基于对抗学习的绝缘子故障检测方法、装置及终端设备制造方法及图纸

本发明专利技术涉及一种基于对抗学习的绝缘子故障检测方法、装置及终端设备，对训练样本集进行标注，得到标注数据，使用基于对抗学习的分割器网络和鉴别器网络对训练样本集和标注数据进行训练，分割器网络输出绝缘子故障部位粗分割图，鉴别器网络通过W距离对绝缘子故障部位粗分割图与标注数据进行比对，基于对抗学习的方式，对分割器网络和鉴别器网络进行迭代训练，使得分割器网络和鉴别器网络达到纳什平衡，改善了生成对抗网络训练不稳定以及不容易收敛的问题，增强了分割网络对故障部位特征的提取能力，进而提高了分割网络的分割能力，实现对高压输电线路无人机巡检图像绝缘子故障部位的精确分割和检测。部位的精确分割和检测。部位的精确分割和检测。

【技术实现步骤摘要】
基于对抗学习的绝缘子故障检测方法、装置及终端设备


[0001]本专利技术涉及一种基于对抗学习的绝缘子故障检测方法、装置及终端设备。

技术介绍

[0002]电力资源对于每个行业来说都很重要，随着社会的不断进步，各行各业对电力的需求量也在不断增大。随着高压输电线路里程的增加，电力线路的巡检对电力行业持续供电发挥着关键作用。其中，绝缘子作为输电线路的核心部位，是电力系统中常见器件。由于自然环境的复杂多变，若绝缘子长期暴露会导致各种缺陷，如老化、破损和裂缝等，这将严重危及输变电系统的安全和正常运作。因此，绝缘子故障的检测，对于电力系统维护是一项十分有价值的工作。
[0003]近年来，采用直升机或者无人机等空中飞行平台对线路进行巡检的方式逐渐应用到电力系统中，由于其准确、高效、安全等特点，能够有效减轻工人的劳动强度、提高工作效率、降低巡检成本，同时巡检人员的安全性也能够保障。因此，无人机和计算机视觉技术相结合，共同实现对绝缘子破损、污秽等故障的自动精确检测，在输电线路正常工作的情况下及时有效地排除线路隐患。但传统的绝缘子故障检测分割方法难以对绝缘本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于对抗学习的绝缘子故障检测方法，其特征在于，包括：获取训练样本集，所述训练样本集包括至少两个绝缘子故障样本图像；对所述训练样本集进行标注，得到标注数据；将所述训练样本集输入至分割器网络中的分割编码器中进行绝缘子故障部位的特征提取，所述分割编码器输出给分割器网络中的分割解码器中进行上采样，输出绝缘子故障部位粗分割图；将所述绝缘子故障部位粗分割图与所述标注数据分别输入至鉴别器网络中，通过W距离对所述绝缘子故障部位粗分割图与所述标注数据进行比对，基于对抗学习的方式，对分割器网络和鉴别器网络进行迭代训练，使得分割器网络和鉴别器网络达到纳什平衡；将待检测绝缘子图像输入至训练好的分割器网络中进行故障检测。2.根据权利要求1所述的基于对抗学习的绝缘子故障检测方法，其特征在于，所述通过W距离对所述绝缘子故障部位粗分割图与所述标注数据进行比对，基于对抗学习的方式，对分割器网络和鉴别器网络进行迭代训练，使得分割器网络和鉴别器网络达到纳什平衡，包括：通过W距离获取所述绝缘子故障部位粗分割图与所述标注数据的空间距离，若空间距离大于预设阈值，则返回损失值，基于对抗学习的方式，对分割器网络和鉴别器网络进行迭代训练，使得分割器网络和鉴别器网络达到纳什平衡。3.根据权利要求2所述的基于对抗学习的绝缘子故障检测方法，其特征在于，所述基于对抗学习的方式，对分割器网络和鉴别器网络进行迭代训练，包括：所述分割器网络和鉴别器网络交替训练，其中，当训练鉴别器网络时，设置迭代次数为第一次数，并在该过程中冻结分割网络的参数；当训练分割网络时，设置迭代次数为第二次数，并在该过程中冻结鉴别器网络的参数；所述分割器网络和鉴别器网络交替训练第三次数后停止训练。4.根据权利要求1所述的基于对...

【专利技术属性】
技术研发人员：杨磊，刘艳红，曾庆山，王怀鑫，霍本岩，李方圆，吴振龙，
申请(专利权)人：郑州大学，
类型：发明
国别省市：