公开(公告)号：CN108985170A

公开(公告)日：2018-12-11

申请号：CN201810621571.5

申请日：2018-06-15

Applicant: 山东信通电子股份有限公司

Inventor： 陈兆文 ,  蔡富东 ,  韩晶 ,  吕昌峰

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于三帧差分法及深度学习的输电线路悬挂物识别方法，属于图像处理技术领域，其中，所述方法包括以下步骤:(1)输入图像；(2)对图像进行预处理；(3)利用HOG特征算法对三帧图像进行匹配；(4)将经过步骤(3)匹配后的三帧图像进行差分；(5)对原图疑似悬挂物ROI区域提取检测；(6)使用yolov2深度学习算法训练分类模型，通过训练模型对变化ROI区域进行图像分类，确定是否是悬挂物；(7)根据分类的阈值将悬挂物筛选出来；(8)输出图像，并将确认是悬挂物区域矩形标注。本发明克服现有技术的不足，可以极大有效的避免光照、镜头抖动、场景变化所带来的影响，减少误报率并且能够满足检测处理速度的要求。

公开(公告)号：CN108921826A

公开(公告)日：2018-11-30

申请号：CN201810608811.8

申请日：2018-06-13

Applicant: 山东信通电子股份有限公司

Inventor： 韩晶 ,  蔡富东 ,  陈兆文 ,  吕昌峰

IPC: G06T7/00 ,  G06T7/10 ,  G06T7/90

Abstract: 本发明涉及一种超像素分割与深度学习相结合的输电线路入侵物检测方法，包括以下步骤：A、获取样本图像；B、采用SLIC算法对图像进行超像素分割；C、超像素分割完成后，采用中值滤波算法进行处理；D、完成中值滤波后，选择样本训练Faster R-CNN模型，形成检测模型文件；E、获取待测图像；F、采用检测模型文件对待测图像进行检测；G、根据检测结果获得识别后的结果。本发明能够提高隐患类型识别精度，降低隐患类型误报率，能够对隐患类型准确分类，避免环境因素对检测效果的干扰。