一种绝缘子图像数据的小样本学习方法技术

本发明专利技术公开一种绝缘子图像数据的小样本学习方法。本发明专利技术通过设计简单的策略找到适合深度神经网络学习的小样本数据，构建用于训练深度神经网络的绝缘子图像小样本库，进而实现对绝缘子图像数据的小样本学习。本发明专利技术具有较强的泛化能力，可实现绝缘子图像数据的小样本学习，节省大量的图像标注时间，为人工神经网络和深度学习方法在绝缘子检测领域的实际应用提供了技术途径，具有广阔的工业应用前景。具有广阔的工业应用前景。具有广阔的工业应用前景。

【技术实现步骤摘要】
一种绝缘子图像数据的小样本学习方法


[0001]本专利技术涉及机器学习领域，尤其涉及绝缘子图像数据的小样本学习。

技术介绍

[0002]众所周知，绝缘子大量应用于输电线路，起着支撑和绝缘的作用。由于长期在自然环境中运行，绝缘子会出现自爆等故障，需要对其进行巡检。目前，绝缘子检测已发展到智能检测阶段。
[0003]随着自动化技术和机器视觉技术的发展，无人机携带相机已被用于采集绝缘子图像，再利用人工智能就可以识别绝缘子的状态。尤其是随着深度学习技术的发展，利用深度神经网络技术来识别绝缘子状态已成为一种趋势。但是，深度神经网络需要大数据和大计算能力的支撑，需要用大量图像数据对深度神经网络进行训练，然后再用训练的网络模型来识别绝缘子状态。大数据样本训练费时、耗力，业界已开始探索小样本机器学习方法。

技术实现思路

[0004]针对目前该领域现有技术的不足，本专利技术公开了一种绝缘子图像数据的小样本学习方法，该方法通过设计简单的策略找到适合深度神经网络学习的小样本数据，构建用于训练深度神经网络的绝缘子图像小样本库，进而实现对绝缘子图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种绝缘子图像数据的小样本学习方法，所述的小样本学习方法包括：步骤1、收集绝缘子图像数据，分析绝缘子图像的特点；步骤2、根据步骤1收集的绝缘子图像数据的特点，构建用于学习的深度神经网络模型；步骤3、基于公用数据库训练步骤2所建立的深度神经网络模型，并对步骤1收集的绝缘子图像进行识别测试；步骤4、选取少量未识别的绝缘子图像建立训练样本库；步骤5、在知识迁移基础上，用步骤4建立的样本库继续训练步骤3训练过的深度神经网络；所述的知识迁移，是指深度神经网络在步骤3公用数据库中学到的知识，迁移到步骤4所建训练样本库中绝缘子图像的学习与识别；步骤6、用步骤5训练好的深度神经网络对步骤1收集的绝缘子图像进行识别测试；步骤7、找出误识别的绝缘子图像；步骤8、在步骤7的基础上，选取少量误识别的图像替换步骤4建立的训练集中的样本，建立新的训练样本库；步骤9、在知识迁移基础上，用步骤8建立的样本库重新步骤2训练的深度神经网络；所述的知识迁移，是指深度神经网络在步骤3公用数据库中学到的知识，迁移到步骤8所建训练样本集中绝缘子图像的学习与识别；步骤10、用步骤9训练好的深度神经网络对步骤1收集的绝缘子图像进行测试，计算识别率；所述的识别率是正确识别图像的数量与测试图像总数量的比值；步骤11、判断识别率是否满足要求，若满足要求就保存学习结果用于后序的识别任务，若不满足要求就回到步骤7重复执行后序步骤，必要情况下可对步骤8所建的训练样本库进行扩容，直到识别率满足要求；所述的必...

【专利技术属性】
技术研发人员：杨彦利，王新林，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：