1.一种接触网吊弦缺陷识别方法,其特征在于,包括:获取包含接触网吊弦的至少一个图像数据,对所述至少一个图像数据进行标注,得到至少一个标注图像数据;
分别将至少一个图像数据以及与所述至少一个图像数据相对应的标注图像数据输入至改进的YOLOv7x网络中进行迭代训练,得到接触网吊弦缺陷识别模型,其中,所述改进的YOLOv7x网络中包含融合骨干网络、综合损失函数以及贝尔多重注意力机制,所述融合骨干网络的表达式为:式中,
所述贝尔多重注意力机制的表达式为:
式中,
所述综合损失函数包括角度损失函数、距离损失函数以及预测框形状损失函数,其中,所述角度损失函数的表达式为:式中,
所述距离损失函数的表达式为:
式中,
所述预测框形状损失函数的表达式为:
式中,
将实时获取包含接触网吊弦的目标图像数据输入至所述接触网吊弦缺陷识别模型中,所述接触网吊弦缺陷识别模型输出得到接触网吊弦的缺陷识别结果。
2.根据权利要求1所述的一种接触网吊弦缺陷识别方法,其特征在于,所述将实时获取包含接触网吊弦的目标图像数据输入至所述接触网吊弦缺陷识别模型中,所述接触网吊弦缺陷识别模型输出得到接触网吊弦的缺陷识别结果包括:根据特征提起算法对包含接触网吊弦的目标图像数据进行边缘特征、纹理特征以及颜色特征提取;
将所述边缘特征、所述纹理特征以及所述颜色特征输入至所述接触网吊弦缺陷识别模型中,所述接触网吊弦缺陷识别模型输出得到接触网吊弦的缺陷识别结果。
3.一种接触网吊弦缺陷识别系统,其特征在于,包括:标注模块,配置为获取包含接触网吊弦的至少一个图像数据,对所述至少一个图像数据进行标注,得到至少一个标注图像数据;
训练模块,配置为分别将至少一个图像数据以及与所述至少一个图像数据相对应的标注图像数据输入至改进的YOLOv7x网络中进行迭代训练,得到接触网吊弦缺陷识别模型,其中,所述改进的YOLOv7x网络中包含融合骨干网络、综合损失函数以及贝尔多重注意力机制,所述融合骨干网络的表达式为:式中,
所述贝尔多重注意力机制的表达式为:
式中,
所述综合损失函数包括角度损失函数、距离损失函数以及预测框形状损失函数,其中,所述角度损失函数的表达式为:式中,
所述距离损失函数的表达式为:
式中,
所述预测框形状损失函数的表达式为:
式中,
输出模块,配置为将实时获取包含接触网吊弦的目标图像数据输入至所述接触网吊弦缺陷识别模型中,所述接触网吊弦缺陷识别模型输出得到接触网吊弦的缺陷识别结果。
4.一种电子设备,其特征在于,包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至2任一项所述的方法。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至2任一项所述的方法。