一种改进YOLOv8网络的电力输电线路覆冰检测方法与流程

本发明涉及覆冰检测，尤其是涉及一种改进yolov8网络的电力输电线路覆冰检测方法。

背景技术：

1、近年来，由于极端天气和环境的异常会造成输电线路的覆冰，给电网的安全稳定产生影响并带来破坏，由于输电线路多分布在山区、林区、无人的空旷地带，每次发生破坏，工作人员无法在第一时间获取现场的信息，同时无法复现当时的场景，现有输电线路巡检的方式主要有人工巡检、直升机巡检、机器人巡检和无人机巡检等，这些巡检方式在人力物力上投入较大，且不能及时发现灾害。

2、对于偏僻的易发生覆冰的输电线路上可以通过安装监测设备，实现对冰冻灾害的实时在线监控检测和预警，现有技术中关于输电线路覆冰检测方法有基于传统的图像识别方法，以及当前主流的基于深度学习的目标检测算法，前者识别精度有限，特别是对于山区、林区等背景复杂的场景下无法满足检测需求；后者分为双阶段检测和单阶段检测，基于候选区域的双阶段检测主要包括r-cnn、faster-r-cnn、mask r-cnn等，这些检测算法检测精度较高，但检测速度对于边缘设备不够理想；基于回归的单阶段算法有yolov3、yolov4系列、ssd等，这些算法在满足一定检测精度的情况下，运算时间有着较大提升，适用于实时性要求高，需要快速检测的场景，但是对于山区、林区等覆冰检测背景信息复杂、集成在边缘装置的小型模型要求，现有技术很难同时满足上述场景下的实际需求。

技术实现思路

1、为了克服上述问题，本发明的目的是提供一种改进yolov8网络的电力输电线路覆冰检测方法，该方法采用改进的yolov8，通过幽灵洗牌卷积取代了部分传统卷积，减少模型参数，加快模型收敛速度；引入biformer注意力机制，有效地提高了模型对于复杂特征的注意，抑制其余不相关的背景信息；将损失函数替换为wiouv3，配备合理的梯度分配策略，优先考虑平均质量的样本，提高了模型的精确定位能力。

2、本发明采用的技术方案是：包括以下步骤：

3、s01：选取数据集，并对其进行数据增强，选取电力输电线路的覆冰图片作为数据集，通过高斯噪声、模糊图像、随机旋转图像、不同均值和方差缩放图像的方式对其进行数据增强；

4、s02：筛选数据并进行图像标注，将数据集按比例分为测试集和验证集，筛选并剔除不能用于训练的数据，采用labeling图像标注软件对图像进行标注，直接生成yolo数据标签格式，将数据集按照7:3的比例分为测试集和验证集；

5、s03：建立改进的yolov8模型，以yolov8作为基础模型，从损失函数、注意力机制、特征融合三方面进行优化，建立改进的yolov8模型，采用wiouv3作为边缘盒回归的损失函数，在骨干网中引入动态稀疏关注机制biformer，使用幽灵洗牌卷积代替传统卷积；

6、s04：训练模型，训练s03中构建的改进yolov8模型，将s02中处理后覆冰图片的训练集和验证集送入检测模型中进行训练，对训练后的改进yolov8算法的模型进行性能评估与评价，得到收敛良好的网络模型；

7、s05：评估模型，根据训练后得到的基于改进yolov8算法的电力输电线路覆冰检测模型，对模型的平均检测精度、检测速度进行评估；

8、s06：应用改进的yolov8模型到实际检测中，将s05中评估后的满足实际工况的基于改进yolov8算法的电力输电线路覆冰检测模型应用于检测中，对电力输电线路覆冰情况进行实际检测。

9、进一步的，所述步骤s03中边缘盒回归的损失函数wiouv3采用合理的梯度增益分配策略，动态优化高质量和低质量锚盒在损失函数中的权重，使模型专注于平均质量样本，提高了模型的整体性能，其计算公式为：

10、lwiouv3＝r×lwiouv1

11、

12、

13、其中，β为离群值，r为非单调聚集因子，为单调聚集系数。

14、进一步的，所述步骤s03中动态稀疏关注机制biformer为双层路由注意力机制，其利用查询自适应，在输入特征图的粗粒度区域中过滤出最不相关的键值对，找到相关度较高的键值对，进行关注计算。

15、进一步的，所述动态稀疏关注机制biformer的具体步骤为：

16、第一步：输入特征图，x∈rh×w×c，将其划分为s×s个不同的区域，其中每个区域包含hw/s2个特征向量,改变x为然后通过线性映射获得

17、q＝xrwq

18、k＝xrwk

19、v＝xrwv

20、第二步：构造有向图定位给定区域的相关区域，获得区域与区域之间的关注关系，对每个区域的q和v进行区域平均处理，得到区域级的qr和kr，计算其对应的点积，生成邻接矩阵ar：

21、ar＝qr(kr)t

22、第三步：修建ar，在粗粒度层面过滤掉ar中相关性最小的区域，只保留相关度最高的前k个区域，得到路由索引矩阵ir：

23、ir＝topkindex(ar)

24、第四步：利用区域到区域路由索引矩阵，计算粗粒度的token-to-token注意力，区域i中的每个q，将关注k个区域的键值对，索引为将这些区域中的所有相关k和v集合起来，得到kg和vg；

25、第五步：对聚集的kg和vg进行注意力操作，引入局部上下文增强lce(v)推导得到输出o，计算公式如下：

26、o＝attention(q,kg,vg)+lce(v)

27、进一步的，所述步骤s03中幽灵洗牌卷积的计算公式为：

28、xc＝σ(bn(conv2d(xinput)))

29、

30、其中，conv2d表示对输入图像xinput进行二维卷积，bn表示归一化运算，σ表示激活函数，表示两种卷积类型的串接，δ表示洗牌，通过洗牌过程得到最后的输出xout。

31、进一步的，所述幽灵洗牌卷积的使用方式为单个阶段。

32、本发明的有益效果：

33、本发明一种改进yolov8网络的电力输电线路覆冰检测方法，该方法采用改进的yolov8，通过幽灵洗牌卷积取代了部分传统卷积，建立快速金字塔池化模块，加速了模型的收敛，在处理图像时更快地融合特征，减少了计算负荷，减少模型参数，加快模型收敛速度。

34、本发明一种改进yolov8网络的电力输电线路覆冰检测方法，该方法采用改进的yolov8，引入biformer注意力机制，通过过滤掉特征图中大多数低相关区域，将注意力集中在高相关特征上，减少了计算和内存消耗，提高了模型对输入特征中关键信息的关注，优化了模型的检测性能。有效地提高了模型对于复杂特征的注意，抑制其余不相关的背景信息。

35、本发明一种改进yolov8网络的电力输电线路覆冰检测方法，该方法采用改进的yolov8，将损失函数替换为wiouv3，配备合理的梯度分配策略，有效地调整了高质量和低质量样本的梯度增益，提高了定位精度，提高了模型的整体泛化能力，优先考虑平均质量的样本，提高了模型的精确定位能力。