一种基于生成对抗网络的绝缘子缺陷检测方法技术

本发明专利技术涉及一种基于生成对抗网络的绝缘子缺陷检测方法，包括下列步骤：(1)生成器的搭建；(2)鉴别器的搭建；(3)分类器的搭建；(4)训练检测模型，分别训练两个不同的部分：1)训练分类器C，网络结构中除分类器C外，其余部分固定不动，训练目的是使分类器学习到基础的分类知识，防止在网络的对抗训练中产生梯度消失的问题导致性能下降；2)训练网络的其余部分，采用对抗训练的方式，生成器与鉴别器采用相反的训练目标，生成器的目标为生成出和原始图片近似的图像。

【技术实现步骤摘要】
一种基于生成对抗网络的绝缘子缺陷检测方法
本专利技术属于遥感影像
，涉及一种基于生成对抗网络的和无人机巡检航拍图像中绝缘子缺失部分的方法。
技术介绍
在智能电网建设中，输电线路的可靠性和稳定性是一项非常重要的内容。绝缘子是一种特殊的绝缘控件，在架空的输电线路中起到非常重要的作用，其中包括支撑线路、电气绝缘等等，其在保障输电线路上有着不可忽视的重要作用；但是，绝缘子故障的概率也非常大，其中主要包括绝缘子上有污秽、表面产生裂纹、绝缘子产生破损等，这些故障对于输电线路的安全运行造成了极大的威胁[1]。中国的国土面积大，地形复杂，生态环境多样。许多输电线路都建设在无人区，同时由于复杂的地理、气候和生态条件，导致传统的人工巡检出现了许多困难，工作人员有的时候不能及时的发现问题，使得后续的解决方案产生很大困难，如果出现问题使得大面积停电，会造成国家财产的极大损失和给人民日常生活产生不便[1-2]。并且在其他使用深度学习方法的缺陷识别过程中，不可避免的需要一正一反两类数据集，对其进行训练。在绝缘子的真实情况中，正常的数据非常多，而有缺陷本文档来自技高网...

【技术保护点】
1.一种基于生成对抗网络的绝缘子缺陷检测方法，包括下列步骤：/n(1)生成器的搭建/n生成器采用去噪自编码器的结构，在原始图像上加上高斯噪声，并使用去噪自编码器处理后的图像为生成图片，在原始图片上加了高斯噪声之后进入去噪自编码器进行训练，经过编码后的图像为1×1的多通道特征向量，使用同样尺寸的随机高斯噪声经过相同的解码器进行解码，从特征向量中恢复出图像，达到生成负样本的目的；/n(2)鉴别器的搭建/n鉴别器共包含两个，表层鉴别器D

【技术特征摘要】
1.一种基于生成对抗网络的绝缘子缺陷检测方法，包括下列步骤：
(1)生成器的搭建
生成器采用去噪自编码器的结构，在原始图像上加上高斯噪声，并使用去噪自编码器处理后的图像为生成图片，在原始图片上加了高斯噪声之后进入去噪自编码器进行训练，经过编码后的图像为1×1的多通道特征向量，使用同样尺寸的随机高斯噪声经过相同的解码器进行解码，从特征向量中恢复出图像，达到生成负样本的目的；
(2)鉴别器的搭建
鉴别器共包含两个，表层鉴别器Dv和潜层鉴别器Dl，其中Dv和Dl的作用是将分类后的结果在训练中进行回传，使得生成器可以有更好的效果，表层鉴别器Dv的训练目标是区分生成图像和从采样噪声中恢复的图像，潜层分类器Dl的目标是区分生成图像经过编码后生成的特征向量与抽样的噪声；
(3)分类器的搭建
分类器C的作用是对生成图像恢复的图像和从高斯噪声中恢复的图像进行分类，在分类器C中，使用编码器实现图像向潜层空间的映射，并通过sigmoid函数将结果进行分类，分辨出在该图像中绝缘子是否缺失；
(4)训练检测模型
分别训练两个不同的部分：
(1)训练分类器C，网络结构中除分类器C外...

【专利技术属性】
技术研发人员：侯春萍，及浩然，杨阳，夏晗，王霄聪，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12