(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 202210412215.9 (22)申请日 2022.04.19 (71)申请人 浙江科技学院 地址 310023 浙江省杭州市西湖区留和路 318号 (72)发明人 侯北平　胡飞阳　朱文　李丰余　 于爱华　周乐　郑洪波　 (74)专利代理 机构 杭州知闲专利代理事务所 (特殊普通 合伙) 33315 专利代理师 王于敏 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/40(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种复杂背景下的高压电缆绝缘层截面分 类方法 (57)摘要 本发明提供一种复杂背景下的高压电缆绝 缘层截面分类方法， 在获取电缆绝缘层截面的候 选区域和截面特征之后， 利用定位神经网络更加 准确地预测电缆绝缘层的真实区域， 避免了复杂 背景对分类结果准确性的影 响； 后根据预测的真 实区域采用加入了注意力机制的MobileNetV2轻 量型网络对电缆绝缘层截面进行分类， 降低了分 类的计算量， 提高了分类效率， 同时有效提高了 分类的准确率。 该分类方法具有分类精度高、 适 用于多种电缆绝缘层截面和环 境、 去除复杂背景 干扰能力强、 网络模型轻量化程度高、 运算速度 快等优点， 能大幅优化绝缘层截面参数检测流 程， 减少人工操作步骤， 减 轻复杂背景影 响， 降低 分类网络 硬件要求。 权利要求书2页 说明书9页 附图1页 CN 114724037 A 2022.07.08 CN 114724037 A 1.一种复杂背景 下的高压电缆 绝缘层截面分类方法， 其特 征在于， 包括以下步骤： (1)提取复杂背景 下的电缆 绝缘层截面原 始图像的特 征图Ⅰ； (2)在区域 生成网络中采用Anc hor根据特 征图Ⅰ生成电缆 绝缘层截面的候选区域； (3)对候选区域进行Ro I池化处理， 提取电缆 绝缘层的截面特 征； (4)根据候选区域和截面特征， 利用训练得到的定位神经网络预测电缆绝缘层截面的 真实区域； (5)以预测的真实区域作为输入， 采用基于MobileNetV2的轻量型分类 网络对电缆绝缘 层截面进行分类； (6)在原始图像中标注电缆 绝缘层截面的区域和种类， 输出 结果。 2.根据权利要求1所述的复杂背景下的高压电缆绝缘层截面分类方法， 其特征在于， 所 述定位神经网络由区域 生成网络和快速卷积神经网络共用卷积特 征训练得到； 步骤(3)中提取的截面特 征包括电缆 绝缘层截面的特 征向量。 3.根据权利要求2所述的复杂背景下的高压电缆绝缘层截面分类方法， 其特征在于， 定 位神经网络的模型参数W 为： W＝argmin∑(ti‑WiTΦs(F))2 其中， ti表示由候选区域得到真实区域的真实调整量； Φs(F)表示特征 向量； WiT表示设 定的要学习的参数； i∈{x,y,w,h}， x、 y分别表示候选区域的中心点两个方向的坐标、 w表示 候选区域的宽、 h表示 候选区域的高。 4.根据权利要求1所述的复杂背景下的高压电缆绝缘层截面分类方法， 其特征在于， 所 述基于MobileNetV2的轻量型分类网络为加入注意力机制的MobileNetV2轻量型网络， 所述 注意力机制中设定有空间注意力模块和通道 注意力模块。 5.根据权利要求4所述的复杂背景下的高压电缆绝缘层截面分类方法， 其特征在于， 预 测的真实区域在MobileNetV2轻量型网络中经过扩张、 卷积处理后得到特征图 Ⅱ， 以特征图 Ⅱ作为输入， 采用空间注意力模块和通道注意力模块分别获取语义更全面的特征图 Ⅲ和带 有权重信息的特征图 Ⅳ； 最后将特征图 Ⅲ和特征图 Ⅳ进行信息融合， 得到电缆绝缘层截面 的分类结果。 6.根据权利要求5所述的复杂背景下的高压电缆绝缘层截面分类方法， 其特征在于， 所 述空间注意力模块由两个普通卷积层和两个空洞卷积层组成； 特征图Ⅱ先经过一个普通卷积层进行初步压缩， 再通过两个空洞卷积层卷积后， 通过 另一个普通卷积层压缩成一维特 征图Ⅲ输出， 输出表达式如下： 其中， X'K表示输出的特 征图Ⅲ； XK表示特征图Ⅱ； 表示特征图Ⅱ经初步压缩和两个空洞卷积层处 理后生成的注意力图， 表达式如下： 其中， f表示两个空洞卷积层获取的感受野 的大小； Aavg表示特征图 Ⅱ经过普通卷积后 的输出。 7.根据权利要求5所述的复杂背景下的高压电缆绝缘层截面分类方法， 其特征在于， 特权　利　要　求　书 1/2 页 2 CN 114724037 A 2征图Ⅱ在通道注意力模块中经过池化后进入多层感知机， 并通过激活函数对其权重进 行重 新分配， 得到带有权 重信息的特 征图Ⅳ。 8.根据权利要求7所述的复杂背景下的高压电缆绝缘层截面分类方法， 其特征在于， 所 述多层感知机包括两个全连接层， 得到的带有权 重信息的特 征图Ⅳ的表达式为： 其中， X”K表示特征图Ⅳ； XK表示特征图Ⅱ； 表示输入的特 征图经过池化层和多层感知机的全连接层处 理后的输出： 其中， W1为第一层全连接层； W2为第二层全连接层； M为特征图 Ⅱ经过池化层后的输出； sig()表示sigmo id函数； ρ 表示ReLU函数。 9.根据权利要求1所述的复杂背景下的高压电缆绝缘层截面分类方法， 其特征在于， 步 骤(1)中， 采用快速卷积神经网络中的多层卷积和池化处理对原始 图像的特征图 Ⅰ进行提 取。 10.根据权利要求1所述的复杂背景下的高压电缆绝缘层截面分类方法， 其特征在于， 步骤(3)中， Ro I池化区域由特 征图Ⅰ在快速卷积神经网络中生成的网络构建得到 。权　利　要　求　书 2/2 页 3 CN 114724037 A 3