(19)中华 人民共和国 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 202210227821.3 (22)申请日 2022.03.09 (71)申请人 南方电网数字电网研究院有限公司 地址 510700 广东省广州市黄埔区中新广 州知识城 亿创街1号 406房之86 (72)发明人 李鹏　黄文琦　吴洋　陈佳捷　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 代理人 穆仁熙 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 7/00(2017.01) (54)发明名称 基于轻量化模型下发的输电线路缺陷巡检 方法和装置 (57)摘要 本申请涉及一种基于轻量化模型下发的输 电线路缺陷巡检方法和装置。 所述方法包括： 压 缩目标器件检测模型， 得到压缩后的目标器件检 测模型并下发； 目标器件检测模 型为基于目标器 件训练集对第一单阶段目标检测模型进行训练 得到； 目标器件训练集为采用最小外接矩形框对 输电线路的历史无人机巡检图像中的目标器件 进行标注得到； 其中， 压缩后的目标器件检测模 型用于指示边缘设备识别当前无人机巡检图像， 以指示边缘设备指示无人机调整姿态以获取目 标器件图像并上传； 若接收到目标器件 图像， 采 用缺陷检测模 型处理目标器件图像， 得到输电线 路缺陷巡检结果。 采用本方法能够在输电线路的 巡检过程中实现对目标器件的缺陷检测， 识别准 确率高。 权利要求书2页 说明书7页 附图3页 CN 114332659 A 2022.04.12 CN 114332659 A 1.一种基于轻量 化模型下发的输电线路缺陷巡检方法， 其特 征在于， 所述方法包括： 压缩目标器件检测模型， 得到压缩后的目标器件检测模型并下发； 所述目标器件检测 模型为基于目标器件训练集对第一单阶段目标检测模型进 行训练得到； 所述目标器件训练 集为采用最小外接矩形框对输电线路的历史无人机巡检图像中的目标器件进 行标注得到； 其中， 所述压缩后的目标器件检测模型用于指示边缘设备识别当前无人机巡检图像， 以得 到所述目标器件的类型与位置； 所述目标器件的类型与位置用于指示所述边缘设备指示无 人机调整 姿态以获取目标器件图像并上传； 若接收到所述目标器件图像， 采用缺陷检测模型处理所述目标器件图像， 得到输电线 路缺陷巡检结果； 所述缺陷检测模型为基于所述目标器件训练集对第二单阶段目标检测模 型进行训练得到 。 2.根据权利要求1所述的方法， 其特征在于， 所述目标器件检测模型和所述缺陷检测模 型均为包括依次连接的主干网络、 编码器和解码器的模型； 所述主干网络包括残差神经网络和特征金字塔的第五卷积层输出的特征图， 所述残差 神经网络与所述特征图连接； 所述编码器包括相连 的投影层和残差块； 所述投影层与所述 特征图连接； 所述解码 器包括分类 分支和回归分支； 所述回归分支包括隐式预测对象， 用于 输出所述 目标器件的位置； 所述分类分支通过与所述隐式预测对 象合并， 以输出所述 目标 器件的类型。 3.根据权利要求2所述的方法， 其特征在于， 所述目标器件检测模型包括若干个普通卷 积层； 所述 缺陷检测模型包括若干个分组卷积层。 4.根据权利要求3所述的方法， 其特征在于， 所述目标器件检测模型采用均衡匹配策略 以调整用于训练的所述目标器件训练集的样本比例； 所述缺陷检测模型采用交叉熵损失函数以调整用于训练的所述目标器件训练集的样 本比例。 5.根据权利要求4所述的方法， 其特征在于， 所述压缩所述目标器件检测模型并下发的 步骤包括： 基于所述目标器件检测模型各层通道的平均通道显著性， 对所述目标器件检测模型进 行动态剪枝， 获取 所述压缩后的目标器件检测模型； 采用HTTP协议通过5G网络下发所述压缩后的目标器件检测模型。 6.根据权利要求1至5任意一项所述的方法， 其特征在于， 所述目标器件包括玻璃绝缘 子、 防震锤和均压环； 所述目标器件训练集包括VOC格式的xml标注文件； 所述方法还 包括： 若接收到所述目标器件图像， 则基于所述目标器件图像优化所述 缺陷检测模型。 7.一种基于轻量 化模型下发的输电线路缺陷巡检装置， 其特 征在于， 所述装置包括： 压缩下发模块， 用于压缩目标器件检测模型， 得到压缩后的目标器件检测模型并下发； 所述目标器件检测模型为基于目标器件训练集对第一单阶段目标检测模型进 行训练得到； 所述目标器件训练集为采用最小外接矩形框对输电线路的历史无人机巡检图像中的目标 器件进行标注得到； 其中， 所述压缩后的目标器件检测模型用于指示边缘设备识别 当前无 人机巡检图像， 以得到所述 目标器件的类型与位置； 所述 目标器件的类型与位置用于指示 所述边缘设备指示无 人机调整 姿态以获取目标器件图像并上传；权　利　要　求　书 1/2 页 2 CN 114332659 A 2结果输出模块， 用于若接收到所述目标器件图像， 采用缺陷检测模型处理所述目标器 件图像， 得到输电线路缺陷巡检结果； 所述缺陷检测模型为基于所述 目标器件训练集对第 二单阶段目标检测模型进行训练得到 。 8.一种云端设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求1至 6中任一项所述的方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 6中任一项所述的方法的步骤。 10.一种计算机程序产品， 包括计算机程序， 其特征在于， 该计算机程序被处理器执行 时实现权利要求1至 6中任一项所述的方法的步骤。权　利　要　求　书 2/2 页 3 CN 114332659 A 3