(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 202210613027.2 (22)申请日 2022.05.31 (71)申请人 广东电网有限责任公司 地址 510000 广东省广州市越秀区东 风东 路757号 申请人 广东电网有限责任公司东莞供电局 (72)发明人 吴杰辉　郑风雷　夏云峰　涂智豪　 张健榕　周晋多　刘贯科　苏华锋　 熊浩南　翟润辉　喻天　黄靖欣　 李俊鹏　李中宇　彭毅杰　李健中　 何志彬　吴栩欣　吴浩儿　胡诗敏　 (74)专利代理 机构 北京品源专利代理有限公司 11332 专利代理师 严慧(51)Int.Cl. G06T 7/00(2017.01) G06V 10/22(2022.01) G06V 10/44(2022.01) G06V 10/762(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 20/17(2022.01) G06T 7/12(2017.01) G06N 3/04(2006.01) G06K 9/62(2022.01) (54)发明名称 绝缘子检测网络的训练及其检测方法、 设备 及存储介质 (57)摘要 本发明公开了绝缘子检测网络的训练及其 检测方法、 设备及存储介质， 该方法包括： 获取自 动飞行器沿电力线路巡检时向 电力塔架采集的 多帧图像数据； 调用第一目标检测网络SSD从作 为训练样本的图像数据中识别电力线路上的绝 缘子所处的第一候选区域； 在第一候选区域中提 取局部数据， 作为第二候选区域； 将第二候选区 域输入第二目标检测网络YOLO中， 识别绝缘子中 伞裙破损所处的第三候选区域； 根据第一候选区 域与第一样本区域之间的损失更新第一目标检 测网络SSD； 根据第三候选区域与第二样本区域 之间的损失更新第二目标检测网络YOL O， 有效缓 解在多次下采样操作中极易出现信息腐蚀的现 象， 提高检测小尺寸的伞裙破损的精确度， 减少 漏检的现象。 权利要求书3页 说明书20页 附图4页 CN 114841993 A 2022.08.02 CN 114841993 A 1.一种绝缘子检测网络的训练方法， 其特征在于， 所述绝缘子检测网络包括第一目标 检测网络S SD、 第二目标检测网络 YOLO， 所述方法包括： 获取自动飞行器沿电力线路巡检时向电力塔架采集的多帧图像数据， 所述图像数据的 标签包括 绝缘子所处的第一样本区域、 所述 绝缘子中伞 裙破损区所处的第二样本区域； 调用所述第 一目标检测网络SSD 从作为训练样本的所述图像数据中识别所述电力线路 上的绝缘子所处的第一 候选区域； 在所述第一 候选区域中提取局部数据， 作为第二 候选区域； 将所述第二候选区域输入所述第二目标检测网络YOLO中， 识别所述绝缘子 中伞裙破损 所处的第三 候选区域； 根据所述第一候选区域与所述第一样本区域之间的损失更新所述第一目标检测网络 SSD； 根据所述第三候选区域与所述第二样本区域之间的损失更新所述第二目标检测网络 YOLO。 2.根据权利要求1所述的方法， 其特征在于， 所述调用所述第一目标检测网络SSD从作 为训练样本的所述图像数据中识别所述电力线路上的绝 缘子所处的第一 候选区域， 包括： 将作为训练样本的所述图像数据输入所述第一目标检测网络SSD中进行处理， 得到多 个框定所述电力线路上 连接部位的第一预测框； 对多个所述第 一预测框执行过滤操作， 得到用于框定所述电力线路上的绝缘子的所述 第一预测框； 删除玻璃材质的所述绝缘子对应的所述第 一预测框， 保留瓷器材质或复合材质的所述 绝缘子对应的所述第一预测框， 作为第一 候选区域。 3.根据权利要求2所述的方法， 其特征在于， 所述对多个所述第一预测框执行过滤操 作， 得到用于 框定所述电力线路上的绝 缘子的所述第一预测框， 包括： 滤除位于背景内的所述第一预测框； 若滤除完成， 则在剩余的所述第 一预测框中提取第 一置信度最高的多个所述第 一预测 框； 对所述第一置信度最高的多个所述第 一预测框执行非极大值抑制， 得到用于框定所述 电力线路上的绝 缘子的所述第一预测框 。 4.根据权利要求1所述的方法， 其特征在于， 所述在所述第一候选区域中提取局部数 据， 作为第二 候选区域， 包括： 在所述第一 候选区域中添加尺寸与所述第二目标检测网络 YOLO适配的窗口； 沿预设的方向移动所述窗口、 遍历所述第一候选区域， 并提取位于所述窗口中的数据， 作为第二 候选区域； 若所述窗口超出所述第一候选区域的某个边界， 则从所述边界反向添加所述窗口， 并 提取位于所述窗口中的数据， 作为第二 候选区域。 5.根据权利要求1所述的方法， 其特征在于， 所述将所述第 二候选区域输入所述第 二目 标检测网络 YOLO中， 识别所述 绝缘子中伞 裙破损所处的第三 候选区域， 包括： 将所述第二候选区域输入所述第二目标检测网络YOLO中， 使用三个不同尺寸的特征图 检测处于所述 绝缘子与所述电力塔杆 连接部位的螺 栓， 得到第二预测框；权　利　要　求　书 1/3 页 2 CN 114841993 A 2滤除第二置信度低于预设的阈值的第二预测框； 对剩余的所述第 二预测框执行非极大值抑制， 得到所述绝缘子中伞裙破损所处 的第三 候选区域。 6.根据权利要求1 ‑5中任一项所述的方法， 其特 征在于， 所述根据所述第一候选区域与所述第一样本区域之间的损失更新所述第一目标检测 网络SSD， 包括： 计算所述第 一候选区域与 所述第一样本框在对所述绝缘子分类的置信度 上的交叉熵， 作为第一置信度误差； 计算所述第 一候选区域与 所述第一样本区域之间的平滑后的第 一范数距离， 作为位置 偏差； 将所述第一置信度误差与所述 位置误差线性融合 为第一目标损失值； 判断所述第一目标损失值是否连续M次停止下降； 若是， 则确定所述第一目标检测网络S SD训练完成； 若否， 则采用自适应矩估计优化器更新所述第一目标检测网络SSD； 返回执行所述调用 所述第一目标检测网络SSD从所述图像数据中识别所述电力线路上的绝缘子所 处的第一候 选区域； 所述根据所述第三候选区域与所述第二样本区域之间的损失更新所述第二目标检测 网络YOLO， 包括： 对所述第三候选区域的坐标与所述第 二样本区域的坐标之间的差值取平方， 得到边框 预测误差； 计算所述第三候选区域与所述第二样本区域在对所述绝缘子中伞裙破损分类的置信 度上的交叉熵， 作为第二置信度误差； 计算所述第三候选区域表征的所述绝缘子中伞裙破损的类别与所述第二样本区域表 征的所述 绝缘子中伞 裙破损的类别的交叉熵， 作为分类误差； 将所述边框预测误差、 所述第二置信度误差与所述分类误差相加， 得到第二目标损 失 值； 判断所述第二目标损失值是否连续 N次停止下降； 若是， 则确定所述第二目标检测网络 YOLO训练完成； 若否， 则采用自适应矩估计优化器更新所述第二目标检测网络YOLO； 返回执行所述将 所述第二候选区域输入所述第二目标检测网络Y OLO中， 识别所述绝缘子中伞裙破损所 处的 第三候选区域。 7.根据权利要求1 ‑6任一项所述的方法， 其特 征在于， 还 包括： 调用所述第 一目标检测网络SSD 从作为测试样本的所述图像数据中识别所述电力线路 上的绝缘子所处的第一 参考区域； 在所述第一 参考区域中提取局部数据， 作为第二 参考区域； 将所述第二参考区域输入所述第二目标检测网络YOLO中， 识别所述绝缘子 中伞裙破损 所处的第三 参考区域； 计算所述第三 参考区域相对于所述第二样本区域的准确率和召回率； 若所述准确率大于或等于第一阀值、 且所述召回率大于或等于第二阀值， 则确定所述权　利　要　求　书 2/3 页 3 CN 114841993 A 3