(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211158685.3 (22)申请日 2022.09.22 (71)申请人 国网山东省电力公司菏 泽供电公司 地址 274002 山东省菏泽市牡丹区中华路 199号 (72)发明人 王智杰　牛硕丰　徐珂　刘冰　 刘相兴　赵亚锋　贾斌　闫静静　 刘训彻　李震　李俄昌　 (74)专利代理 机构 上海东信专利商标事务所 (普通合伙) 31228 专利代理师 李丹　杨丹莉 (51)Int.Cl. G06V 20/50(2022.01) G06V 10/82(2022.01) G06V 10/774(2022.01)G06V 10/764(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种电力设备红外图像识别方法及系统 (57)摘要 本发明公开了一种电力设备红外图像识别 方法， 其训练步骤包括： 采集电力设备的红外图 像样本以构建数据集； 构建改进的RFB网络； 将数 据集中的每个图像的每个像素的特征输入改进 的RFB网络中对其进行训练， 以使其输出具有标 签的用于电力设备类型识别的扩大感受野的特 征图； 将扩大感受野的特征图输入到分类模块 中， 以使其输出电力设备的类型； 其检测步骤包 括： 采集电力设备的实测红外图像， 将该实测红 外图像中的每个像素的特征输入到经过训练的 改进的RFB网络中， 经过训练的改进的RFB网络输 出该电力设备的扩大感受野的特征图， 将该电力 设备的扩大感受野的特征图输入到分类模块中， 分类模块输出电力设备的类型。 权利要求书2页 说明书7页 附图4页 CN 115546707 A 2022.12.30 CN 115546707 A 1.一种电力设备红外图像识别方法， 包括训练步骤和检测步骤， 其特征在于， 其中训练 步骤包括： (1)采集电力设备的红外图像样本以构建具有标签的电力设备红外图像数据集； (2)构建改进的RFB网络， 所述改进的RFB网络包括MobileNet网络、 改进的RFB模块、 RFB 模块、 标准卷积模块以及通道 注意力机制模块； (3)将电力设备红外图像数据集中的每个图像的每个像素的特征输入改进 的RFB网络 中对其进行训练， 以使其输出 具有标签的用于电力设备类型识别的扩大感受野的特 征图； (4)将所述扩大感受野的特 征图输入到分类模块中， 以使其输出电力设备的类型； 其中检测步骤 包括： 采集电力设备的实测红外图像， 将该实测红外图像中的每个像素的特征输入到经过训 练的改进的RFB网络中， 所述经过训练的改进的RFB网络输出该电力设备的扩大感受野的特 征图， 将该电力 设备的扩大感受野的特征图输入到分类模块中， 分类模块输出电力 设备的 类型。 2.如权利要求1所述的电力设备红外图像识别方法， 其特征在于， 所述电力设备的类型 包括隔离开关、 断路器、 电流互感器、 电压互感器和避雷器的至少其中之一。 3.如权利要求1所述的电力设备红外图像识别方法， 其特征在于， 所述MobileNet网络 包括第一深度可分离卷积模块和第二深度可分离卷积模块。 4.如权利要求3所述的电力设备红外图像识别方法， 其特征在于， 所述改进的RFB模块 包括： 与第一深度可分离卷积模块对应连接的第一改进的RFB模块， 与第二深度可分离卷积 模块对应连接的第二改进的RFB模块； 所述RFB模块具有至少两个， 所述标准卷积模块具有 至少两个， 所述通道注 意力机制模块提高所述改进的RFB网络的算法的鲁棒性， 以使至少两 个RFB模块、 至少两个标准卷积模块以及第二改进的RFB模块向分类模块输出语义增强的高 层特征图， 所述第一改进的RFB模块和第二改进的RFB模块均向分类模块输入语义丰富的特 征图， 所述扩大感受野的特 征图包括语义增强的高层特 征图和语义丰富的特 征图。 5.如权利要求3所述的电力设备红外图像识别方法， 其特征在于， 所述第 一深度可分离 卷积模块和第二深度可分离卷积模块均包括逐通道卷积和逐点卷积。 6.如权利要求1所述的电力设备红外图像识别方法， 其特征在于， 所述通道通道注意力 机制模块包括： 全局平均池化层， 两个全连接层， 一个sigmod层， 以及全乘操作层。 7.如权利要求1所述的电力设备红外图像识别方法， 其特征在于， 所述通道通道注意力 机制模块采用RELU非线性激活函数。 8.如权利要求1所述的电力设备红外图像识别方法， 其特征在于， 所述分类模块进行卷 积操作以输出电力设备的类型。 9.如权利要求1所述的电力设备红外图像识别方法， 其特征在于， 还包括采用DIoU损失 函数对改进的RFB网络进行优化。 10.一种电力设备红外图像识别系统， 其特 征在于， 包括： 数据库， 其中存储有具有标签的 电力设备红外 图像数据集， 所述电力设备红外 图像数 据集基于采集的电力设备的红外图像样本而构建； 改进的RFB网络， 其包括MobileNet网络、 改进的RFB模块、 RFB模块、 标准卷积模块以及 通道注意力机制模块；权　利　要　求　书 1/2 页 2 CN 115546707 A 2分类模块； 其中， 在训练过程中， 将电力设备红外 图像数据集中的每个图像的每个像素的特征输 入改进的RFB网络中对其进行训练， 以使其输出具有标签的用于电力设备类型识别的扩大 感受野的特征图； 将所述扩大感受野的特征图输入到分类模块中， 以使其输出电力 设备的 类型； 在检测步骤中， 将采集的电力设备的实测红外图像中的每个像素的特征输入到经过训 练的改进的RFB网络中， 所述改进的RFB网络输出该电力设备的扩大感受野的特征图， 将该 电力设备的扩大感受野的特 征图输入到分类模块中， 分类模块输出电力设备的类型。权　利　要　求　书 2/2 页 3 CN 115546707 A 3