(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 202210255317.4 (22)申请日 2022.03.15 (71)申请人 华北电力大 学 地址 102206 北京市昌平区北农路2号 华北 电力大学 (72)发明人 马静　王庆杰　王栩成　赵文越　 孟海磊　董啸　任敬飞　 (74)专利代理 机构 北京天达知识产权代理事务 所(普通合伙) 11386 专利代理师 马东伟 (51)Int.Cl. G06V 20/50(2022.01) G06V 10/40(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) G06Q 50/06(2012.01) (54)发明名称 一种配电网工程 安全管控检测方法及装置 (57)摘要 本发明涉及一种配电网工程安全管控检测 方法及装置， 属于机器图像识别技术领域， 解决 了现有技术中检测方法检测速度慢、 准确率低和 适用性差的问题。 包括采集配电网工程现场图 片， 预处理后得到样本集； 基于YOLOv5神经网络 模型构建安全管控检测模型， 其中， 在主干特征 提取网络中添加改进的CBAM卷积注意力机制模 块， 改进的CBA M中的空间注意力模块中将输入特 征图沿着水平和竖直两个通道进行卷积， 得到 CBAM输出特征图； 在颈部网络中采用Bi ‑FPN网络 对主干特征提取网络输出的特征图进行特征融 合； 基于样本集得到训练好的安全管控检测模 型； 将实时采集的配电网工程图像传入训练好的 安全管控检测模型， 得到图像中目标检测结果。 实现了对配电网工程现场安全问题的快速 检测。 权利要求书2页 说明书11页 附图3页 CN 114758288 A 2022.07.15 CN 114758288 A 1.一种配电网工程 安全管控检测方法， 其特 征在于， 包括如下步骤： 采集配电网工程现场图片， 预处 理后得到样本集； 基于YOLOv5神经网络模型构建安全管控检测模型， 其中， 在主干特征提取网络中添加 改进的CBAM卷积注 意力机制模块， 所述改进的CBAM中的空间注 意力模块中将 输入特征图沿 着水平和竖直两个通道进行卷积， 得到CBAM输出特征图； 在颈部网络中采用Bi ‑FPN网络对 所述主干特 征提取网络 输出的特 征图进行 特征融合； 基于所述样本集， 得到训练好的安全管控检测模型； 将实时采集的配电网工程图像传入训练好的安全管控检测模型， 得到图像中目标检测 结果。 2.根据权利要求1所述的配电网工程安全管控检测方法， 其特征在于， 所述改进的CBAM 卷积注意力机制模块包括通道注意力模块和空间注意力模块； 所述通道注意力模块输出的 特征图， 作为空间注意力模块的输入特征图， 所述空间注意力模块中将输入特征图沿着水 平和竖直两个通道进行两次卷积， 最终加权得到 CBAM输出特征图。 3.根据权利要求2所述的配电网工程安全管控检测方法， 其特征在于， 所述空间注意力 模块中将输入 特征图沿着水平和竖直两个通道进 行两次卷积， 最 终加权得到CBAM输出特征 图， 包括： 对所述输入特征图， 使用平均池化核分别沿水平方向和竖直方向对每个通道进行编 码， 得到水平和竖直方向的两个第一特 征图； 分别对两个第一特征图进行卷积， 得到水平和竖直方向的两个中间特征图后， 通过非 线性激活函数， 得到水平和竖直方向的中间特 征权重； 分别对两个中间特征权重再次进行卷积后， 通过激活函数， 得到水平和竖直方向的通 道权重； 将所述输入特征图， 分别与所述水平和竖直方向的通道权重相乘， 得到CBAM输出特征 图。 4.根据权利要求3所述的配电网工程安全管控检测方法， 其特征在于， 所述主干特征提 取网络基于CSPDarknet53网络， 采用C3模块替换原CSP模块； 所述C3模块将 输入特征图分为 两个分支处理， 一个分支先通过第一卷积块CBS进行卷积， 再经过多个残差单元传播梯度； 另一个分支直接通过第二卷积块CBS进行卷积， 然后两个分支进行拼接后经过第三卷积块 CBS进行卷积， 得到 C3输出特征图； 所述第一卷积块CBS、 第二卷积块CBS和第三卷积块CBS内的逻辑操作相同， 依次包括： 卷积操作Conv， 批归一 化BN和Si lu激活函数。 5.根据权利要求4所述的配电网工程安全管控检测方法， 其特征在于， 所述在主干特征 提取网络中添加改进的CBAM卷积注意力机制 模块， 是在所述每个C3模块中第三卷积块CBS 后， 添加改进的CBAM卷积注意力机制模块， 作为C3 ’模块， C3模块的C3输出特征图经过CBAM 卷积注意力机制模块后， 得到的CBAM 输出特征图， 作为C 3’输出特征图。 6.根据权利要求5所述的配电网工程安全管控检测方法， 其特征在于， 所述主干特征提 取网络将输入图像依次经过Focus模块、 第四卷积块CBS、 第一C3 ’模块、 第五卷积块CBS、 第 二C3’模块、 第六卷积块CBS、 第三C3 ’模块、 第七卷积块CBS、 SPP模块处理， 提取输入图像特 征， 输出5种不同尺度的特 征图， 包括：权　利　要　求　书 1/2 页 2 CN 114758288 A 2经过Focus模块处理的特征图P1， 分别经过第一、 第二和第三C3 ’模块处理的特征图P2、 P3和P4， 以及， 经 过SPP模块处理的特征图P5。 7.根据权利 要求6所述的配电网工程安全管控检测方法， 其特征在于， 所述采用Bi ‑FPN 网络对所述主干特征提取网络输出 的特征图进行特征融合， 是将所述5种不同尺度的特征 图， 利用Bi ‑FPN网络， 进行三个网络层级的特 征融合， 得到 3种不同尺寸的特 征图。 8.根据权利要求1 ‑7任一项所述的配电网工程安全管控检测方法， 其特征在于， 所述基 于所述样本集， 得到训练好的安全管控检测模型， 包括： 基于所述样本集， 训练安全管控检测模型， 通过非极大值抑制算法消除多余目标框， 得 到样本图像的预测框； 利用损失函数计算预测框与目标框的误差， 基于误差更新模型参数， 重复训练， 直至损 失函数的值小于阈值， 得到训练好的安全管控检测模型。 9.根据权利要求8所述的配电网工程安全管控检测方法， 其特征在于， 所述损失函数在 CIoU损失函数的基础上， 以预测框的宽度和高度作为 惩罚项， 计算公式是： 其中， IoU为预测框与标准框的交并比， d为预测框和目标框中心点之间的距离， c为可 同时覆盖预测框和目标框的最小矩形 的对角线距离， α 为权重函数， v用来衡量目标框与预 测框之间长宽比的一致性； ω为目标框宽度， ωp为预测框宽度， ω ’为可同时覆盖预测框和 目标框的最小矩形的宽度， h为目标框高度， hp为预测框高度， h ’为可同时覆盖预测框和目 标框的最小矩形的高度。 10.一种配电网工程 安全管控检测装置， 其特 征在于， 包括： 图像采集及预处 理模块， 用于采集配电网工程现场图片， 预处 理后得到样本集； 模型生成模块， 用于基于YOLOv5神经网络模型构 建安全管控检测模型， 其中， 在主干特 征提取网络中添加所述CBAM卷积注 意力机制模块， 所述CBAM中的空间注 意力模块中将 输入 特征图沿着水平和竖直两个通道进行卷积， 得到CBAM输出特征图； 在颈部网络中采用Bi ‑ FPN网络对所述主干特 征提取网络 输出的特 征图进行 特征融合； 模型训练模块， 用于基于所述样本集， 得到训练好的安全管控检测模型； 工程现场图像检测模块， 用于将 实时采集的配电网工程图像传入训练好的安全管控检 测模型， 得到图像中目标检测结果。权　利　要　求　书 2/2 页 3 CN 114758288 A 3