【技术实现步骤摘要】
变电站巡检机器人辅助避障训练方法、设备及介质
本专利技术涉及计算机视觉
，特别涉及深度学习和目标检测领域，尤其涉及基于知识蒸馏的变电站巡检机器人辅助避障训练方法、设备及介质。
技术介绍
随着社会的不断发展，对用电的依赖程度也越来越高，供电和输电一直关系到国民生产生活的正常运行。伴随着科学技术的进步，为了保障输电线路的正常运行及执行巡检任务工作人员的安全，现在输电线路多采用电力巡检机器人。近年来深度学习视觉算法快速发展，其应用方向也越来越广泛，由于传统电力巡检机器人采用雷达避障，对一些障碍物(杂草、检修网、坑洞等)识别效果不理想，导致实际应用会产生一些问题(机器人无法识别，停留原地耗电等待，或者对巡检机器人造成损害)，故采用视觉深度学习算法在电力巡检机器人上进行视觉辅助避障。由于现有机器人通常使用传统视觉深度学习模型，又因为显卡及内存不足等问题导致识别效率低、应用效果不佳。
技术实现思路
本专利技术旨在至少在一定程度上解决以下技术问题：传统视觉深度学习模型的需要的存储空间和计算能力过大...
【技术保护点】
1.一种变电站巡检机器人辅助避障训练方法，其特征在于，包括：/n接收第一图像并形成第一数据集，所述第一图像与变电站内的设备、仪表和障碍物相关；/n使用所述第一数据集训练教师网络，以获取所述教师网络的温度参数，所述温度参数值与所述教师网络的训练难度有关；/n根据所述温度参数，通过知识蒸馏神经网络，训练学生网络，得到第一学生网络；/n使用第二数据集训练所述第一学生网络，直至达到第一目标避障率，以使所述机器人进行避障，所述第二数据集包括所述第一图像和通过所述机器人的图像传感器收集的第二图像。/n
【技术特征摘要】
1.一种变电站巡检机器人辅助避障训练方法，其特征在于，包括：
接收第一图像并形成第一数据集，所述第一图像与变电站内的设备、仪表和障碍物相关；
使用所述第一数据集训练教师网络，以获取所述教师网络的温度参数，所述温度参数值与所述教师网络的训练难度有关；
根据所述温度参数，通过知识蒸馏神经网络，训练学生网络，得到第一学生网络；
使用第二数据集训练所述第一学生网络，直至达到第一目标避障率，以使所述机器人进行避障，所述第二数据集包括所述第一图像和通过所述机器人的图像传感器收集的第二图像。
2.根据权利要求1所述的方法，其特征在于，所述使用第二数据集训练所述第一学生网络，直至达到第一目标避障率，以使所述机器人进行避障之后，还包括：
多个所述机器人接收所述第一学生网络，所述多个所述机器人分别通过各自获取的所述第二图像和所述第一图像，训练所述第一学生网络，直至达到第二目标避障率，以辅助所述机器人进行避障，其中，多个所述机器人位于变电站的不同区域。
3.根据权利要求2所述的方法，其特征在于，所述多个所述机器人接收所述第一学生网络，所述多个所述机器人分别通过各自获取的所述第二图像和所述第一图像，训练所述第一学生网络，包括：
所述机器人对所述第一学生网络训练预设时间后，分别接收多个所述机器人各自的所述第一学生网络，合并多个所述第一学生网络，得到第二学生网络；
将所述第二学生网络发送到多个所述机器人中，并使多个所述机器人分别通过各自获取的所述第二图像和所述第一图像，训练所述第二学生网络。
4.根据权利要求1所述的方法，其特征在于，所述接收第一图像并形成第一数据集，包括：
标识所述第一图像的指定区域，所述指定区域与变电站内的设备、仪表和障碍物相关；
标识完成后，将所述第一数据集分为训练集和测试集。
5.根据权利要求4所述的方法，其特征在于，所述根据所述温度参数，通过知识蒸馏神经网络，训练学生网络，包括：
将所述教师网络通过所述温度参数进行计算，得到软目标；
将所述学生网络通过所述温度参数进行计算，得到第一结果，并将所述第一结果与所述软目标的交叉熵函数，作为所述学生网络的损失值的一部分；
将所述学生网络直接获...
【专利技术属性】
技术研发人员：张继勇，庄浩，刘鑫，连理国，王世杰，
申请(专利权)人：华瑞新智科技北京有限公司，
类型：发明
国别省市：北京;11
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。