公开(公告)号：CN119229090A

公开(公告)日：2024-12-31

申请号：CN202411283776.9

申请日：2024-09-13

Applicant: 黑龙江龙煤双鸭山矿业有限责任公司 ,  哈尔滨工业大学

Inventor： 李如一 ,  齐超 ,  宫延明 ,  周旭明 ,  刘洪泉 ,  张健 ,  战涛

IPC: G06V10/25 ,  G06V10/82 ,  G06N3/045 ,  G06N3/082

Abstract: 一种基于改进YOLACT的输电线路微小异物检测方法，属于输电线路的图像识别技术领域。本发明首先采集输电线路微小异物图像，采用随机平移、随机旋转等方式进行数据增强，采用labelme标注数据，建立输电线路微小异物语义分割数据集，并按比例划分训练集、验证集；基于YOLACT算法模型进行改进，在特征提取部分采用三个3×3卷积核替代YOLACT实例分割模型的原始网络中7×7的卷积核，并在Protonet部分采用空洞卷积替换常规卷积，从而构建得到改进的YOLACT实例分割模型，利用训练集、验证集进行训练和验证得到用于检测的网络模型，利用网络模型检测出输电线路存在的微小异物。

公开(公告)号：CN118506263A

公开(公告)日：2024-08-16

申请号：CN202410548503.6

申请日：2024-05-06

Applicant: 哈尔滨工业大学

Inventor： 齐超 ,  李如一 ,  王威 ,  莫茜宇 ,  刘洪泉 ,  张健 ,  战涛

IPC: G06V20/52 ,  G06V10/22 ,  G06V10/30 ,  G06V10/36 ,  G06V10/44 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0475 ,  G06N3/094 ,  G06N3/096

Abstract: 本发明提出一种基于深度学习的复杂环境输电线路异物检测方法，涉及输电线路图像目标识别的技术领域。首先采集正常环境的输电线路异物图像，采用随机平移、随机旋转等方式进行数据增强，将采集到的图像与天气图像相融合，并利用CycleGAN网络进行风格迁移操作，得到复杂环境输电线路异物数据集；然后对数据集中的异物标注类别和位置，按比例划分训练集、验证集和测试集；最后构建并训练改进后的YOLOv5算法对异物数据集图像检测。本发明能够快速准确地检测出复杂环境下输电线路的异物，显著提升了检测速度与检测精度。