基于FCIS模型的输电线路部件同时检测与分割方法

实时监测并及时诊断输电线路故障是输电线路安全运行的前提。由于输电线路图像拍摄环境复杂,单独的检测或分割不能满足实时性要求,且图中小部件和遮挡部件难以提取,因此为了更精准地定位目标位置、检测并分割出图中小部件和遮挡部件,提出一种改进全卷积实例感知语义分割（FCIS）的输电线路部件同时检测与分割方法。将兴趣区对准（ROI Align）算法的思想引进到FCIS模型中,提出位置敏感区域前景/背景—感兴趣区域对准（PS2-ROI Align）方法,使用双线性插值法可以有效地解决输入图像特征图中的ROI与原图中位置信息不匹配的问题,并且引用梯度回传算法解决图像中小金具及遮挡金具特征难提取导致检测与分割精度差的问题。在本次构建的输电线路检测与分割数据集中进行检测分割实验,结果表明,改进前图中未能检测分割的小目标及遮挡目标得到了有效的检测分割,对比其他检测模型,改进后FCIS模型平均准确率（mAP）最高,并且相比改进前提升了1.73%。     

嵌入双注意力机制的Faster R-CNN航拍输电线路螺栓缺陷检测

目的 螺栓是输电线路上最普遍、数量最多的部件,螺栓缺陷检测是输电线路视觉检测任务的一大难点。针对螺栓目标存在背景复杂、目标过小、不同类别之间差异小以及精细特征难以提取的问题,提出一种双注意力机制方法,分别对不同尺度和不同位置的视觉特征进行分析和增强。方法 对于不同尺度的特征,网络使用不同尺度的特征图计算出相应的注意力图,然后将相邻层的注意力图差异性作为正则化项加入网络中,从而增强螺栓区域的精细特征。对于不同位置的特征,先使用特征图计算出图像的空间注意力图,注意力图中每个元素表示两个空间位置的相似程度,然后利用注意力图将局部特征与全局特征融合,从而在全局视野上增强相似的区域,达到增大螺栓与背景的特征差异程度,实现提高螺栓区域的预测效果。结果 本文在航拍输电线路典型螺栓数据集上进行测试,与基线相比,结合双注意力机制的航拍输电线路螺栓检测方法的平均准确率提高了2.21%,其中正常螺栓类提升了0.29%,缺销螺栓类提升了5.23%,螺母缺失螺栓类提升了1.1%。结论 本文提出的基于双注意力机制的航拍输电线路螺栓缺陷检测方法取得了良好的效果,有效避免了螺栓缺陷检测中的误判漏判问题,为进一步对输电线路其他缺陷任务奠定了良好的基础。