[发明专利]电力系统渗漏油检测、模型训练方法、装置和计算机设备

说明书

本申请涉及一种电力系统渗漏油检测、模型训练方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取渗漏油区域的偏振图像集和可见光图像集；对偏振图像集和可见光图像集进行标注，获得标注图像集；对偏振图像集进行转换，获取偏振度图像集和偏振角图像集；将偏振度图像集、偏振角图像集和可见光图像集输入编码‑解码模型，获取融合偏振图像集；将融合偏振图像集和标注图像集输入目标检测模型，生成电力系统渗漏油检测模型。采用本方法能够训练出具有较好检测性能的模型，从而实现渗漏油区域的高效检测。

技术领域

本申请涉及电力系统渗漏油区域检测领域，特别是涉及一种电力系统渗漏油检测、模型训练方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

电力系统中绝大部分器件都是充油设备，充油设备中的油称为变压器油，其具有多方面的重要作用。但由于长时间设备的老化，渗漏油的问题会严重影响电力设备的正常工作，甚至对设备造成损害。

然而，传统方法多直接对渗漏油图像或视频进行处理，准确性还不够高，加上变电站整体环境比较复杂，背景干扰比较严重，遭遇阴影乃至夜间等条件准确性就会大打折扣。

发明内容

基于此，有必要针对上述技术问题，提供一种能够轻易区分渗漏油与背景、提升检测性能的电力系统渗漏油检测、模型训练方法、装置、计算机设备、存储介质和计算机程序产品。

第一方面，本申请提供了一种电力系统渗漏油检测模型的训练方法。该方法包括：

获取渗漏油区域的偏振图像集和可见光图像集；

对偏振图像集和可见光图像集进行标注，获得标注图像集；

对偏振图像集进行转换，获取偏振度图像集和偏振角图像集；

将偏振度图像集、偏振角图像集和可见光图像集输入编码-解码模型，获取融合偏振图像集；

将融合偏振图像集和标注图像集输入目标检测模型，生成电力系统渗漏油检测模型。

在一个实施例中，将偏振度图像集、偏振角图像集和可见光图像集输入编码-解码模型，获取融合偏振图像集包括：

将偏振度图像集、偏振角图像集和可见光图像集输入编码-解码模型；

对编码-解码模型进行训练，获得目标融合模型；目标融合模型包括编码器网络和解码器网络；

将偏振度图像集、偏振角图像集和可见光图像集输入编码器网络，获取偏振度图像集、偏振角图像集和可见光图像集相应的特征向量；

将特征向量进行融合，获取融合后的特征向量；

将融合后的特征向量输入所述解码器网络中，生成融合偏振图像集。

在一个实施例中，将融合偏振图像集和标注图像集输入目标检测模型，生成电力系统渗漏油检测模型包括：

将融合偏振图像集和标注图像集输入目标检测模型，对融合偏振图像集和标注图像集进行拼接；

根据拼接后的融合偏振图像集和标注图像集训练目标检测模型，生成电力系统渗漏油检测模型。

在一个实施例中，对编码-解码模型进行训练，获得目标融合模型还包括：

采用均方误差损失和结构相似度损失相结合的方式，对编码-解码模型的训练过程进行约束。

第二方面，本申请还提供了一种电力系统渗漏油检测方法，该方法使用如第一方面提供的电力系统渗漏油检测模型，该方法包括：

获取实时偏振图像集和实时可见光图像集；

将实时偏振图像集和实时可见光图像集输入电力系统渗漏油检测模型，获取渗漏油的位置信息。