【技术实现步骤摘要】
本专利技术属于图像处理，具体涉及基于dham-yolo算法模型的输电线路覆冰检测方法。
技术介绍
1、在电力网络中，输电线路承担着重要的电能传输任务。由于输电线路安装环境的多样性和线路分布的广泛性，可能会出现一些潜在的风险，如输电线路被冰雪覆盖、绝缘子结冰等。在不同情况下，覆冰对电网系统构成严重威胁可能会导致严重的线路滑行、相间跳闸等，事故的发生也给生产和日常工作带来诸多不便。国内外许多地区都发生过线路结冰灾害，对输电线路的电力系统造成了严重危害。因此，对输电线路覆冰的实时监测对电力系统能够保持安全且稳定地向用户供电起着至关重要的作用。
2、为了提高电网系统在寒冷环境中的稳定性，图像检测法是非接触式覆冰检测的主流方法。在图像检测领域中，深度学习被广泛运用于输电线路智能巡检，因为其具有强大的特征学习和表示能力，能够从大量数据中学习到复杂的特征表达，更适应于处理复杂场景下的覆冰检测任务。
技术实现思路
1、本专利技术的目的是提供一种输电线路覆冰检测方法，基于dham-yolo检测算法模型，首先，本专利技术给出dham-yolo的实际应用场景参考示例，用以说明本章算法的特点。然后，提出dham模块，对backbone层输出的特征图进行多尺度特征提取，之后进行深度可分离卷积并融合与加权，再经过sigmoid函数达到目标通道信息提取。同时，本专利技术在neck层的bottleneck结构中加入msrcm用于提高识别多尺度目标准确性。最后，通过不同注意力机制、消融实验、目标检测、训
2、本专利技术的技术方案是，一种输电线路覆冰检测方法，具体按照以下步骤实施：
3、步骤1、采集输电线路覆冰图像，对采集的输电线路覆冰图像进行预处理，并对图像数据集进行标注，划分为训练集、验证集和测试集；
4、步骤2、构造深度特征提取模块dfeb，从而引入多尺度残差卷积模块msrcm；
5、步骤3、提出深度混合注意力模块dham，进行dham-yolo检测算法模型设计和训练；
6、步骤4、将步骤1测试集中图像输入到步骤3训练后的dham-yolo检测算法模型中进行检测，获得输电线路覆冰检测结果图。
7、进一步地，所述步骤1具体按照以下步骤实施：
8、步骤1.1、通过无人机或固定摄像头获取大量现场图像，包括各种输电线路和绝缘子覆冰图像，通过近景和特写的图像，保证每个类型输电线路和绝缘子覆冰雪的图像；
9、步骤1.2、将步骤1.1获得的输电线路覆冰图像进行数据增强和扩充，包括镜像、旋转、翻转、色调调整、调整对比度和亮度的处理，从而得到扩充的输电线路覆冰图像；
10、步骤1.3、将步骤1.1中获得的输电线路覆冰图像和步骤1.2获得的扩充的输电线路覆冰图像共同作为输电线路覆冰图像集，按照8：1：1划分为训练集、验证集和测试集。
11、进一步地，所述步骤2具体按照以下步骤实施：
12、步骤2.1、首先提出了深度特征提取模块dfeb，采用深度卷积和点卷积相结合的方法来提取不同尺度目标的多层次特征；
13、具体方法如下：dfeb模块首先通过深度卷积后输出，再应用一个1×1×c的卷积核，对特征图进行混合和整合，生成最终的输出特征图；然后，dfeb模块执行一个归一化(bn)过程；最后，应用relu线性激活函数，确保每一层网络作为输入都有一致的分布特性；；dfeb模块的计算方程，如公式(1)所示：
14、
15、其中xi表示每个通道的输入特征；表示通道维度中特征映射的组合；fconv3×3表示进行卷积核大小为3×3的深度卷积计算；fconv1×1表示进行卷积核大小为1×1的点卷积计算；bn代表执行bn层的标准化操作，以避免模型的过度拟合；relu表示执行relu激活函数的操作；
16、步骤2.2、在dfeb模块基础上引入msrcm，通过残差连接，以提高识别多尺度目标的准确性，避免在卷积过程中小目标细节信息丢失；
17、具体方法如下：将输入特征图x分成四个分支进行特征提取，第一个分支x1依次经过2个dfeb模块，然后进行一次残差连接，再通过一次relu激活函数，重复4次得到第一个分支x1的输出x1out，如公式(3)所示：
18、x1-1＝x2out＝relu{db[db(x1)]+x1} (2)
19、x1out＝x1-4[x1-3(x1-2(x1-1))] (3)
20、其中：x1-1、x1-2、x1-3、x1-4依次表示执行残差操作后再通过relu激活函数的结果；x1out表示该分支最终的输出结果；
21、第二个分支x2的输出为：
22、x2out＝relu{db[db(x2)]+x2} (4)
23、第三个分支使用核大小为3×3的深度卷积，然后进行bn处理和relu激活函数，得到第三个分支x3的输出x3out:
24、x3out＝relu[bn(conv3×3(x3))] (5)
25、第四个分支仅对输入特征图x4进行一次bn处理，得到第四个分支x4的输出x4out：
26、x4out＝bn(x4) (6)
27、将以上四个分支的结果进行融合，得到的结果经过relu激活函数输出；
28、x*＝relu(x1out+x2out+x3out+x4out) (7)
29、式中：x*代表多尺度残差卷积模块输出的全新特征图；
30、步骤2.3、将msrcm设计在neck层的bottleneck结构之中得到改进后的目标检测网络。
31、进一步地，所述步骤3具体按照以下步骤实施：
32、3.1、提出深度混合注意力模块dham，dham分为两个部分，分别为空间注意力模块sam和通道注意力模块cam；
33、3.2、sam从多个尺度分别对四个分支进行输入特征提取，
34、第一个分支输入特征x1in：对于输入特征图x(x1in、x2in、x3in)，(x∈rc×w×h)，首先，利用最大池化和平均池化从两个角度提取第一个分支输入特征x1in的特征：
35、xmax1＝fmaxpool(x1in) (8)
36、xavg1＝favgpool(x1in) (9)
37、式中：xmax1∈rc×h/2×w/2；xavg1∈rc×h/2×w/2；采用最大池化提取重要信息，采用平均池提取全局信息；将最大池化与平均池化的结果进行concat操作，之后通过sigmoid函本文档来自技高网...
【技术保护点】
1.一种输电线路覆冰检测方法，其特征在于，具体按照以下步骤实施：
2.如权利要求1所述的一种输电线路覆冰检测方法，其特征在于，所述步骤1具体按照以下步骤实施：
3.如权利要求2所述的一种输电线路覆冰检测方法，其特征在于，所述步骤2具体按照以下步骤实施：
4.如权利要求3所述的一种输电线路覆冰检测方法，其特征在于，所述步骤3具体按照以下步骤实施：
5.如权利要求4所述的一种输电线路覆冰检测方法，其特征在于，所述步骤4具体按照以下步骤实施：
【技术特征摘要】
1.一种输电线路覆冰检测方法，其特征在于，具体按照以下步骤实施：
2.如权利要求1所述的一种输电线路覆冰检测方法，其特征在于，所述步骤1具体按照以下步骤实施：
3.如权利要求2所述的一种输电线路覆冰检测方法，其特征在于，...
【专利技术属性】
技术研发人员：董新胜，万源浩，李孟，王红霞，海洋，马树阳，赵蓂冠，杨洋，漆思怡，
申请(专利权)人：国网新疆电力有限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。