一种基于区域卷积神经网络的电力设备红外图像识别方法

摘要

本发明公开了一种基于区域卷积神经网络的电力设备红外图像识别方法，首先获取各种电力设备在不同环境条件下的红外图像，构建电力设备红外图像样本库，为神经网络的训练提供样本集；在识别过程中，首先将带有电力设备标注的红外图像，输入ZF网络进行特征提取，获得电力设备图像的特征图；将获得电力设备图像的特征图，通过Faster‑RCNN生成建议窗口，同时利用特征图通过Faster‑RCNN预测锚点相关参数，得到红外图像中电力设备最终输出的物体框；利用Softmax Loss和Smooth L1Loss完成对电力设备红外图像的分类和定位。该方法可输出直观、安全可靠、分析准确的识别结果，克服了传统人工巡检过程中难免存在检测效率低以及误检和漏检的缺陷。