申请/专利权人：南京工程学院;江苏量为石科技股份有限公司

申请日：2020-11-16

公开（公告）日：2024-04-26

公开（公告）号：CN112396582B

主分类号：G06F30/27

分类号：G06F30/27;G06T7/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2021.03.12#实质审查的生效;2021.02.23#公开

摘要：本发明公开了一种基于MaskRCNN的均压环歪斜检测方法，包括如下步骤：建立并训练改进的MaskRCNN检测网络；将原始图像输入训练好的网络中，输出均压环与绝缘子串的掩膜，并对原始图像进行裁剪得到局部图像；采用霍夫变换方法对局部图像进行矫正；在矫正后的图像中找出均压环两侧点；计算均压环两侧的点的斜率与水平面斜率之间的关系，通过两个斜率之间的差值判断均压环的状态。本发明通过改进MaskRCNN网络，提高了检测识别的速度，同时对检测出的绝缘子串与均压环设计一种歪斜判断算法，分析均压环的状态，为其他电力部件的巡检提供借鉴。

主权项：1.一种基于MaskRCNN的均压环歪斜检测方法，其特征在于，包括如下步骤：S1、建立并训练改进的MaskRCNN检测网络，用于对输入图像中的均压环和绝缘子串进行检测和实例分割；具体的：通过改进特征提取网络Resnet50得到改进的MaskRCNN检测网络，改进后的特征提取网络包括依次连接的5层卷积网络，其中：第一层卷积网络包括依次相连的2个卷积层和1个激活函数层，卷积核的个数为64，每个卷积核的大小为7×7，卷积时的步长为2，第二个卷积层的输出连接到激活函数层；第二层卷积网络包括依次连接的1层最大值池化层和3个卷积块，每个卷积块中包括1层卷积层和分别设于卷积层前后的2层网络层，其中，最大值池化层中，池化核的大小为3×3，步长为2；卷积层中，卷积核的个数为64，每个卷积核的大小为3×3；设于卷积层前的网络层中，卷积核的个数为64，每个卷积核的大小为1×1；设于卷积层后的网络层中，卷积核的个数为256，每个卷积核的大小为1×1；第三层卷积网络包括依次连接的3个卷积块，每个卷积块中包括1层卷积层和分别设于卷积层前后的2层网络层，其中，卷积层中，卷积核的个数为128，每个卷积核的大小为3×3；设于卷积层前的网络层中，卷积核的个数为128，每个卷积核的大小为1×1；设于卷积层后的网络层中，卷积核的个数为512，每个卷积核的大小为1×1；第四层卷积网络包括依次连接的3个卷积块，每个卷积块中包括1层卷积层和分别设于卷积层前后的2层网络层，其中，卷积层中，卷积核的个数为256，每个卷积核的大小为3×3；设于卷积层前的网络层中，卷积核的个数为256，每个卷积核的大小为1×1；设于卷积层后的网络层中，卷积核的个数为1024，每个卷积核的大小为1×1；第五层卷积网络包括依次连接的3个卷积块、全局平均池化层、全连接层、Dropout层和Sigmoid函数，每个卷积块中包括1层卷积层和分别设于卷积层前后的2层网络层，其中，卷积层中，卷积核的个数为512，每个卷积核的大小为3×3；设于卷积层前的网络层中，卷积核的个数为512，每个卷积核的大小为1×1；设于卷积层后的网络层中，卷积核的个数为2048，每个卷积核的大小为1×1；S2、将原始图像输入训练好的MaskRCNN检测网络中，输出均压环与绝缘子串的掩膜，并对原始图像中具有掩膜部分的图像进行裁剪，得到至少一个均压环与绝缘子串的局部图像；S3、采用霍夫变换方法对局部图像进行矫正得到矫正图像，使得矫正图像中绝缘子串的位置是竖直的；S4、在矫正图像中找出均压环两侧的点；S5、分别计算均压环两侧的点的斜率，若该斜率与水平面斜率之间的差值小于预设值，则均压环位置正常；若该斜率与水平面斜率之间的差值大于或等于预设值，则均压环位置歪斜。

全文数据：

权利要求：

百度查询： 南京工程学院;江苏量为石科技股份有限公司 一种基于Mask RCNN的均压环歪斜检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD