[发明专利]两分支神经网络缺陷检测方法、装置、设备、介质和产品

说明书

本申请涉及缺陷检测技术领域，提供了一种基于注意力机制的两分支卷积神经网络电力设备表面缺陷检测方法、装置、计算机设备、存储介质和计算机程序产品。本申请能够实现提高检测电力设备的表面缺陷的准确性。该方法包括：基于卷积层构建得到粗特征提取网络，基于自编码器得到形状特征提取分支网络，基于至少两个残差注意力模块得到纹理特征提取分支网络，基于形状特征提取分支网络和纹理特征提取分支网络得到两分支特征提取网络，基于最大池化和conv层得到决策网络，基于粗特征提取网络、两分支特征提取网络和决策网络，得到电力设备表面缺陷检测模型，获取电力设备的待检测图像，利用电力设备表面缺陷检测模型对该图像进行检测得到图像检测结果。

技术领域

本申请涉及缺陷检测技术领域，特别是涉及一种基于注意力机制的两分支卷积神经网络电力设备表面缺陷检测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

随着电力领域的快速发展，对电力设备的表面缺陷检测技术成为了重要的检测技术。

传统技术中，通常是通过频域滤波检测方法将待检测图像首先变换到频域，提取缺陷分量后再次反变换到时域，通过Blob分析获得缺陷的具体位置。但该技术检测电力设备的表面缺陷的准确性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种基于注意力机制的两分支卷积神经网络电力设备表面缺陷检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种基于注意力机制的两分支卷积神经网络电力设备表面缺陷检测方法。所述方法包括：

基于卷积层构建得到粗特征提取网络；

基于自编码器构建得到形状特征提取分支网络；

基于至少两个残差注意力模块，构建得到纹理特征提取分支网络；

基于形状特征提取分支网络和纹理特征提取分支网络，构建得到两分支特征提取网络；

基于最大池化和conv层，构建得到决策网络；

基于将粗特征提取网络、两分支特征提取网络和决策网络依序连接，构建得到电力设备表面缺陷检测模型；

获取电力设备的待检测图像，利用电力设备表面缺陷检测模型对待检测图像进行检测得到电力设备的图像检测结果。

在其中一个实施例中，方法还包括：

基于特征提取层、映射层、构造层、Sigmod激活函数和注意力掩码，得到残差注意力模块。

在其中一个实施例中，基于将粗特征提取网络、两分支特征提取网络和决策网络依序连接，构建得到电力设备表面缺陷检测模型，包括：

将粗特征提取网络、两分支特征提取网络和决策网络依序连接，构建得到电力设备表面缺陷检测初始模型；

通过缺陷检测公开数据库对电力设备表面缺陷检测初始模型进行训练，构建得到电力设备表面缺陷检测模型。

在其中一个实施例中，训练的损失函数基于平均绝对误差构建。

在其中一个实施例中，卷积层的卷积核大小为3乘3；conv层的卷积核大小为5乘5。

在其中一个实施例中，方法还包括：

获取电力设备的待检测初始图像；

通过Matlab软件对待检测初始图像进行预处理，得到电力设备的待检测图像。

第二方面，本申请还提供了一种基于注意力机制的两分支卷积神经网络电力设备表面缺陷检测装置。所述装置包括：

粗特征提取网络构建模块，用于基于卷积层构建得到粗特征提取网络；