基于深度学习共享网络的指示灯多状态级联识别方法

本发明公开了一种基于深度学习共享网络的指示灯多状态级联识别方法，属于电力设备智能巡检领域。该方法通过统一的卷积神经网络提取图像的低阶纹理及空间特征，形成共享特征图；采用通道分离机制，将共享特征图按维度权重分配至颜色识别、状态检测并行分支，最上层的形态判别分支通过全连接层解析几何轮廓特征，实现圆形/条状分类；颜色识别分支采用双通道卷积核分别强化红/绿光谱响应，通过特征图对比完成颜色判定；状态检测分支融合空间池化与亮度统计分析，建立亮灭状态的决策边界。该方法可以降低参数冗余，提升各子任务的识别精度，满足巡检设备对多维度状态实时判别的需求。