一种线路缺陷检测方法、系统及计算机存储介质技术方案

本发明专利技术提供一种线路缺陷检测方法、系统及计算机存储介质，所述线路缺陷检测方法，包括：构建小样本目标检测网络模型，用于根据目标物的拍摄图像确定所述目标物的缺陷区域；构建小样本图像分类网络模型，用于确定所述缺陷区域所属的缺陷类型；向所述小样本目标检测网络模型中输入待测物的图像，并至少获得包含所述待测物的缺陷区域的第一图像；至少将所述第一图像输入至所述小样本分类模型中，得到所述缺陷区域所属的缺陷类型。本发明专利技术的线路检测方法能够基于拍摄待测物的图像而快速高效地确定出所述待测物是否具有缺陷区域，并确定出缺陷区域的缺陷类型。域的缺陷类型。域的缺陷类型。

【技术实现步骤摘要】
一种线路缺陷检测方法、系统及计算机存储介质


[0001]本专利技术涉及互联网
，特别涉及一种线路缺陷检测方法、系统及计算机存储介质。

技术介绍

[0002]当前，在工业检测领域中，对样本数据较少的线路缺陷检测场景中，主要存在以下检测方法：
[0003](1)人工巡检。人工巡检依靠工作人员巡逻，人眼进行检查发现缺陷。这种方式虽然准确率很高，无需复检，但是成本很高，需要投入大量人力物力。此外，某些场景如高铁线路、山林电网地势复杂，路线遥远，很难全面地进行人力巡检。
[0004](2)传统视觉缺陷检测。传统视觉缺陷检测方法大多是手工特征工程，从颜色、形状、长宽比、角度等来确定被检测的目标是否存在缺陷，最终定义出一系列的规则来进行缺陷检测。虽然这种方案在简单的场景中取得了不错的效果，但是随着缺陷类型的变化和缺陷场景的增多，所有定义好的规则需要重新设计，带来大量重复工作。
[0005](3)深度学习缺陷检测。深度学习的发展解决了传统手工设计特征的困难，在图像分类、目标检测等领域取得了显著效果。基于深度学习的缺陷检测技术通过大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种线路缺陷检测方法，其特征在于，包括：构建小样本目标检测网络模型，用于根据目标物的拍摄图像确定所述目标物的缺陷区域；构建小样本图像分类网络模型，用于确定所述缺陷区域所属的缺陷类型；向所述小样本目标检测网络模型中输入待测物的图像，并至少获得包含所述待测物的缺陷区域的第一图像；至少将所述第一图像输入至所述小样本图像分类网络模型中，得到所述缺陷区域所属的缺陷类型。2.如权利要求1所述的线路缺陷检测方法，其特征在于，所述构建小样本目标检测网络模型，包括：对所述目标物的不同部位分别拍摄多张图像；基于所述多张图像的内容分别标注图像类型，所述图像类型包括表征拍摄部位正常的第一类型，和表征拍摄部分具有所述缺陷区域的第二类型；基于标注的多张图像形成训练集和测试集；基于所述训练集和测试集训练并测试第一网络模型，以形成所述小样本目标检测网络模型。3.根据权利要求2所述的线路缺陷检测方法，其特征在于，所述第一网络模型为快速目标检测模型，所述基于所述训练集和测试集训练并测试第一网络模型，包括：基于所述训练集中的第一类型数据对所述快速目标检测模型进行预训练；冻结经过预训练的所述快速目标检测模型中区域建议框分类网络及回归建议框位置网络的参数；基于所述训练集中数量相同的第一类型数据和第二类型数据形成的小样本数据集训练被冻结参数的所述快速目标检测模型，以实现对所述快速目标检测模型的微调，得到所述小样本目标检测网络模型。4.根据权利要求1所述的线路缺陷检测方法，其特征在于，所述构建小样本图像分类网络模型，包括：对所述目标物的不同部位分别拍摄多张图像；将所述多张图像中具有所述缺陷区域的部分以及具有所述目标物的正常区域的部分分别进行剪裁，形成多个子图像；对所述多个子图像进行缺陷类型的标注，所述缺陷类型包括缺陷类型1、缺陷类型2
…
缺陷类型n、无缺陷；基于所述多个子图像训练第二网络模型，以形成所述小样本图像分类网络模型。5.根据权利要求4所述的线路缺陷检测方法，其特征在于，所述第二网络模型为关系网络模型；所述基于多个所述子图像...

【专利技术属性】
技术研发人员：陈湘源，李宁，贺嘉玉，徐跃福，王乾坤，陈伟崇，高程，张宝军，李晓伟，乔鹏举，张玉龙，夏永兵，邹杰，武强，姜蓉蓉，
申请(专利权)人：深圳市翌日科技有限公司，
类型：发明
国别省市：