【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及電力系統(tǒng)巡檢，尤其涉及一種絕緣子缺陷檢測(cè)模型的確定方法、裝置、電子設(shè)備和介質(zhì)。
技術(shù)介紹
1、絕緣子在高壓輸電系統(tǒng)中扮演著至關(guān)重要的角色，主要負(fù)責(zé)支撐和隔離電線，以保障電力傳輸?shù)陌踩院头€(wěn)定性。絕緣子的缺陷可能導(dǎo)致嚴(yán)重的輸電故障，增加系統(tǒng)運(yùn)行的風(fēng)險(xiǎn)。
2、隨著無(wú)人機(jī)與電力視覺(jué)技術(shù)的結(jié)合，在晴朗天氣條件下，通過(guò)豐富的標(biāo)簽數(shù)據(jù)與先進(jìn)的圖像處理技術(shù)，現(xiàn)有的自動(dòng)化檢測(cè)系統(tǒng)已能有效地識(shí)別絕緣子缺陷，但在霧天等低能見(jiàn)度條件下，這些技術(shù)的效能受到極大限制。這種性能下降主要?dú)w因于域偏移問(wèn)題，即在不同天氣條件下采集的圖像特征分布存在顯著差異。
3、域自適應(yīng)技術(shù)是應(yīng)對(duì)上述挑戰(zhàn)的一種有效方法，其目的是在源域(晴天圖像)和目標(biāo)域(霧天圖像)之間對(duì)齊特征表示，以提高絕緣子缺陷檢測(cè)模型對(duì)目標(biāo)域的適應(yīng)性。然而，域自適應(yīng)假設(shè)測(cè)試域的數(shù)據(jù)分布與訓(xùn)練期間使用的目標(biāo)域的數(shù)據(jù)分布相同，限制了絕緣子缺陷檢測(cè)模型在未知環(huán)境條件下的泛化能力。因此，如何提高絕緣子缺陷檢測(cè)模型的實(shí)用性和適應(yīng)性十分重要。
技術(shù)實(shí)現(xiàn)思路
1、本專利技術(shù)提供了一種絕緣子缺陷檢測(cè)模型的確定方法、裝置、電子設(shè)備和介質(zhì)，極大地提升絕緣子缺陷檢測(cè)模型的實(shí)用性和適應(yīng)性，實(shí)現(xiàn)了采用絕緣子缺陷檢測(cè)模型有效的對(duì)未見(jiàn)過(guò)的多種霧天環(huán)境下的絕緣子缺陷的預(yù)測(cè)。
2、根據(jù)本專利技術(shù)的一方面，提供了一種絕緣子缺陷檢測(cè)模型的確定方法，該方法包括：
3、獲取源域和目標(biāo)域，所述源域?yàn)榍缣鞐l件下的有缺陷標(biāo)記的絕緣子圖像數(shù)據(jù)的集
4、確定預(yù)訓(xùn)練模型；其中，所述預(yù)訓(xùn)練模型包括預(yù)訓(xùn)練yolo模型、特征混合模塊和域分類器，所述預(yù)訓(xùn)練yolo模型用于對(duì)絕緣子圖像數(shù)據(jù)進(jìn)行圖像特征信息提取和缺陷預(yù)測(cè)，所述特征混合模塊用于對(duì)所述預(yù)訓(xùn)練yolo模型輸出的圖像特征信息進(jìn)行特征混合得到混合特征，所述域分類器用于對(duì)所述特征混合模塊混合的混合特征進(jìn)行特征提取分析得到域分類結(jié)果，所述域分類結(jié)果用于描述所述混合特征信息屬于源域或目標(biāo)域的概率值；
5、基于源域和目標(biāo)域?qū)λ鲱A(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，獲得缺陷檢測(cè)模型；所述缺陷檢測(cè)模型為所述預(yù)訓(xùn)練模型的目標(biāo)損失小于或等于預(yù)設(shè)損失值時(shí)對(duì)應(yīng)的預(yù)訓(xùn)練yolo模型，所述目標(biāo)損失由預(yù)訓(xùn)練yolo模型對(duì)應(yīng)的檢測(cè)損失、特征混合模塊對(duì)應(yīng)的mmd損失和域分類器對(duì)應(yīng)的分類損失構(gòu)成；
6、構(gòu)建至少三種未見(jiàn)域，將所述未見(jiàn)域中的絕緣子圖像數(shù)據(jù)輸入到所述缺陷檢測(cè)模型中獲得所述未見(jiàn)域?qū)?yīng)的缺陷預(yù)測(cè)結(jié)果，確定所述缺陷預(yù)測(cè)結(jié)果和所述未見(jiàn)域的絕緣子圖像數(shù)據(jù)的比對(duì)結(jié)果，若所述比對(duì)結(jié)果達(dá)到預(yù)設(shè)條件，則確定所述缺陷檢測(cè)模型為絕緣子缺陷檢測(cè)模型；所述未見(jiàn)域?yàn)榕c目標(biāo)域?qū)?yīng)的霧天條件不同的霧天條件下有缺陷標(biāo)記的絕緣子圖像數(shù)據(jù)的集合，所述比對(duì)結(jié)果用于描述缺陷預(yù)測(cè)結(jié)果與所述未見(jiàn)域中的絕緣子圖像數(shù)據(jù)的缺陷標(biāo)記的相似度。
7、根據(jù)本專利技術(shù)的另一方面，提供了一種絕緣子缺陷檢測(cè)模型的確定裝置，該裝置包括：
8、數(shù)據(jù)獲取模塊，用于獲取源域和目標(biāo)域，所述源域?yàn)榍缣鞐l件下的有缺陷標(biāo)記的絕緣子圖像數(shù)據(jù)的集合，所述目標(biāo)域?yàn)轭A(yù)設(shè)濃度霧天條件下無(wú)缺陷標(biāo)記的絕緣子圖像數(shù)據(jù)的集合；
9、第一模型確定模塊，用于確定預(yù)訓(xùn)練模型；其中，所述預(yù)訓(xùn)練模型包括預(yù)訓(xùn)練yolo模型、特征混合模塊和域分類器，所述預(yù)訓(xùn)練yolo模型用于對(duì)絕緣子圖像數(shù)據(jù)進(jìn)行圖像特征信息提取和缺陷預(yù)測(cè)，所述特征混合模塊用于對(duì)所述預(yù)訓(xùn)練yolo模型輸出的圖像特征信息進(jìn)行特征混合得到混合特征，所述域分類器用于對(duì)所述特征混合模塊混合的混合特征進(jìn)行特征提取分析得到域分類結(jié)果，所述域分類結(jié)果用于描述所述混合特征信息屬于源域或目標(biāo)域的概率值；
10、訓(xùn)練模塊，用于基于源域和目標(biāo)域?qū)λ鲱A(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，獲得缺陷檢測(cè)模型；所述缺陷檢測(cè)模型為所述預(yù)訓(xùn)練模型的目標(biāo)損失小于或等于預(yù)設(shè)損失值時(shí)對(duì)應(yīng)的預(yù)訓(xùn)練yolo模型，所述目標(biāo)損失由預(yù)訓(xùn)練yolo模型對(duì)應(yīng)的檢測(cè)損失、特征混合模塊對(duì)應(yīng)的mmd損失和域分類器對(duì)應(yīng)的分類損失構(gòu)成；
11、第二模型確定模塊，用于構(gòu)建至少三種未見(jiàn)域，將所述未見(jiàn)域中的絕緣子圖像數(shù)據(jù)輸入到所述缺陷檢測(cè)模型中獲得所述未見(jiàn)域?qū)?yīng)的缺陷預(yù)測(cè)結(jié)果，確定所述缺陷預(yù)測(cè)結(jié)果和所述未見(jiàn)域的絕緣子圖像數(shù)據(jù)的比對(duì)結(jié)果，若所述比對(duì)結(jié)果達(dá)到預(yù)設(shè)條件，則確定所述缺陷檢測(cè)模型為絕緣子缺陷檢測(cè)模型；所述未見(jiàn)域?yàn)榕c目標(biāo)域?qū)?yīng)的霧天條件不同的霧天條件下有缺陷標(biāo)記的絕緣子圖像數(shù)據(jù)的集合，所述比對(duì)結(jié)果用于描述缺陷預(yù)測(cè)結(jié)果與所述未見(jiàn)域中的絕緣子圖像數(shù)據(jù)的缺陷標(biāo)記的相似度。
12、根據(jù)本專利技術(shù)的另一方面，提供了一種電子設(shè)備，所述電子設(shè)備包括：
13、至少一個(gè)處理器；以及
14、與所述至少一個(gè)處理器通信連接的存儲(chǔ)器；其中，
15、所述存儲(chǔ)器存儲(chǔ)有可被所述至少一個(gè)處理器執(zhí)行的計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述至少一個(gè)處理器執(zhí)行，以使所述至少一個(gè)處理器能夠執(zhí)行本專利技術(shù)任一實(shí)施例所述的絕緣子缺陷檢測(cè)模型的確定方法。
16、根據(jù)本專利技術(shù)的另一方面，提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使處理器執(zhí)行時(shí)實(shí)現(xiàn)本專利技術(shù)任一實(shí)施例所述的絕緣子缺陷檢測(cè)模型的確定方法。
17、本專利技術(shù)實(shí)施例的技術(shù)方案，獲取源域和目標(biāo)域，源域?yàn)榍缣鞐l件下的有缺陷標(biāo)記的絕緣子圖像數(shù)據(jù)的集合，目標(biāo)域?yàn)轭A(yù)設(shè)濃度霧天條件下無(wú)缺陷標(biāo)記的絕緣子圖像數(shù)據(jù)的集合，本專利技術(shù)不依賴目標(biāo)域中的標(biāo)記數(shù)據(jù)，減少了對(duì)大量標(biāo)記數(shù)據(jù)的依賴。確定預(yù)訓(xùn)練模型；預(yù)訓(xùn)練模型包括預(yù)訓(xùn)練yolo模型、特征混合模塊和域分類器，進(jìn)一步的基于源域和目標(biāo)域?qū)λ鲱A(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，獲得缺陷檢測(cè)模型；缺陷檢測(cè)模型為預(yù)訓(xùn)練模型的目標(biāo)損失小于或等于預(yù)設(shè)損失值時(shí)對(duì)應(yīng)的預(yù)訓(xùn)練yolo模型，目標(biāo)損失由預(yù)訓(xùn)練yolo模型對(duì)應(yīng)的檢測(cè)損失、特征混合模塊對(duì)應(yīng)的mmd損失和域分類器對(duì)應(yīng)的分類損失構(gòu)成，實(shí)現(xiàn)了對(duì)于缺陷檢測(cè)模型的準(zhǔn)確確定。進(jìn)一步的構(gòu)建至少三種未見(jiàn)域，將未見(jiàn)域中的絕緣子圖像數(shù)據(jù)輸入到缺陷檢測(cè)模型中獲得未見(jiàn)域?qū)?yīng)的缺陷預(yù)測(cè)結(jié)果，確定缺陷預(yù)測(cè)結(jié)果和所述未見(jiàn)域的絕緣子圖像數(shù)據(jù)的比對(duì)結(jié)果，若比對(duì)結(jié)果達(dá)到預(yù)設(shè)條件，則確定缺陷檢測(cè)模型為絕緣子缺陷檢測(cè)模型；未見(jiàn)域?yàn)榕c目標(biāo)域?qū)?yīng)的霧天條件不同的霧天條件下有缺陷標(biāo)記的絕緣子圖像數(shù)據(jù)的集合，比對(duì)結(jié)果用于描述缺陷預(yù)測(cè)結(jié)果與未見(jiàn)域中的絕緣子圖像數(shù)據(jù)的缺陷標(biāo)記的相似度，極大地提升絕緣子缺陷檢測(cè)模型的實(shí)用性和適應(yīng)性，實(shí)現(xiàn)了采用絕緣子缺陷檢測(cè)模型有效的對(duì)未見(jiàn)過(guò)的多種霧天環(huán)境下的絕緣子缺陷的預(yù)測(cè)。
18、應(yīng)當(dāng)理解，本部分所描述的內(nèi)容并非旨在標(biāo)識(shí)本專利技術(shù)的實(shí)施例的關(guān)鍵或重要特征，也不用于限制本專利技術(shù)的范圍。本專利技術(shù)的其它特征將通過(guò)以下的說(shuō)明書而變得容易理解。
本文檔來(lái)自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種絕緣子缺陷檢測(cè)模型的確定方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)訓(xùn)練YOLO模型包括特征提取器，所述特征提取器用于從絕緣子圖像數(shù)據(jù)中提取圖像特征信息，所述圖像特征信息至少包括絕緣子圖像數(shù)據(jù)中的缺陷特征，所述預(yù)訓(xùn)練YOLO模型還用于對(duì)絕緣子圖像數(shù)據(jù)中的缺陷特征進(jìn)行預(yù)測(cè)標(biāo)記。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，基于源域和目標(biāo)域?qū)λ鲱A(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，獲得缺陷檢測(cè)模型，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于所述第一圖像特征信息和所述第二圖像特征信息確定MMD損失，包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于所述第一混合比例和第二混合比例對(duì)所述第一圖像特征信息和所述第二圖像特征信息進(jìn)行線性混合獲得混合特征信息，包括：
6.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于所述域標(biāo)簽和所述域分類結(jié)果確定分類損失，包括：
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，確定所述缺陷預(yù)測(cè)結(jié)果和所述未見(jiàn)域的絕緣子圖像數(shù)據(jù)的比對(duì)結(jié)果之后，所述方法還包括
8.一種絕緣子缺陷檢測(cè)模型的確定裝置，其特征在于，所述裝置包括：
9.一種電子設(shè)備，其特征在于，所述電子設(shè)備包括：
10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)指令，所述計(jì)算機(jī)指令用于使處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的絕緣子缺陷檢測(cè)模型的確定方法。
...【技術(shù)特征摘要】
1.一種絕緣子缺陷檢測(cè)模型的確定方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)訓(xùn)練yolo模型包括特征提取器，所述特征提取器用于從絕緣子圖像數(shù)據(jù)中提取圖像特征信息，所述圖像特征信息至少包括絕緣子圖像數(shù)據(jù)中的缺陷特征，所述預(yù)訓(xùn)練yolo模型還用于對(duì)絕緣子圖像數(shù)據(jù)中的缺陷特征進(jìn)行預(yù)測(cè)標(biāo)記。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，基于源域和目標(biāo)域?qū)λ鲱A(yù)訓(xùn)練模型進(jìn)行訓(xùn)練，獲得缺陷檢測(cè)模型，包括：
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于所述第一圖像特征信息和所述第二圖像特征信息確定mmd損失，包括：
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，基于所述第一混合比例和第...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：肖建華，黃勇東，黃爍，劉胤良，熊鑫欣，陳佳鵬，張文瀚，張素麗，林曉波，黃鴻杰，原呂澤芮，池小佳，祝水根，黃祖?zhèn)?/a>，喻磊，鄭細(xì)燁，陳耿，李飛，黃柏熊，劉超，段舒尹，謝庭軍，陳銳忠，毛文瑞，吳永鋒，林心昊，羅宗文，張曉彬，李戎，彭漢明，曾威，
申請(qǐng)(專利權(quán))人：廣東電網(wǎng)有限責(zé)任公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。