【技术实现步骤摘要】
本专利技术涉及一种电力计量箱三维外观缺陷检测方法，属于图像处理。
技术介绍
1、电力系统的正常运行在工业和人们生活中有十分重要的作用，电力计量箱作为其中关键的一部分，确保其安全且稳定的运行非常重要。近些年，由于市场监管不严格、缺乏有效的技术手段等原因，电力盗窃现象屡屡发生，不仅浪费能源资源，还会对电网的安全和稳定性造成影响。因此，研究反窃电技术，确保电力计量箱安全稳定运行很有必要。
2、传统反窃电主要依赖于人工巡检，这种方式效率较低、人力资源消耗较大，不利于反窃电工作高效进行。近年来，新型电力计量箱、防窃电器等装置的出现，一定程度上起到了反窃电作用，缓解了人工巡检带来的效率低下等问题。然而，这些设备无法在短时间内实现全面覆盖且成本较高；通过可见光相机获得电力计量箱图像，对电力计量箱表面进行深度估计及缺陷检测，电力计量箱出现缺陷进行及时反馈预警的方法，可以及时发现窃电行为，并对窃电行为进行干预。因此，在反窃电方面有重要的作用。
技术实现思路
1、本专利技术所要解决的技术问题是：如何实现有效提高电力计量箱表面缺陷检测的精度。
2、为解决上述技术问题，本专利技术提供一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，包括以下步骤：
3、s1、获取电力计量箱表面图像；
4、s2、对电力计量箱图像进行多层次特征提取与特征变换，将每次特征变换后与变换前的特征进行融合，得到多个融合特征；
5、s3、对步骤s2得到的每个融合特征分
6、s4、对最终优化特征图进行解码，并进行损失值训练，获得离散的深度图，再将离散的深度图重建为深度值连续的平滑深度图；
7、s5、对步骤s4得到的单目图像的平滑深度图和步骤s1得到的rgb图像进行特征提取，通过特征提取子网络获得扩张后的rgb特征与深度特征，将扩张后的rgb特征进行堆叠获得rgb扩张图像特征，将扩张后的深度图像进行堆叠获得深度扩张图像特征；
8、s6、利用跨模态特征融合模块将rgb扩张图像特征与深度扩张图像特征进行融合，生成融合特征图；
9、s7、对最终融合特征图进行特征解码，实现电力计量箱的缺陷定位与检测。
10、前述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，在步骤s2中，包括以下步骤：
11、s21、利用编码器对步骤s1获得的单目图像进行编码操作，所述编码器包括七个卷积块和三个特征变换模块，所述卷积块用于捕获包含纹理信息和几何结构信息的高分辨率特征及包含语义信息的低分辨率特征，所述特征变换模块用于将高分辨率特征与分层的低分辨率特征进行融合；
12、在编码器中，通过第i个卷积块后得到卷积特征fci∈rh×w×c,i＝1,2,...,7，通过第i个特征变换模块后得到特征映射ffi∈rh×w×c,i＝1,2,3；r表示实数集合，w,h,c表示特征的维度，w表示特征图的宽度，h表示特征图的高度，c表示特征图的通道数；
13、s22、卷积特征一fc1∈rh×w×c即为融合特征一f1∈rh×w×c；
14、卷积特征三fc3∈rh×w×c与特征映射一ff1∈rh×w×c进行相加生成融合特征二f2∈rh×w×c；
15、卷积特征五fc5∈rh×w×c与特征映射二ff2∈rh×w×c进行相加生成融合特征三f3∈rh×w×c；
16、卷积特征七fc7∈rh×w×c与特征映射三ff3∈rh×w×c进行相加生成融合特征四f4∈rh×w×c。
17、前述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，在步骤s21中，所述特征变换模块包括1×1卷积层和1×1最大池化层，所述1×1卷积层用于增加低级特征图中的通道数，使低级特征图与高级特征图中的通道一致；所述1×1最大池化层用于将低级特征图重塑为与高级特征图相同的尺度，从而保留丰富的细节并重建质量更高的深度图。
18、前述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，在步骤s3中，包括以下步骤：
19、s31、将步骤s22得到的融合特征一f1∈rh×w×c输入到1×1卷积层，压缩通道数，获得通道压缩后的压缩融合特征一f1_conv，将压缩融合特征一f1_conv的维度重塑为其中n＝h×w，将重塑的压缩融合特征一f1_reshape进行转置生成转置特征f11，转置特征f11与重塑的压缩融合特征一f1_reshape进行逐像素相乘操作生成合成特征f12，再利用softmax函数有选择地学习边界特征，获得空间权重图w1s∈rn×n，ωvu∈w1s计算为：
20、
21、其中f1v是压缩融合特征一f1_conv的转置特征f11中的第v个像素，f2u是压缩融合特征一f1_conv中的第u个像素；
22、再对重塑的压缩融合特征一f1_reshape和空间权重图w1s的转置进行逐像素相乘操作，并进行维度重塑，获得再次重塑的特征图f1re，将再次重塑的特征图f1re与压缩融合特征一f1_conv进行逐像素求和操作，输出包含丰富边界信息的最终的边缘增强特征图一f1_edge；
23、s32、重复步骤s31对步骤s22获得的融合特征二f2∈rh×w×c、融合特征三f3∈rh×w×c、融合特征四f4∈rh×w×c进行边缘增强，获得最终的边缘增强特征图二f2_edge、边缘增强特征图三f3_edge、边缘增强特征图四f4_edge。
24、s33、对边缘增强特征图一f1_edge基于两个维度压缩，分别获得基于最大池化和平均池化的池化特征图池化后的特征图分别先通过一个全连接减小通道数，再通过另一个全连接恢复通道数得到恢复特征图将两张恢复特征图在通道维度进行堆叠获得堆叠特征f′d1∈rh×w×c，再经过sigmoid激活函数将堆叠特征图f′d1∈rh×w×c的每个通道的权重归一化到0-1之间，将归一化后的权重和输入的边缘增强特征图一f1_edge进行逐像素相乘操作，获得通道增强特征图一f1_channel；
25、对通道增强特征图一f1_channel做最大池化和平均池化，分别获得两张不同维度的特征图将两个维度的特征图在通道维度进行堆叠，通过卷积操作融合通道信息获得融合通道信息的特征图再经过sigmoid函数对融合通道信息的特征图的空间权重归一化，将归一化后的权重和输入的通道增强特征图一f1_channel进行逐像素相乘得到注意力增强特征图一f1_attention；
26、s34、重复步骤s33对步骤s32得到的边缘增强特征图二f2_edge、边缘增强特征图三f3_edge、边缘增强特征图四f4_edge进行注意力增强，最终获得在本文档来自技高网...
【技术保护点】
1.一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于：在步骤S2中，包括以下步骤：
3.根据权利要求2所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，在步骤S21中，所述特征变换模块包括1×1卷积层和1×1最大池化层，所述1×1卷积层用于增加低级特征图中的通道数，使低级特征图与高级特征图中的通道一致；所述1×1最大池化层用于将低级特征图重塑为与高级特征图相同的尺度，从而保留丰富的细节并重建质量更高的深度图。
4.根据权利要求3所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于：在步骤S3中，包括以下步骤：
5.根据权利要求4所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于：在步骤S4中，包括以下步骤：
6.根据权利要求5所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于：在步骤S5中，包括以下
7.根据权利要求6所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于：在步骤S6中，包括以下步骤：
8.根据权利要求7所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于：在步骤S7中，对最终融合特征f进行下采样，将特征信息从更高的分辨率传输到较低的分辨率，再进行上采样，完成缺陷检测任务。
9.一种计算机装置，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1－8任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1－8任一项所述方法的步骤。
...【技术特征摘要】
1.一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于：在步骤s2中，包括以下步骤：
3.根据权利要求2所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，在步骤s21中，所述特征变换模块包括1×1卷积层和1×1最大池化层，所述1×1卷积层用于增加低级特征图中的通道数，使低级特征图与高级特征图中的通道一致；所述1×1最大池化层用于将低级特征图重塑为与高级特征图相同的尺度，从而保留丰富的细节并重建质量更高的深度图。
4.根据权利要求3所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于：在步骤s3中，包括以下步骤：
5.根据权利要求4所述的一种基于可见光图像深度估计的电力计量箱三维外观缺陷检测方法，其特征在于：在步骤s4...
【专利技术属性】
技术研发人员：方保民，李庆武，任建民，贺卫刚，薛晓慧，孟凡领，惠远鑫，郭旭鹏，王浩，陈万红，
申请(专利权)人：国网青海省电力公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。