(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 202211186043.4 (22)申请日 2022.09.28 (71)申请人 山东大学 地址 250000 山东省济南市历城区山大南 路27号 申请人 浙江大华 技术股份有限公司 　 国网浙江省电力有限公司温州供电 公司　 智洋创新科技股份有限公司 　 华北电力大 学 （保定） 　 山东省计算中心 （国家超 级计算济 南中心） (72)发明人 聂礼强　尹建华　熊剑平　郑晓云　 张万征　赵振兵　朱亦辰　王婧雯　 高赞　(74)专利代理 机构 山东知圣律师事务所 37262 专利代理师 张露露 (51)Int.Cl. G06V 20/17(2022.01) G06V 20/52(2022.01) G06V 10/82(2022.01) G06V 10/80(2022.01) G06V 10/26(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 输电线路复杂场景的小目标识别方法及系 统 (57)摘要 本发明提供一种输电线路复杂场景的小目 标识别方法及系统， 属于输电线路技术领域， 通 过天气分类器对输电线路图像进行环境亮度判 定， 并利用基于注意力机制的Weather  GAN模型 进行天气转化处理后， 利用yolov5模型进行输电 线路的小目标检测， 达到了消除或弱化天气因素 对输电线路的小目标检测带来的影 响； 通过数据 增强弱化了复杂背景对小目标的影 响， 增强了模 型的鲁棒性和泛化能力； 通过对yolov5模型的特 征提取网络结构进行优化， 丰富了小目标的语义 信息和位置信息， 进而达到提高小目标识别的准 确率和识别效率的技 术效果。 权利要求书3页 说明书14页 附图4页 CN 115294483 A 2022.11.04 CN 115294483 A 1.一种输电线路复杂场景的小目标识别方法， 其特 征在于， 包括： 获取无人机采集的输电线路图像； 利用预设的天气分类器对所述输电线路图像进行环境亮度判定， 判定为低环境亮度的 输电线路图像或高环境亮度的输电线路图像； 将判定为低环境亮度的输电线路图像输入预设的基于注意力机制的Weather  GAN模型 获得输电线路的空间注意力图， 并利用空间注意力图对低环境亮度的输电线路图像进 行环 境亮度转换处理， 获得缺陷消除后的低环境亮度的输电线路图像； 其中， 所述基于注意力机 制的Weather  GAN模型为将原 始Weather  GAN模型进行注意力机制改进后获得； 利用预设的yolov5模型对所述缺陷消除后的低环境亮度的输电线路图像或高环境亮 度的输电线路图像进行目标识别。 2.如权利要求1所述的输电线路复杂场景的小目标识别方法， 其特 征在于， 所述预设的yolov5模型通过数据增 强后的输电线路小目标检测数据集进行训练后获 得， 所述数据增强后的输电线路小目标检测数据集的获得 方法， 包括， 利用暗通道先验去雾算法对预设的输电线路小目标检测数据集中的输电线路图像进 行去雾操作； 其中， 所述输电线路小目标检测数据集由含有小目标标注的原始输电线路图 像组成； 利用预设的天气分类器对去雾操作后的输电线路小目标检测数据集中的输电线路图 像进行环境亮度判定， 判定为低环境亮度的输电线路图像或高环境亮度的输电线路图像； 并对判定为低环 境亮度的输电线路图像输入 预设的基于注 意力机制的Weather  GAN模型获 得输电线路的空间注 意力图， 并利用空间注意力图对低环境亮度的输电线路图像进行环境 亮度转换 处理， 获得高环境亮度的输电线路图像和缺陷消除后的低环境亮度的输电线路图 像， 并形成缺陷消除后的输电线路图像； 利用复制 ‑融合策略， 基于杆塔和线路所覆盖的坐标对缺陷消除后的输电线路图像中 的小目标进 行数据增强， 获得数据增强后的输电线路图像； 其中， 所述输电线路的杆塔和线 路所覆盖的坐标通过利用预设的点云分割模型， 将缺陷消除前的输电线路图像进 行语义分 割获得； 将所述缺陷消除后的输电线路图像和数据增强后的输电线路图像组成数据增强后的 输电线路小目标检测数据集。 3.如权利要求2所述的输电线路复杂场景的小目标识别方法， 其特 征在于， 利用预设的yolov5模型对缺陷消除后的低环境亮度的输电线路图像或高环境亮度的 输电线路图像进行目标识别的方法， 包括， 将所述缺陷消除后的低环境亮度的输电线路图像或高环境亮度的输电线路图像输入 yolov5模型的FPN层进行 特征提取， 获得有梯度的特 征； 将所述FPN层提取的有梯度的特征进行空洞空间金字塔池化后输入骨干网络进行训 练， 获得增强的特征表示； 将所述增强的特征表 示再和低层的特征进 行融合， 获得融合后的 特征； 将所述有梯度的特 征和所述融合后的特 征进行融合， 获得最终的特 征表示； 将所述最终的特 征表示输入输出端 进行目标识别。 4.如权利要求2所述的输电线路复杂场景的小目标识别方法， 其特 征在于，权　利　要　求　书 1/3 页 2 CN 115294483 A 2所述天气分类 器的获取 方法， 包括， 对输电线路数据集的去雾操作后的输电线路图像数据进行天气分类标注， 获得标注有 天气分类的输电线路数据， 并对所述标注有天气分类的输电线路图像数据进 行几何数据增 强； 利用所述数据增强后的标注有天气分类的输电线路图像数据对ResNet模型进行训练， 获得天气分类模型。 5.如权利要求2所述的输电线路复杂场景的小目标识别方法， 其特 征在于， 所述基于注意力机制的Weather  GAN模型的获得 方法， 包括， 利用逐通道卷积计算输入图像各区域的权重， 并将输入特征图转换为一维的通道注意 力图和自注意力图； 将所述通道注意力图和自注意力图进行逐位相加并进行归一化处理， 获得基于注意力 机制的Weather  GAN模型； 利用预设的环境亮度分类数据集对所述基于注意力机制的Weather  GAN模型进行迭代 训练直至模型收敛， 获得训练好的基于注意力机制的Weather  GAN模型； 其中， 所述环境亮 度分类数据集包括高环境亮度的输电线路图像和低环境亮度的输电线路图像。 6.如权利要求5所述的输电线路复杂场景的小目标识别方法， 其特 征在于， 所述环境亮度分类数据集为根据输电线路的户外环境特点， 基于Multi ‑task Weather 数据集获得。 7.如权利要求2所述的输电线路复杂场景的小目标识别方法， 其特 征在于， 利用复制 ‑融合策略， 基于所述杆塔和线路所覆盖的坐标对缺陷消除后的输电线路图 像中的小目标进行 数据增强， 获得 数据增强后的输电线路图像的方法包括， 利用点云标注工具对原始输电线路图像进行点云分割标注后形成输电线路图像分割 数据集， 并利用所述输电线路图像分割数据集进行训练后获得点云 分割模型； 利用所述点云分割模型对缺陷消除前的输电线路图像进行语义分割， 获得杆塔和线路 在图像中覆盖的坐标 范围； 基于预设的输电线路小目标图库， 获取小目标的原始尺寸； 根据所述小目标的原始尺 寸和输电线路目标数据集的输电线路图像中待粘贴的位置坐标， 获得自适应调整尺寸的小 目标； 其中， 所述输电线路小目标图库包括标注有杆塔上 的各种部件和异物的输电线路图 像， 以及标注有 线路上的各种部件和异 物的输电线路图像； 根据所述杆塔和线路在图像中覆盖的坐标范围， 将所述自适应调整尺寸的小目标粘贴 至所述小目标对应的输电线路图像的待粘贴处； 使用泊松融合 算法将所述自适应调整尺寸的小目标和所述输电线路图像进行融合。 8.一种输电线路复杂场景的小目标识别系统， 其特 征在于， 包括： 采集单元， 用于获取 无人机采集的输电线路图像； 亮度缺陷处理单元， 用于利用预设的天气分类器对所述输电线路图像进行环境亮度判 定， 判定为低环境亮度的输电线路图像或高环境亮度的输电线路图像； 将判定为低环境亮度的输电线路图像输入预设的基于注意力机制的Weather  GAN模型 获得输电线路的空间注意力图， 并利用空间注意力图对低环境亮度的输电线路图像进 行环 境亮度转换处理， 获得缺陷消除后的低环境亮度的输电线路图像； 其中， 所述基于注意力机权　利　要　求　书 2/3 页 3 CN 115294483 A 3