[发明专利]一种缺陷检测方法及装置

权利要求书

1.一种缺陷检测方法，其特征在于，所述方法包括：

从输电线路上的图像采集设备中获取原始图像集；

对所述原始图像集进行预处理，以得到训练图像集；

将所述训练图像集输入至神经网络中进行训练，以得到缺陷检测模型；

采用所述缺陷检测模型对所述原始图像集进行缺陷检测，以得到缺陷检测结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述原始图像集进行预处理，以得到训练图像集，包括：

对所述原始图像集进行数据增广操作，得到增广图像集，所述数据增广操作包括以下任意一种：角度随机翻转、亮度随机变化、对比度随机变化、增加随机噪声、增加随机雾化、水平移动以及图像随机扭曲；

对所述增广图像集中的螺丝钉目标进行标注操作，以得到所述训练图像集，所述螺丝钉目标包括以下至少一种标注：坐标、尺寸以及标签。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

对所述原始图像集进行滑窗裁剪，并获取所述原始图像集裁剪后的标注文件，所述原始图像集中的螺丝钉目标预置有所述标注；

根据所述标注文件删除所述训练图像集中的未含有所述螺丝钉目标的图像或标注。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将注意力机制添加至所述神经网络中。

5.根据权利要求4所述的方法，其特征在于，所述将所述训练图像集输入至神经网络中进行训练，以得到缺陷检测模型，包括：

对所述训练图像集进行卷积操作，得到所述训练图像集中的每个训练图像的第一特征向量；

对所述第一特征向量进行压缩操作，得到第二特征向量；

将所述第二特征向量作为所述每个训练图像在多个特征维度中的评价分数；

对所述第二特征向量进行激励操作，得到第三特征向量，所述特征向量作为所述每个训练图像在所述多个特征维度中的权重参数；

根据所述评价分数和所述权重参数，生成注意力机制的处理结果；

将所述注意力机制的处理结果输入至所述神经网络中进行训练，以得到缺陷检测模型。

6.根据权利要求2所述的方法，其特征在于，所述螺丝钉目标包括螺丝钉锈蚀目标，所述采用所述缺陷检测模型对所述原始图像集进行缺陷检测，以得到缺陷检测结果，包括：

对所述原始图像集进行滑窗裁剪，生成多个裁剪图像；

采用所述缺陷检测模型依次对所述多个裁剪图像进行缺陷检测，获取多个缺陷图像，并获得所述多个缺陷图像的检测框坐标，所述多个缺陷图像带有所述螺丝钉锈蚀目标；

获取所述多个缺陷图像的顶点坐标；

根据所述检测框坐标以及所述顶点坐标获取所述检测框在原始图像中的绝对坐标；

对所述检测框进行非极大值抑制，并根据所述非极大值抑制后的检测框以及所述检测框的绝对坐标，得到缺陷检测结果。

7.一种缺陷检测装置，其特征在于，所述装置包括：

图像获取单元，用于从输电线路上的图像采集设备中获取原始图像集；

预处理单元，用于对所述原始图像集进行预处理，以得到训练图像集；

模型训练单元，用于将所述训练图像集输入至神经网络中进行训练，以得到缺陷检测模型；

缺陷检测单元，用于采用所述缺陷检测模型对所述原始图像集进行缺陷检测，以得到缺陷检测结果。

8.根据权利要求7所述的装置，其特征在于，所述预处理单元包括数据增广子单元以及图像标注子单元；

所述数据增广子单元，用于对所述原始图像集进行数据增广操作，得到增广图像集，所述数据增广操作包括以下任意一种：角度随机反转、亮度随机变化、对比度随机变化、增加随机噪声和增加随机雾化；

对所述增广图像集中的螺丝钉目标进行标注操作，以得到所述训练图像集，所述螺丝钉目标包括以下至少一种标注：坐标、尺寸以及标签。