基于卷积网络轻量化的输电通道安全监测方法及系统

专利主权项内容

1.一种基于卷积网络轻量化的输电通道安全监测方法，其特征在于，所述输电通道安全监测方法包括：获取输电通道安全监测数据集，并进行数据集中每一个数据的预处理及真值标签标注，获得带标签训练数据集；提取所述带标签训练数据集中任一个训练数据对应的特征，并基于所述特征构建PG卷积层和PGBlock网络：所述PG卷积层包括顺次连接的1个输入层、1个通道分离层、1个卷积层、1个深度卷积层和1个Concat拼接层，所述通道分离层、所述卷积层分别连接至所述Concat拼接层，所述PG卷积层对所述任一个训练数据对应的特征的处理过程为：通过所述通道分离层基于设定的分离率进行所述输入层获取的所述任一个训练数据对应的特征的划分；根据分离率选取划分后的特征的一部分，作为第一特征，通过PG-1分支，其余部分作为第二特征，通过PG-0分支；通过所述卷积层和所述深度卷积层进行PG-1分支的所述第一特征的空间特征提取，并通过所述Concat拼接层与PG-0分支的所述第二特征进行拼接，获得第一组合特征；所述PGBlock网络包括PGBlock-A模块和PGBlock-C模块；所述PGBlock-A模块包括顺次连接的1个输入层、1个PG卷积层和2个卷积核为1×1的卷积层，输入层直接映射后与最后的卷积核为1×1的卷积层的输出相加，所述PGBlock-A模块对所述任一个训练数据对应的特征的处理过程为：将所述任一个训练数据对应的特征依次通过1个输入层、1个PG卷积层和2个卷积核为1×1的卷积层，获得第三特征；将所述任一个训练数据对应的特征通过所述输入层直接映射，获得第四特征，并进行所述第三特征和所述第四特征的相加，获得第二组合特征；所述PGBlock-C模块，包括顺次连接的1个输入层、1个通道分离层、1个PG卷积层、1个卷积核为1×1的卷积层、1个Concat拼接层和1个通道混洗层，所述通道分离层连接至所述Concat拼接层，所述PGBlock-C模块对所述任一个训练数据对应的特征的处理过程为：将所述任一个训练数据对应的特征依次通过1个输入层、1个通道分离层，并根据分离率选取划分后的特征的一部分，作为第五特征，其余部分作为第六特征；将所述第五特征依次通过1个PG卷积层、1个卷积核为1×1的卷积层，获得第七特征，并通过所述Concat拼接层将所述第六特征和所述第七特征拼接，获得第八特征；进行所述第八特征的通道混洗，获得第三组合特征；将所述任一个训练数据对应的特征进行降维和残差连接，结合所述PGBlock网络构建PGC3网络：所述PGC3网络包括顺次连接的1个输入层、1个卷积核为1×1的卷积层、1个PGBlock网络、1个卷积核为1×1的卷积层、1个Concat拼接层和1个卷积核为1×1的卷积层，所述输入层后的所述卷积核为1×1的卷积层连接至所述Concat拼接层，所述PGC3网络对所述任一个训练数据对应的特征的处理过程为：将所述任一个训练数据对应的特征通过1个输入层和1个卷积核为1×1的卷积层，获得维度降至1/2的第九特征；将所述第九特征依次通过1个PGBlock网络和1个卷积核为1×1的卷积层，获得第十特征；将所述第九特征和所述第十特征通过所述Concat拼接层拼接，并输入1个卷积核为1×1的卷积层，获得第四组合特征；以所述PGC3网络替换YOLOv5s网络中backbone部分与特征融合neck部分的C3结构，获得初始安全监测网络；基于所述带标签训练数据集迭代进行所述初始安全监测网络的训练，并在迭代训练中优化PGBlock网络的PGBlock-A模块和PGBlock-C模块，获得优化后的轻量化安全监测网络；将所述优化后的轻量化安全监测网络部署到边缘设备，并实时进行输电通道的安全监测。