公开(公告)号：CN115953698A

公开(公告)日：2023-04-11

申请号：CN202211556697.1

申请日：2022-12-06

Applicant: 西安交通大学

Inventor： 陈玉 ,  毛明锋 ,  陈文祥 ,  刘璐 ,  祝国强 ,  熊纬绮 ,  奚学磊 ,  王双

IPC: G06V20/17 ,  G06V20/10 ,  G06V10/26 ,  G06V10/30 ,  G06V10/56 ,  G06V10/80 ,  G06V10/82

Abstract: 本发明公开了一种基于双目图像的输电线路分割方法：步骤1：获取双目输电线路图像分割数据集，对数据集中图片进行校正；步骤2：构建基于双目图像的输电线路分割网络，包括两个主干网络、特征金字塔网络、双目视差深度估计子网络、多尺度视差色彩融合模块及空间信息增强的分割头；步骤3：将双目视差深度估计子网络进行视差估计任务的无监督预训练；步骤4：将分割网络在更新后的数据集上进行视差估计和输电线路分割双任务联合训练；步骤5：将待识别的双目输电线路图像输入训练好的分割网络进行识别，得到视差图和输电线路识别分割结果。本发明提高了分割结果的准确性，有效地减少了分割结果中出现线路不连续的情况。

公开(公告)号：CN116310272A

公开(公告)日：2023-06-23

申请号：CN202211719904.0

申请日：2022-12-30

Applicant: 西安交通大学

Inventor： 陈玉 ,  陈文祥 ,  毛明锋 ,  祝国强 ,  张敏 ,  奚学磊 ,  熊纬绮 ,  王双

IPC: G06V10/20 ,  G06V10/10 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于改进Cascade R‑CNN风机叶片缺陷检测方法：步骤1：拍摄风机发电机的叶片部分，作为原始的数据集；步骤2：对原始的数据集进行以下数据增强得到数据集；步骤3：设计YOLOv4目标检测网络模型的主干网络Tiny‑GhostNet，并采用Tiny‑GhostNet代替Cascade R‑CNN网络中的CSPDarknet53主干网络，得到YOLOv4目标检测网络模型；步骤4：对步骤3构建的YOLOv4目标检测网络模型设计通道注意力模块，并确定剪枝阈值；步骤5：替换YOLOv4网络中的原始锚框；步骤6：对YOLOv4网络模型进行训练，前半部分采用冻结训练，即先不训练主干网络Tiny‑GhostNet，仅对YOLOv4网络模型其他部分进行训练；后半部分采用解冻训练，即对整个YOLOv4网络模型进行训练；步骤7：对收集到的风机叶片图片进行检测，获得缺陷检测结果。

公开(公告)号：CN116309270A

公开(公告)日：2023-06-23

申请号：CN202211556482.X

申请日：2022-12-06

Applicant: 西安交通大学

Inventor： 陈玉 ,  毛明锋 ,  陈文祥 ,  熊纬绮 ,  奚学磊 ,  刘璐 ,  祝国强 ,  王双

IPC: G06T7/00 ,  G06T7/73 ,  G06V10/147 ,  G06V10/82 ,  G06V10/80 ,  G06V10/77 ,  G06V10/764 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明公开了一种基于双目图像的输电线路缺陷检测方法：步骤1：获取双目输电线路图像数据集，对数据集中的图片进行畸变校正和极线校正；步骤2：构造基于双目图像的输电线路缺陷检测网络模型，包含两个相同的主干网络、四个不同尺度的双目特征融合模块、特征筛选模块、改进的FCOS目标检测头；步骤3：将网路模型在双目输电线路缺陷数据集上进行训练；步骤4：将待识别的双目输电线路图像输入训练完成的网络模型进行缺陷检测；使用新的标定框检测置信度分数来进行非极大值抑制操作，得到最终的缺陷检测结果。本发明提高了输电线路缺陷检测的准确率，减少了复杂背景对缺陷识别的干扰，提高了对于断股和异物这类小目标的定位能力。