(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 202210779218.6 (22)申请日 2022.07.01 (71)申请人 华雁智能科技 （集团） 股份有限公司 地址 610000 四川省成 都市高新区天华 二 路219号天府软件园C区10号楼16层 (72)发明人 李捷　冯宇　刘洪　李光国　李杨　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 于彬 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/11(2017.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种输电线路中小金具缺陷的检测方法、 检 测装置和设备 (57)摘要 本申请提供了一种输电线路中小金具缺陷 的检测方法、 检测装置和设备， 所述方法包括： 获 取目标输电线路的巡检图像， 并对 所述巡检图像 进行滑动窗口剪裁得到多个巡检子图像； 将巡检 图像和巡检子图像分别输入到预先训练好的小 金具缺陷检测模 型中， 获得大图检测结果和子图 检测结果； 小金具缺陷检测模型是利用巡检图像 和巡检子图像训练得到的； 利用滑动窗口的坐标 对每个巡检子图像输出的子图检测结果进行调 整， 获得子图检测结果在所述巡检图像上对应的 子图调整结果； 对大图检测结果和子图调整结果 进行合并处理， 得到对所述巡检图像中小金具缺 陷的检测结果。 通过所述方法， 能够在保持较快 的检测速度的情况下以较高的检测精度实现对 小金具缺陷的检测。 权利要求书3页 说明书15页 附图8页 CN 115239642 A 2022.10.25 CN 115239642 A 1.一种输电线路中小金 具缺陷的检测方法， 其特 征在于， 所述检测方法包括： 获取目标输电线路的巡检图像， 并对所述巡检图像进行滑动窗口剪裁得到多个巡检子 图像； 针对每个所述巡检图像， 将该巡检图像输入到预先训练好的小金具缺陷检测模型中， 获得所述小金 具缺陷检测模型针对该巡检图像输出的大图检测结果； 将该巡检图像对应的多个巡检子图像依次输入到预先训练好的小金具缺陷检测模型 中， 获得所述小金 具缺陷检测模型针对每 个巡检子图像输出的子图检测结果； 利用所述滑动窗口的坐标对每个巡检子图像输出的子图检测结果进行调整， 获得所述 子图检测结果在所述巡检图像上对应的子图调整结果； 对所述大图检测结果和所述子图调整结果进行合并处理， 得到对所述巡检图像中小金 具缺陷的检测结果。 2.根据权利要求1所述的检测方法， 其特征在于， 所述利用所述滑动窗口的坐标对每个 巡检子图像输出的子图检测结果进行调整， 获得所述子图检测结果在所述巡检图像上对应 的子图调整结果， 包括： 针对每个巡检子图像， 获取 该巡检子图像对应的滑动窗口 的左上角坐标； 获取该巡检子图像中每 个小金具的检测框的坐标； 利用所述滑动窗口的左上角坐标调整该巡检子图像中每个小金具的检测框的坐标， 得 到调整后的小金 具的检测框的坐标； 在该巡检图像上按照所述调整后的小金具的检测框的坐标显示调整后的小金具的检 测框， 以获得 所述子图检测结果在该巡检图像上对应的子图调整结果。 3.根据权利要求1所述的检测方法， 其特征在于， 所述小金具缺陷检测模型通过以下方 式训练而被得到： 获取训练集样本图像； 从所述训练集样本图像中抽取多个样本图像， 得到原 始训练子集样本图像； 针对所述原始训练子集样本 图像中的每个样本 图像， 进行滑动 窗口剪裁， 获得多个样 本子图像； 将所述多个样本子图像添加到所述原始训练子集样本图像中， 获得训练子集样本图 像； 利用所述训练集样本图像对初始小金具缺陷检测模型进行训练， 获得预训练小金具缺 陷检测模型； 利用所述训练子集样本图像对所述预训练小金具缺陷检测模型进行训练， 以获得小金 具缺陷检测模型。 4.根据权利要求1所述的检测方法， 其特征在于， 所述小金具缺陷检测模型包括： 特征 提取层、 特征融合层和检测层； 所述将所述巡检图像输入到预先训练好的小金具缺陷检测 模型中， 获得 所述小金 具缺陷检测模型针对所述巡检图像输出的大图检测结果， 包括： 将所述巡检图像输入到所述特征提取层对所述巡检图像进行特征提取， 获得第 一特征 图像； 所述第一特 征图像包括第一尺度特 征图像、 第二尺度特 征图像和第三尺度特 征图像； 将所述第一特征图像输入到所述特征融合层对所述第 一特征图像进行特征融合， 得到 第二特征图像； 所述第二特征图像包括第四尺度特征图像、 第 五尺度特征图像和第六尺度权　利　要　求　书 1/3 页 2 CN 115239642 A 2特征图像； 将所述第二特征图像输入到所述检测层对所述第 二特征图像进行检测， 获得所述小金 具缺陷检测模型针对所述巡检图像输出的大图检测结果。 5.根据权利要求3所述的检测方法， 其特征在于， 所述特征提取层包括： 第一卷积层和 第二卷积层组； 所述第二卷积层组包括第三卷积层组和一个第四卷积层； 所述第三卷积层 组包括N个第 五卷积层； 所述将所述巡检图像输入到所述特征提取层对所述巡检图像进行 特征提取， 获得第一特 征图像， 包括： 将所述巡检图像输入到所述第 一卷积层对所述目标巡检图像进行卷积操作， 获得第 一 子特征图像； 将所述第一子特征图像输入到第三卷积层组， 得到第二子特征图像组； 所述第二子特 征图像组包括在第N ‑1个第五卷积层和第N个第五卷积层输出的第二子特 征图像； 将所述第N个第五卷积层输出的第二子特征图像输入到第 四卷积层， 得到第三子特征 图像； 将第二子特 征图像组包括的第二子特 征图像和第三子特 征图像确定为第一特 征图像。 6.根据权利要求5所述的检测方法， 其特征在于， 每个所述第五卷积层包括： 下采样层 和CSPNET网络层； 所述CS PNET网络层包括多个级联的Co nvNeXt Block残差结构； 所述将所述第一子特 征图像输入到第三卷积层组， 得到第二子特 征图像组， 包括： 将所述第一子特征图像输入到第三卷积层组， 通过第N ‑1个第五卷积层中的下采样层 得到第一下采样图像， 将所述第一下采样图像输入到该第五卷积层中的CSPNET网络层 进行 升通道操作， 得到第N ‑1个第五卷积层输出的第二子特 征图像； 将所述第N ‑1个第五卷积层输出的第二子特征图像输入到第N个第五卷积层， 通过该第 五卷积层中的下采样层得到第二下采样图像， 将所述第二下采样图像输入到该第五卷积层 中的CSPNET网络层进行升通道操作， 得到第N个第五卷积层输出的第二子特 征图像； 将所述第N ‑1个第五卷积层输出的第二子特征图像和所述第N个第五卷积层输出的第 二子特征图像， 作为第二子特 征图像组。 7.根据权利要求5所述的检测方法， 所述第四卷积层包括： 下采样层、 池化层和CSPNET 网络层； 所述将所述第N个第五卷积层输出的第二子特征图像输入到第四卷积层， 得到第三 子特征图像， 包括： 将所述第N个第五卷积层输出的第二子特征图像输入到下采样层进行下采样处理， 得 到第三下采样特 征图像； 将所述第三下采样特征图像输入到所述池化层进行最大池化处理， 得到池化特征图 像； 将所述池化特征图像输入到所述CSPNET网络层进行升通道操作， 得到第三子特征图 像。 8.根据权利要求4所述的检测方法， 其特征在于， 所述特征融合层包括： 自顶向下的特 征金字塔网络、 多个 自处理层和自底向上 的路径增强金字塔网络； 所述将所述第一特征图 像输入到所述特 征融合层对所述第一特 征图像进行 特征融合， 得到第二特 征图像， 包括： 将所述第一特征图像输入到所述自顶向下的特征金字塔网络进行下融合处理， 获得所 述自顶向下的特 征金字塔网络中的每一层金字塔网络 输出的浅层融合特 征图像；权　利　要　求　书 2/3 页 3 CN 115239642 A 3