【技术实现步骤摘要】
配电线路的缺陷检测方法、装置、电子设备和介质
[0001]本专利技术涉及图像处理
,特别是涉及一种配电线路的缺陷检测方法
、
装置
、
电子设备和介质
。
技术介绍
[0002]相关技术中,目标检测(
DETR
,
Detection Transformer
)模型能够用于将图像中待检测图像与背景区分开,并预测图像中待检测对象的位置和类别
。DETR
模型的实现原理简单,且无需复杂的后处理逻辑,能够直接输出检测结果,但是
DETR
模型存在检测效果差,且模型训练速度慢的问题
。
技术实现思路
[0003]基于此,有必要针对上述技术问题,提供一种能够解决应用
DETR
模型的图像检测效果差
、
训练速度慢的配电线路的缺陷检测方法
、
装置
、
电子设备和介质
。
[0004]一种配电线路的缺陷检测方法,包括以下步骤:获取经过预处理的配电线路图片;对经过预处理的配电线路图片进行特征提取,获得第一特征图;将所述第一特征图输入目标检测模型的编码层,获得第二特征图和第一位置编码;将所述第二特征图和第一位置编码输入到所述目标检测模型的解码层,获得多个检测结果,其中,所述目标检测模型的解码层采用模型学习随机初始化的内容查询向量以及通过去噪查询向量辅助训练的方式来更新匹配查询向量的方式进行训练,并在完成模型训练后去除所述去 ...
【技术保护点】
【技术特征摘要】
1.
一种配电线路的缺陷检测方法,其特征在于,包括:获取经过预处理的配电线路图片;对经过预处理的配电线路图片进行特征提取,获得第一特征图;将所述第一特征图输入目标检测模型的编码层,获得第二特征图和第一位置编码;将所述第二特征图和第一位置编码输入到所述目标检测模型的解码层,获得多个检测结果,其中,所述目标检测模型的解码层采用模型学习随机初始化的内容查询向量以及通过去噪查询向量辅助训练的方式来更新匹配查询向量的方式进行训练,并在完成模型训练后去除所述去噪查询向量;根据所述多个检测结果确定所述配电线路图片的缺陷检测结果
。2.
根据权利要求1所述的方法,其特征在于,在所述目标检测模型的解码层采用模型学习随机初始化的内容查询向量以及通过去噪查询向量辅助训练的方式来更新匹配查询向量的方式进行训练时,所述方法包括:对数据集进行缺陷目标标注,并对完成标注的所述数据集进行特征提取,以获得第三特征图;所述数据集包含若干张用于模型训练的配电线路图片;将所述第三特征图输入至目标检测模型中的编码层,获得第四特征图和第二位置编码;将所述第四特征图和所述第二位置编码输入至所述目标检测模型中的解码层以对所述目标检测模型中的解码层进行训练;所述解码层包括随机初始化的内容查询向量
、
预先配置的所述匹配查询向量和去噪查询向量
。3.
根据权利要求2所述的方法,其特征在于,在所述将所述第四特征图和所述第二位置编码输入至所述目标检测模型中的解码层以对所述目标检测模型中的解码层进行训练时,所述方法包括:创建注意力掩码矩阵;利用所述注意力掩码矩阵对注意力权重矩阵进行处理以计算自注意力,其中,所述注意力掩码矩阵用于在计算自注意力的过程中,使得所述匹配查询向量忽略所述去噪查询向量以防止信息泄露
。4.
根据权利要求2所述的方法,其特征在于,所述将所述第四特征图和所述第二位置编码输入至所述目标检测模型中的解码层以对所述目标检测模型中的解码层进行训练,方法包括:获取目标检测模型基于所述匹配查询向量
、
所述第四特征图和所述第二位置编码进行注意力计算生成的第一缺陷预测结果,和基于所述去噪查询向量
、
所述第四特征图和所述第二位置编码进行注意力计算生成的第二缺陷预测结果;根据所述第一缺陷预测结果与所述数据集的标注结果,计算第一损失函数,并根据所述第二缺陷预测结果与所述数据集的标注结果,计算第二损失函数;根据所述第一损失函数和所述第二损失函数,确定是否需要对所述目标检测模型继续进行迭代训练
。5.
根据权利要求2所述的方法,其特征在于,在所述将所述第四特征图和所述第二位置编码输入至所述目标检测模型中的解码层以对所述目标检测模型中的解码层进行训练之前,包括:
对所述数据集的标注结果中用于标注缺陷目标的矩形框进行中心点偏移处理,并采用随机翻转的抖动方式对所述标注结果中用于标注缺陷目标的类别标签进行处理,得到所述去噪查询向量
...
【专利技术属性】
技术研发人员:张志勇,艾坤,刘海峰,
申请(专利权)人:合肥中科类脑智能技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。