[发明专利]一种电力系统中绝缘子缺陷的检测方法、装置及电子设备在审

专利信息
申请号: 202010800103.1 申请日: 2020-08-11
公开(公告)号: CN111784692A 公开(公告)日: 2020-10-16
发明(设计)人: 潘振波;谢岩;赵明亮;王喜廷;王代弟;孙贺;袁野;王卫光;闫永明;邵志鹏;孟庆禹;任春雷;张悦;韩雪 申请(专利权)人: 国网内蒙古东部电力有限公司
主分类号: G06T7/00 分类号: G06T7/00;G06K9/62;G06N3/04;G06N3/08
代理公司: 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 代理人: 荣颖佳
地址: 010020 内蒙古自治区呼*** 国省代码: 内蒙古;15
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 电力系统 绝缘子 缺陷 检测 方法 装置 电子设备
【权利要求书】:

1.一种电力系统中绝缘子缺陷的检测方法,其特征在于,所述检测方法包括:

获取待检测区域的待识别图像;

基于训练好的绝缘子缺陷识别模型,识别出所述待识别图像中是否存在绝缘子,以及识别出的绝缘子上是否存在对应的识别出的缺陷;

若所述待识别图像中识别出的绝缘子上存在对应的识别出的缺陷,确定所述绝缘子缺陷的类型。

2.根据权利要求1所述的检测方法,其特征在于,通过以下步骤获取训练好绝缘子缺陷识别模型:

获取原始图像数据集;

标注所述原始图像数据集中的绝缘子特征,以及所述绝缘子的缺陷特征,确定绝缘子缺陷数据集;

针对所述绝缘子缺陷数据集进行数据增强处理,得到对应的绝缘子缺陷样本集;

基于所述绝缘子缺陷样本集,对构建好的神经网络模型进行训练,得到训练好的绝缘子缺陷识别模型。

3.根据权利要求2所述检测方法,其特征在于,所述基于所述绝缘子缺陷样本集,对构建好的神经网络模型进行训练,得到训练好的绝缘子缺陷识别模型,包括:

基于所述绝缘子缺陷数据集,对构建好的神经网络模型进行训练,得到初始识别模型;

对所述初始识别模型进行剪枝处理,并在剪枝处理后进行微调,得到训练好的绝缘子缺陷识别模型。

4.根据权利要求3所述的检测方法,其特征在于,所述对所述初始识别模型进行剪枝处理,并在剪枝处理后进行微调,得到训练好的绝缘子缺陷识别模型,包括:

针对所述初始识别模型进行稀疏训练;

根据所述稀疏训练的结果,对所述初始识别模型进行剪枝,获取剪枝后的初始识别模型;

微调所述剪枝后的初始识别模型,得到训练好的所述绝缘子缺陷识别模型。

5.根据权利要求1所述的检测方法,其特征在于,所述基于训练好的绝缘子缺陷识别模型,识别出所述待识别图像中是否存在绝缘子,以及识别出的绝缘子上是否存在对应的识别出的缺陷,包括:

基于训练好的绝缘子缺陷识别模型,判断所述待识别图像中是否存在识别出的绝缘子,以及所述待识别图像中是否存在识别出的缺陷;

若所述待识别图像中存在识别出的绝缘子和识别出的缺陷,检测所述待识别图像中所识别出的缺陷对应的部分图像内容,与所识别出的绝缘子对应的部分图像内容之间的重合度是否满足预设阈值;

若重合度满足预设阈值,确定识别出的绝缘子上存在对应的识别出的缺陷。

6.一种电力系统中绝缘子缺陷的检测装置,其特征在于,所述检测装置包括:

获取模块:用于获取待检测区域的待识别图像;

识别模块:用于基于训练好的绝缘子缺陷识别模型,识别出所述待识别图像中是否存在绝缘子,以及识别出的绝缘子上是否存在对应的识别出的缺陷;

确定模块:若所述待识别图像中识别出的绝缘子上存在对应的识别出的缺陷,确定所述绝缘子缺陷的类型。

7.根据权利要求6所述的检测装置,其特征在于,所述检测装置包括模型训练模块,所述模型训练模块用于通过以下步骤获取训练绝缘子缺陷识别模型:

获取原始图像数据集;

标注所述原始图像数据集中的绝缘子特征,以及所述绝缘子的缺陷特征,确定绝缘子缺陷数据集;

针对所述绝缘子缺陷数据集进行数据增强处理,得到对应的绝缘子缺陷样本集;

基于所述的绝缘子缺陷样本集,对构建好的神经网络模型进行训练,得到训练好的绝缘子缺陷识别模型。

8.根据权利要求7所述的检测装置,其特征在于,所述模型训练模块具体用于:

基于所述绝缘子缺陷数据集,对构建好的神经网络模型进行训练,得到初始识别模型;

对所述初始识别模型进行剪枝处理,并在剪枝处理后进行微调,得到训练好的绝缘子缺陷识别模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网内蒙古东部电力有限公司,未经国网内蒙古东部电力有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010800103.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top