[发明专利]基于小样本的电塔缺陷监测方法及系统

说明书

本发明提供一种基于小样本的电塔缺陷监测方法及系统。该方法包括：根据小样本训练集得到每个当前实际缺陷框的当前特征向量，根据当前特征向量构建当前分类子网络和当前最优位置回归子网络，根据当前电塔图像和当前分类子网络获得每个当前候选缺陷框的电塔缺陷类型，根据当前电塔图像和当前最优位置回归子网络得到每个当前候选缺陷框的电塔缺陷位置坐标，可以准确定位电塔缺陷所在位置以及缺陷类型，实现对电塔缺陷的及时检测，在有效排除电塔安全隐患的同时节省了检修和标注大量数据的成本。

技术领域

本发明涉及人工智能领域，具体地，涉及一种基于小样本的电塔缺陷监测方法及系统。

背景技术

目前我国的电力系统仍是由发电、输电、变电、配电等环节构成，其中保障输电线路的可靠性是智能电网建设的重要内容，一直以来都需要人工来维护大量电气通信设备。

电塔存在的缺陷主要包括：玻璃绝缘子自爆、复合绝缘子伞裙破损、鸟巢以及销钉问题等，这些故障严重威胁到电网的安全运行。由于空中飞行平台(如直升机、无人机等)巡线具有高效、准确和安全等特点，近几年已成为输电线路巡检的重要方式，利用平台上装载的摄像头获取了大量航拍图像，其包括了各种有效的目标信息。若对这些海量视频数据采用工作人员肉眼判读的方式分析电塔缺陷，易发生严重的检测误判或漏判情况，难以准确发现电塔存在的安全隐患，极大地增加了检修和标注大量数据的成本。

发明内容

本发明实施例的主要目的在于提供一种基于小样本的电塔缺陷监测方法及系统，以准确定位电塔缺陷所在位置以及缺陷类型，实现对电塔缺陷的及时检测，在有效排除电塔安全隐患的同时节省了检修和标注大量数据的成本。

为了实现上述目的，本发明实施例提供一种基于小样本的电塔缺陷监测方法，包括：

获取当前小样本训练集；当前小样本训练集包括多个不同类别的当前电塔图像训练集合，每个类别的当前电塔图像训练集合均包括多个当前电塔训练图像；每个当前电塔训练图像均对应一个或多个当前实际缺陷框；

基于当前小样本训练集，得到每个当前实际缺陷框的当前特征向量；

根据每个当前实际缺陷框的当前特征向量计算每个类别的当前特征向量的平均值；

基于每个类别的当前特征向量的平均值，得到每个类别的当前结构特征向量；

串联每个类别的当前结构特征向量和每个类别的当前特征向量的平均值，并将串联结果输入分类子网络的最优参数映射网络中，得到当前分类子网络的参数；

串联每个类别的当前特征向量的平均值，并将串联结果输入位置回归子网络的最优参数映射网络中，得到当前参数偏移值；

将当前参数偏移值与最优位置回归子网络的参数相加，得到当前最优位置回归子网络的参数；

根据当前分类子网络的参数构建当前分类子网络，根据当前最优位置回归子网络的参数构建当前最优位置回归子网络；

根据当前电塔图像，得到多个经过全连接的当前候选缺陷框的特征向量；

输入每个经过全连接的当前候选缺陷框的特征向量至当前分类子网络中，得到每个当前候选缺陷框位于每个类别的概率；根据每个当前候选缺陷框位于每个类别的概率获得每个当前候选缺陷框的电塔缺陷类型；

输入每个当前候选缺陷框的特征向量至当前最优位置回归子网络中，得到每个当前候选缺陷框的电塔缺陷位置坐标。

本发明实施例还提供一种基于小样本的电塔缺陷监测系统，包括：

第一获取单元，用于获取当前小样本训练集；当前小样本训练集包括多个不同类别的当前电塔图像训练集合，每个类别的当前电塔图像训练集合均包括多个当前电塔训练图像；每个当前电塔训练图像均对应一个或多个当前实际缺陷框；