【技术实现步骤摘要】
本专利技术涉及输电线路缺陷检测领域，具体涉及一种针对小尺寸和复杂形态的输电线路多类型缺陷检测方法。
技术介绍
1、随着电力技术的发展使得输电线路能够跨越更长的距离并建在复杂地形中。这增加了检测和维护的难度，并对传统的人工目测检测提出了更高的要求。无人机技术的发展为电力设备缺陷检测提供了新的解决方案。然而，无人机航拍在电力设备巡线检测中也存在一些局限性，受最近安全飞行距离、最大镜头焦距等因素的限制，捕捉到的部分缺陷目标较小(如：销钉缺损、防震锤缺失、小金具破损、螺母缺失等)或者被其他物体部分遮挡导致缺陷形状不规则和形态复杂，这容易造成小尺寸以及复杂形态缺陷的漏检或误检等问题。
2、随着深度学习技术在计算机视觉领域的应用，研究人员不断提出一些策略来提升对这些小尺寸和复杂形态缺陷的检测精度。使用深度学习模型(如faster r-cnn、ssd、yolo等)来检测不同尺度的缺陷。通过在多个尺度的特征图上进行检测，可以有效提高缺陷检测能力。比如：针对输电线路的锈蚀检测，现有技术一提出了一种带有特征增强机制的新型鲁棒快速r-cnn模型。并采用后端特征增强的思路。但这种方法增加了内存消耗，且对复杂形态缺陷效果不佳。现有技术二集成了软非最大抑制算法，解决了目标部件的遮挡问题。但基于r-cnn的算法在资源消耗方面和小尺寸缺陷检测仍存在局限。现有技术三通过结合特征金字塔网络(fpns)改进了faster r-cnn模型，用于定位复杂背景图像中的绝缘子，但模型参数量较大，对小尺寸效果一般。
3、在目标检测领域，yolov3和y
4、上述大多数目标检测框架，如faster r-cnn系列和yolo系列在检测形状明显、尺寸较大的零件方面表现良好，但对小型设备的细微缺陷和复杂形态的设备缺陷的检测精度较低。这些细微缺陷可能包括销钉缺损、防震锤缺失等，而复杂形态的缺陷可能具有不规则形状或被其他部件遮挡，给检测带来挑战。因此，到目前为止，现有算法在检测传输线缺陷，特别是小尺寸和复杂形态缺陷时，检测精度仍有很大的提升空间。
技术实现思路
1、针对现有技术中的上述不足，本专利技术提供的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法解决了现有技术对于输电线路小尺寸和复杂形态缺陷检测精度低的问题。
2、为了达到上述专利技术目的，本专利技术采用的技术方案为：
3、提供一种针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其包括以下步骤：
4、s1、通过将dcnv3模块与dlka模块串联，形成dcnv3_dlka模块；
5、s2、将dcnv3_dlka模块集成到c2f模块中，形成c2f_dcnv3_dlka模块；
6、s3、将yolov8模型的骨干网络中的c2f模块替换为c2f_dcnv3_dlka模块，得到drm-yolov8模型的骨干网络；
7、s4、构建drm-yolov8模型的颈部网络和检测头；
8、s5、将输电线路图像输入drm-yolov8模型的骨干网络，获取对应的输出特征；
9、s6、通过颈部网络对骨干网络的输出特征进行特征融合，得到若干深度特征；
10、s7、通过检测头对所有深度特征进行分类识别，获取输电线路缺陷信息。
11、进一步地，drm-yolov8模型的骨干网络包括依次连接的输入层、第一cbs模块、第二cbs模块、第一c2f_dcnv3_dlka模块、第三cbs模块、第二c2f_dcnv3_dlka模块、第四cbs模块、第三c2f_dcnv3_dlka模块、第五cbs模块、第四c2f_dcnv3_dlka模块和sppf模块；其中第一c2f_dcnv3_dlka模块、第二c2f_dcnv3_dlka模块、第三c2f_dcnv3_dlka模块和sppf模块的输出共同作为骨干网络的输出。
12、进一步地，将dcnv3_dlka模块集成到c2f模块中的具体方法为：
13、将c2f模块中的bottleneck子模块中的卷积层替换为dcnv3_dlka模块，得到c2f_dcnv3_dlka模块。
14、进一步地，drm-yolov8模型的颈部网络包括依次连接的第一上采样层、第一拼接层、第一rcsp模块、第二上采样层、第二拼接层、第二rcsp模块、第三上采样层、第三拼接层、第三rcsp模块、第六cbs模块、第四拼接层、第四rcsp模块、第七cbs模块、第五拼接层、第五rcsp模块、第八cbs模块、第六拼接层和第六rcsp模块；
15、第一上采样层的输入为sppf模块的输出；
16、第一拼接层的另一个输入为第三c2f_dcnv3_dlka模块的输出；
17、第二拼接层的另一个输入为第二c2f_dcnv3_dlka模块的输出；
18、第三拼接层的另一个输入为第一c2f_dcnv3_dlka模块的输出；
19、第四拼接层的另一个输入为第二rcsp模块的输出；
20、第五拼接层的另一个输入为第一rcsp模块的输出；
21、第六拼接层的另一个输入为sppf模块的输出；
22、第三rcsp模块的输出、第四rcsp模块的输出、第五rcsp模块的输出和第六rcsp模块的输出共同作为颈部网络输出的深度特征。
23、进一步地，每个rcsp模块均包括第一cbs子模块、第二cbs子模块、循环卷积子模块、第七拼接层和第三cbs子模块；
24、第一cbs子模块的输入端和第二cbs子模块的输入端共同作为其所在rcsp模块的输入端；
25、循环卷积子模块包括n个并行的cbs子模块，用于通过n个并行的cbs子模块分别对第一cbs子模块的输出和第二cbs子模块的输出进行处理，对应得到2n个处理后的特征；
26、第七拼接层，用于将循环卷积子模块输出的2n个处理后的特征沿通道维度进行拼接，并输出至第三cbs子模块；
27、第三c本文档来自技高网...
【技术保护点】
1.针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，DRM-YOLOv8模型的骨干网络包括依次连接的输入层、第一CBS模块、第二CBS模块、第一C2f_DCNv3_DLKA模块、第三CBS模块、第二C2f_DCNv3_DLKA模块、第四CBS模块、第三C2f_DCNv3_DLKA模块、第五CBS模块、第四C2f_DCNv3_DLKA模块和SPPF模块；其中第一C2f_DCNv3_DLKA模块、第二C2f_DCNv3_DLKA模块、第三C2f_DCNv3_DLKA模块和SPPF模块的输出共同作为骨干网络的输出。
3.根据权利要求1所述的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，将DCNv3_DLKA模块集成到C2f模块中的具体方法为：
4.根据权利要求2所述的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，DRM-YOLOv8模型的颈部网络包括依次连接的第一上采样层、第一拼接层、第一RCSP模块、第
5.根据权利要求4所述的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，每个RCSP模块均包括第一CBS子模块、第二CBS子模块、循环卷积子模块、第七拼接层和第三CBS子模块；
6.根据权利要求4所述的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，DRM-YOLOv8模型的检测头包括第一深度特征调整模块、第二深度特征调整模块、第三深度特征调整模块、第四深度特征调整模块、特征融合模块，以及四个检测模块；
7.根据权利要求1所述的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，输电线路缺陷包括小尺寸缺陷和复杂形态缺陷，其中小尺寸缺陷包括销钉缺损、防震锤缺失、小金具破损、螺母缺失；复杂形态缺陷包括通道异物、被遮蔽的鸟巢和马蜂窝；输电线路缺陷信息包括输电线路缺陷类别、位置和尺寸。
8.根据权利要求1所述的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，DRM-YOLOv8模型在训练过程中，优化器采用随机梯度下降，初始学习率为0.01，动量为0.9，训练次数为300，批大小为8，采用的输电线路图像尺寸为640×640，冲量为0.937，权值衰减为0.0005；损失函数Lyolov8由类别分类损失Lcls和边框回归损失Lreg组成，类别分类损失采用二元交叉熵损失LBCE，边框回归损失采用分布焦点损失LDFL和完全交联损失LCIoU，损失函数的表达式为：Lyolov8＝Lcls+Lreg＝LBCE+LDFL+LCIoU。
...【技术特征摘要】
1.针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，drm-yolov8模型的骨干网络包括依次连接的输入层、第一cbs模块、第二cbs模块、第一c2f_dcnv3_dlka模块、第三cbs模块、第二c2f_dcnv3_dlka模块、第四cbs模块、第三c2f_dcnv3_dlka模块、第五cbs模块、第四c2f_dcnv3_dlka模块和sppf模块；其中第一c2f_dcnv3_dlka模块、第二c2f_dcnv3_dlka模块、第三c2f_dcnv3_dlka模块和sppf模块的输出共同作为骨干网络的输出。
3.根据权利要求1所述的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，将dcnv3_dlka模块集成到c2f模块中的具体方法为：
4.根据权利要求2所述的针对小尺寸和复杂形态的输电线路多类型缺陷检测方法，其特征在于，drm-yolov8模型的颈部网络包括依次连接的第一上采样层、第一拼接层、第一rcsp模块、第二上采样层、第二拼接层、第二rcsp模块、第三上采样层、第三拼接层、第三rcsp模块、第六cbs模块、第四拼接层、第四rcsp模块、第七cbs模块、第五拼接层、第五rcsp模块、第八cbs模块、第六拼接层和第六rcsp模块；
5.根据权利要求4所述的针对小尺寸和复杂形态...
【专利技术属性】
技术研发人员：张凌浩，王勇，熊兴中，向思屿，滕予非，杜佩珂，毛洋，王晓辉，
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：
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。