摘要
本发明公开了一种基于深度学习的模型训练方法及输电杆塔腐蚀检测方法,通过构建输电杆塔的原始样本图像集,并根据腐蚀等级对原始样本图像集进行标注,获得第一样本图像集;对第一样本图像集进行预处理,获得第二样本图像集;根据第二样本图像集对预设的深度学习模型进行训练,获得训练后的深度学习模型,所述深度学习模型的网络架构中包括Faster R‑CNN、ResNet、U‑Net和ViT;对训练后的深度学习模型进行优化,获得腐蚀检测模型,以根据腐蚀检测模型进行输电杆塔腐蚀检测;从而能够自动学习图像特征,无需人工干预,并且能够适应复杂背景、不同光照条件下的图像特征,有效提高输电杆塔腐蚀检测的准确性和鲁棒性。
技术关键词
模型训练方法
腐蚀检测方法
检测输电杆塔
样本
联合损失函数
深度学习模型优化
网络架构
深度学习模型训练
腐蚀检测装置
通道注意力机制
深度特征提取
模型训练装置
图像获取模块
可读存储介质
处理器
终端设备