(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 202210786002.2 (22)申请日 2022.07.04 (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 刘洪　冯宇　李光国　李捷　 (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) G06V 10/25(2022.01) G06V 10/40(2022.01) G06V 10/774(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06V 20/52(2022.01) G07C 1/20(2006.01) (54)发明名称 输电线路的缺陷检测方法、 装置、 电子设备 及存储介质 (57)摘要 本申请提供了输电线路的缺陷检测方法、 装 置、 电子设备及存储介质， 该缺陷检测方法包括： 获取输电线路巡检图像， 并将所述输电线路巡检 图像输入到预先训练好的基础基座区域算法模 型中， 以得到所述输电线路巡检图像中的基础基 座区域框； 基于所述基础基座区域框确定基础基 座区域检测框， 并基于所述基础基座区域检测框 在所述输电线路巡检图像中确定出基础基座区 域图像； 将所述基础基座区域图像输入到预先训 练好的输电线路缺陷算法模型中， 以得到所述输 电线路巡检图像对应的输电线路缺陷类型。 根据 所述缺陷检测方法和缺陷检测装置， 有效提高了 输电线路缺陷类型的检测结果的准确性。 权利要求书5页 说明书25页 附图4页 CN 115239646 A 2022.10.25 CN 115239646 A 1.一种输电线路的缺陷检测方法， 其特 征在于， 所述 缺陷检测方法包括： 获取输电线路巡检图像， 并将所述输电线路巡检图像输入到预先训练好的基础基座 区 域算法模型中， 以得到所述输电线路巡检图像中的基础基座区域框； 基于所述基础基座区域框确定基础基座区域检测框， 并基于所述基础基座区域检测框 在所述输电线路巡检图像中确定出基础基座区域图像； 将所述基础基座 区域图像输入到预先训练好的输电线路缺陷算法模型中， 以得到所述 输电线路巡检图像对应的输电线路缺陷类型。 2.根据权利要求1所述的缺陷检测方法， 其特征在于， 所述将所述输电线路巡检图像输 入到预先训练好的基础基座区域算法模型中， 以得到所述输电线路巡检图像中的基础基座 区域框， 包括： 基于所述输电线路巡检图像， 利用所述基础基座 区域算法模型中的骨干网络卷积层以 及FPN特征金字塔网络层得到第一 跨阶层融合特 征图； 利用所述基础基座区域算法模型中的RPN检测网络， 得到所述第一跨阶层融合特征图 对应的第一初步 候选框； 对所述第 一初步候选框进行放大与缩小， 得到不同大小的多个第一目标候选框； 其中， 所述第一目标候选 框与所述第一初步 候选框之间存在比例关系； 将多个第一目标候选框映射到所述第 一跨阶层融合特征图上， 形成多层第 一候选框金 字塔特征图； 针对于每层第一候选框金字塔特征图， 对该层第一候选框金字塔特征图采用ROI   Align算子进行处 理， 以得到第一ROIAl ign金字塔特 征图； 基于每层第一ROIAl ign金字塔特 征图， 生成输电线路融合特 征图； 将所述输电线路融合特征图输入到所述基础基座 区域算法模型中的检测网络层中， 以 得到所述输电线路融合特 征图中的基础基座区域框 。 3.根据权利要求1所述的缺陷检测方法， 其特征在于， 通过以下方式训练所述基础基座 区域算法模型： 获取输电巡检图像数据集； 其中， 所述输电巡检图像数据集中包括输电巡检样本图像； 利用标注工具对所述输电巡检图像数据集中的每张输电巡检样本图像进行基础基座 区域标注， 得到带有标注的输电巡检图像标注数据集； 根据所述输电巡检图像标注数据集确定出第 一训练样本集、 第 一验证样本集和第 一测 试样本集； 针对所述第 一训练样本集中的每张输电巡检样本标注图像， 对该输电巡检样本标注图 像进行数据增强处理， 得到输电巡检增强 图像； 其中， 所述数据增强处理包括随机缩放、 色 域变化、 图像翻转、 图像裁 剪、 图像模糊和 加入噪声中的至少一种或多种； 根据每张输电巡检样本标注图像以及每张输电巡检样本标注图像对应的输电巡检增 强图像， 确定 输电巡检训练数据集； 将所述输电巡检训练数据集输入到基础基座 区域初始算法模型中， 对所述基础基座 区 域初始算法模型进行训练， 以得到所述基础基座区域 算法模型。 4.根据权利要求3所述的缺陷检测方法， 其特征在于， 所述将所述输电巡检训练数据集 输入到基础基座区域初始算法模型中， 对所述基础基座区域初始算法模型进行训练， 以得权　利　要　求　书 1/5 页 2 CN 115239646 A 2到所述基础基座区域 算法模型， 包括： 针对所述输电巡检训练数据集中的每张第 一训练样本图像， 将该第 一训练样本图像输 入到所述基础基座区域初始算法模型中， 得到该第一训练样本图像对应的基座预测框； 将该第一训练样本图像对应的基座真实框与所述基座预测框进行对比， 计算当前状态 下所述基础基座区域初始算法模型 的第一损失值； 其中， 该第一训练样本图像对应的基座 真实框为第一训练样本图像中所 标注的区域； 若所述第一损失值大于预先设置的损失阈值， 则调整所述基础基座区域初始算法模型 的网络参数， 直至训练的基础基座区域初始算法模型 的第一损失值不大于所述损失阈值， 得到目标基础基座区域 算法模型； 利用所述第 一验证样本集对所述目标基础基座区域算法模型进行评估， 确定所述目标 基础基座区域算法模型的第一验证指标， 并判断所述第一验证指标是否达到预先设置的指 标阈值； 其中， 所述第一验证指标包括发现率、 准确率、 漏检率和误检率； 若是， 则将所述目标基础基座区域 算法模型确定为 最终的基础基座区域 算法模型； 若否， 则将所述第一测试样本集输入到所述目标基础基座区域算法模型中， 确定出所 述第一测试样本集中的第一漏检样本图像、 第一误检样本图像以及第一漏检与误检样本图 像； 其中， 第一漏检样本图像是指基座预测框与基座真实框匹配成功的数量小于基座真实 框的数量， 第一误检样本图像是指 基座预测框与基座真实框匹配成功的数量小于基座预测 框的数量， 第一漏检与误检样本图像是指 基座预测框与基座真实框匹配成功的数量小于基 座真实框的数量也小于基座预测框的数量， 基座预测框与基座真实框匹配成功是指 基座真 实框与基座预测框之间的重 叠率大于预设的重 叠率阈值； 针对每张第一漏检样本 图像， 对该第一漏检样本 图像进行数据增强处理， 得到第一漏 检样本增强图像， 针对每张第一误检样本图像， 对 该第一误检样本图像进 行数据增强处理， 得到第一误检样本增强 图像， 针对每张第一漏检与误检样本图像， 对该第一漏检与误检样 本图像进行 数据增强处 理， 得到第一漏检与误检样本增强图像； 将每张第一漏检样本 图像、 每张第一漏检样本 图像对应的第一漏检样本增强图像、 每 张第一误检样本图像、 每张第一误检样本图像对应的第一误检样本增强 图像、 每张第一漏 检与误检样本图像以及每张第一漏检与误检样本图像对应的第一漏检与误检样本增强图 像添加到所述输电巡检训练数据集中； 利用所述输电巡检训练数据集继续对所述目标基础基座 区域算法模型进行训练， 直至 所述目标基础基座区域算法模型的第一验证指标达到了预先设置的指标阈值， 得到最终的 基础基座区域 算法模型。 5.根据权利要求1所述的缺陷检测方法， 其特征在于， 所述基于所述基础基座 区域框确 定基础基座区域检测框， 并基于所述基础基座区域检测框在所述输电线路巡检图像中确定 出基础基座区域图像， 包括： 将所述基础基座 区域框的宽度和高度分别扩大预设倍数， 以得到扩大后的基础基座 区 域框； 将所述扩大后的基础基座区域框确定为所述基础基座区域检测框； 利用所述基础基座区域检测框对所述输电线路巡检图像进行剪裁， 以得到所述基础基 座区域图像。权　利　要　求　书 2/5 页 3 CN 115239646 A 3