1.一种接触网绝缘子缺陷识别方法,其特征在于,包括:获取接触网绝缘子的历史图像数据,所述历史图像数据中包含接触网绝缘子的图像信息以及对所述图像信息进行标注后的缺陷信息,所述缺陷信息包括缺陷位置以及缺陷类型;
将所述图像信息作为改进的YOLOv5x网络的输入,以及将所述缺陷信息作为所述改进的YOLOv5x网络的输出,对所述改进的YOLOv5x网络的网络参数进行调整,得到绝缘子缺陷识别模型,其中,所述改进的YOLOv5x网络中包含VeRcl初始化规则、JreU组合激活函数以及里贝里加权综合损失函数,所述VeRcl初始化规则具体包括:在卷积层初始化中引入权重向量,权重向量会跟随相应网络的传播方向而改变自身的作用方向:式中,
从一个均匀分布或者正态分布中随机抽取权重,对于从一个均匀分布中随机抽取权重为:式中,
对于从一个正态分布中随机抽取权重为:
式中,
调整学习率,基于更新规则优化神经网络的参数更新过程,降低梯度较大参数的学习率,同时升高梯度较小参数的学习率,更新规则为:式中,
考虑梯度的历史信息,计算梯度平方的移动平均,并根据所述梯度平方的移动平均进行归一化学习率更新;
所述JreU组合激活函数的表达式为:
式中,
所述里贝里加权综合损失函数的表达式为:
式中,
所述VeRcl初始化规则位于所述改进的YOLOv5x中的骨干网络的卷积层中,所述VeRcl初始化规则确定各个卷积层的连接方式,卷积层输入为上一层具有不同通道数的特征图,输出为输入经过卷积操作和激活函数处理后得到的新的特征图;
基于所述JreU组合激活函数调整各个卷积层的连接通道,所述JreU组合激活函数的输入为来自卷积层的加权和,即线性变换后的结果,输出为经过JreU组合激活函数处理后的结果,代表改进的YOLOv5x网络在给定输入下的非线性响应;
所述里贝里加权综合损失函数的输入为改进的YOLOv5x网络对于给定输入数据的预测结果,输出是改进的YOLOv5x网络在给定输入数据上的损失值;
获取包含所述接触网绝缘子的实时图像信息,并将所述实时图像信息输入至所述绝缘子缺陷识别模型中,所述绝缘子缺陷识别模型输出与所述实时图像信息对应的目标缺陷信息。
2.根据权利要求1所述的一种接触网绝缘子缺陷识别方法,其特征在于,其中,进行归一化学习率更新的表达式为:式中,
3.根据权利要求1所述的一种接触网绝缘子缺陷识别方法,其特征在于,在基于所述JreU组合激活函数调整各个卷积层的连接通道之前,所述方法还包括:根据所述JreU组合激活函数将输入数据归一化,即将输入数据线性缩放至预设范围内,其中,将输入数据归一化的表达式为:式中,
通过线性变换将输入数据转换成具有相同的协方差矩阵和单位方差的数据,其中,转换的表达式为:式中,
4.根据权利要求1所述的一种接触网绝缘子缺陷识别方法,其特征在于,所述里贝里加权综合损失函数为角度损失子函数经过希尔拉斯变换后与距离损失子函数加权组合得到的综合损失函数;
所述角度损失子函数的表达式为:
式中,
所述距离损失子函数的表达式为:
式中,
5.一种接触网绝缘子缺陷识别系统,其特征在于,包括:获取模块,配置为获取接触网绝缘子的历史图像数据,所述历史图像数据中包含接触网绝缘子的图像信息以及对所述图像信息进行标注后的缺陷信息,所述缺陷信息包括缺陷位置以及缺陷类型;
调整模块,配置为将所述图像信息作为改进的YOLOv5x网络的输入,以及将所述缺陷信息作为所述改进的YOLOv5x网络的输出,对所述改进的YOLOv5x网络的网络参数进行调整,得到绝缘子缺陷识别模型,其中,所述改进的YOLOv5x网络中包含VeRcl初始化规则、JreU组合激活函数以及里贝里加权综合损失函数,所述VeRcl初始化规则具体包括:在卷积层初始化中引入权重向量,权重向量会跟随相应网络的传播方向而改变自身的作用方向:式中,
从一个均匀分布或者正态分布中随机抽取权重,对于从一个均匀分布中随机抽取权重为:式中,
对于从一个正态分布中随机抽取权重为:
式中,
调整学习率,基于更新规则优化神经网络的参数更新过程,降低梯度较大参数的学习率,同时升高梯度较小参数的学习率,更新规则为:式中,
考虑梯度的历史信息,计算梯度平方的移动平均,并根据所述梯度平方的移动平均进行归一化学习率更新;
所述JreU组合激活函数的表达式为:
式中,
所述里贝里加权综合损失函数的表达式为:
式中,
所述VeRcl初始化规则位于所述改进的YOLOv5x中的骨干网络的卷积层中,所述VeRcl初始化规则确定各个卷积层的连接方式,卷积层输入为上一层具有不同通道数的特征图,输出为输入经过卷积操作和激活函数处理后得到的新的特征图;
基于所述JreU组合激活函数调整各个卷积层的连接通道,所述JreU组合激活函数的输入为来自卷积层的加权和,即线性变换后的结果,输出为经过JreU组合激活函数处理后的结果,代表改进的YOLOv5x网络在给定输入下的非线性响应;
所述里贝里加权综合损失函数的输入为改进的YOLOv5x网络对于给定输入数据的预测结果,输出是改进的YOLOv5x网络在给定输入数据上的损失值;
输出模块,配置为获取包含所述接触网绝缘子的实时图像信息,并将所述实时图像信息输入至所述绝缘子缺陷识别模型中,所述绝缘子缺陷识别模型输出与所述实时图像信息对应的目标缺陷信息。
6.一种电子设备,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4任一项所述的方法。
7.一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4任一项所述的方法。