王胜，刘雪原，唐超，魏阳，陈玉敏，
申请(专利权)人：国网四川省电力公司电力科学研究院，
类型：发明
国别省市：