(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 202210735434.0 (22)申请日 2022.06.27 (71)申请人 北京智芯 半导体科技有限公司 地址 102200 北京市昌平区科技园区双营 西路79号院12号楼一层 申请人 北京智芯微电子科技有限公司 (72)发明人 孙鹏飞　杜君　姜帆　郭飞　孟伟　 李慧　刘立宗　刘洋　高源　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 黄琼 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/00(2017.01) G06T 7/11(2017.01) (54)发明名称 检测方法、 无 人机、 检测系统及 介质 (57)摘要 本申请公开了一种输电线路的检测方法、 无 人机、 检测系统以及存储介质。 输电线路的检测 方法包括： 沿预定路径巡检获取输电线路的巡检 图像； 通过缺陷检测模型对巡检图像检测以确定 输电线路的异常目标图像， 缺陷检测模型由 Yolov5网络训练得到。 本申请实施方式的输电线 路的检测方法中， 通过缺陷检测模 型对输电线路 的巡检图像进行实时检测， 从而识别出输电线路 上异物与缺陷， 具有较高的异物和缺陷检测精度 与检测速度， 可为电网巡检人员开展输电线路除 障工作提供技 术参考。 权利要求书3页 说明书11页 附图10页 CN 115082813 A 2022.09.20 CN 115082813 A 1.一种输电线路的检测方法， 其特 征在于， 所述检测方法包括： 沿预定路径巡检获取 所述输电线路的巡检图像； 通过缺陷检测模型对所述巡检图像检测以确定所述输电线路的异常目标图像， 所述缺 陷检测模型由Yo lov5网络训练得到 。 2.根据权利要求1所述的检测方法， 其特征在于， 所述通过缺陷检测模型对所述巡检图 像检测以确定所述输电线路的异常目标图像， 包括： 对所述巡检图像进行 预处理以得到预处 理图像； 对所述预处 理图像切片以及特 征提取以得到特 征图像； 对所述特 征图像分支融合处 理以得到特 征加强图像； 根据所述特 征加强图像建模以检测所述输电线路的异常目标图像。 3.根据权利要求2所述的检测方法， 其特征在于， 所述对所述预处理图像切片以及特征 提取以得到特 征图像， 包括： 通过Focus模块对每 个所述预处 理图像切片处 理以得到多通道输入的分割图像； 通过CSP模块对所述分割图像进行 卷积、 残差以及池化处 理以提取 得到所述特 征图像。 4.根据权利要求1所述的检测方法， 其特 征在于， 所述检测方法还 包括： 发送所述异常目标图像至服 务器。 5.根据权利要求1所述的检测方法， 其特 征在于， 所述检测方法还 包括： 根据所述异常目标图像生成告警信号； 发送所述告警信号和/或所述异常目标图像至应用终端。 6.根据权利 要求1所述的检测方法， 其特征在于， 所述缺陷检测模型由Yolov5网络训练 得到的训练步骤 包括： 获取关于 输电线路的历史图像； 标注所述历史图像中异 物和缺陷的位置信息和类别 信息以构建数据集； 根据所述数据集对Yo lov5网络进行训练以修 正所述Yo lov5网络的权 重参数； 在所述Yolov5网络的测试结果满足准确率要求的情况下， 将修正后的Yolov5网络作为 所述缺陷检测模型。 7.根据权利 要求6所述的检测方法， 其特征在于， 所述根据所述数据集对Yolov5 网络进 行训练以修 正所述Yo lov5网络的权 重参数， 包括： 将所述数据集分成训练集和 测试集； 根据所述训练集对所述Yo lov5网络进行训练以得到训练结果； 基于所述训练结果和所述测试集， 通过目标损失函数计算所述Yo lov5网络的损失值； 根据所述Yo lov5网络的损失值对所述Yo lov5网络的权 重参数进行修 正。 8.根据权利 要求7所述的检测方法， 其特征在于， 所述根据所述训练集对所述Yolov5 网 络进行训练以得到训练结果， 包括： 对所述训练集进行 数据增强处 理以得到增强训练集； 根据所述增强训练集对所述Yo lov5网络训练以得到所述训练结果。 9.根据权利要求7所述的检测方法， 其特征在于， 所述目标损失函数包括定位损失函 数、 分类损失函数和置信度损失函数； 所述定位损失函数为：权　利　要　求　书 1/3 页 2 CN 115082813 A 2其中， B表示预测框， Bgt表示真实框， C表示包 含Bgt与B的最小凸闭合框， I oU为交并比； 所述分类损失函数为： c表示类别， p表示预测类别的概率， S表示网格尺 寸， 表示如果在第i个网格第j个box 处有目标， 其 值为1， 否则为0； 所述置信度损失函数为： 其中， 表示如果在第i个网格第j个box处没有目标， 其值为1， 否则为0， Ci表示置信 度。 10.根据权利要求1所述的检测方法， 其特 征在于， 所述检测方法还 包括： 根据所述目标异常图像对所述 缺陷检测模型进行增量学习以优化所述 缺陷检测模型。 11.根据权利要求1所述的检测方法， 其特 征在于， 所述检测方法还 包括： 通过预设量化算法对所述 缺陷检测模型量 化处理； 发送量化处理后的所述 缺陷检测模型至无 人机。 12.根据权利要求1 1所述的检测方法， 其特 征在于， 所述预设量 化算法包括 INT8量化。 13.一种无 人机， 其特 征在于， 包括： 图像采集模块， 用于沿预定路径巡检获取输电线路的巡检图像； 缺陷检测模块， 用于通过缺陷检测模型对所述巡检图像检测以确定所述输电线路的异 常目标图像， 所述 缺陷检测模型由Yo lov5网络训练得到 。 14.一种输电线路的检测系统， 其特征在于， 包括无人机和服务器， 所述无人机和所述 服务器无线通信， 所述服务器用于获取关于输电线路的历史图像， 并标注所述历史图像中 异物和缺陷的位置信息和类别信息以构建数据集， 根据所述数据集对Yolov5网络进 行训练 以修正所述Yolov5网络的权重参数， 再在所述Yolov5网络的测试结果满足准确率要求的情 况下， 将修正后的Yolov5网络作为所述缺陷检测模型并发送所述缺陷检测模型至所述无人 机； 所述无人机用于接收所述缺陷检测模型， 并沿预定路径巡检获取所述输电线路的巡检 图像， 以及通过缺陷检测模型对所述巡检图像 检测以确定所述输电线路的异常目标图像。 15.根据权利要求14所述的检测系统， 其特征在于， 所述检测系统包括应用终端， 所述 应用终端与所述服务器通信， 所述无人机还用于发送所述异常目标图像至所述服务器， 所 述服务器还用于根据所述异常目标图像生成告警信号发送所述告警信号和所述异常目标 图像至所述应用终端， 所述应用终端用于 显示所述告警信号和/或所述异常目标图像。 16.一种包含计算机程序的非易失性计算机可读存储介质， 其特征在于， 当所述计算机 程序被处理器执行时， 使得所述处理器执行权利要求 1‑12中任一项 所述的输电线路的检测权　利　要　求　书 2/3 页 3 CN 115082813 A 3