一种变电站设备缺陷的确定方法及装置制造方法及图纸

本发明专利技术公开了一种变电站设备缺陷的确定方法及装置，其方法包括：获取变电站设备的小样本图像及待识别的变电站设备图像；所述变电站设备的小样本图像均标注有样本缺陷标签；通过所述变电站设备的小样本图像，对所构建的融合位置编码的逆残差卷积神经网络进行训练，得到融合位置编码的目标逆残差卷积神经网络；所述融合位置编码的逆残差卷积神经网络和所述融合位置编码的目标残差卷积神经网络均配置有逆残差结构及位置编码模块；将所述待识别的变电站设备图像输入所述目标融合位置编码的残差卷积神经网络，得到对应的缺陷识别结果；根据所述缺陷识别结果，确定是否实施告警处理。从而得到缺陷识别结果，有效提高识别准确度及识别效率。度及识别效率。度及识别效率。

【技术实现步骤摘要】
一种变电站设备缺陷的确定方法及装置


[0001]本专利技术涉及变电站设备安全技术技域，尤其涉及一种变电站设备缺陷的确定方法及装置。

技术介绍

[0002]针对变电站设备缺陷类的样本，如绝缘子裂痕、表计破损、线路散股和变压器漏油等样本较少的情况，要求神经网络既可以通过小样本把图像中设备缺陷特征尽量提取，又要防止神经网络训练过程中过拟合使模型只针对样本库有较好的识别效果。而传统的残差网络，虽然能够通过较深或较大的宽度使特征提取能力会有明显提升，但对于小样本图像特征的提取能力表现得却略显不足且也容易过拟合。因此，利用传统的残差网络，识别变电站设备缺陷并不是十分准确。

技术实现思路

[0003]本专利技术提供了一种变电站设备缺陷的确定方法及装置，用于通过融合位置编码的逆残差卷积神经网络对变电站设备的小样本图像进行识别，从而得到缺陷识别结果，有效提高识别准确度及识别效率。
[0004]第一方面，本专利技术提供的一种变电站设备缺陷的确定方法，包括：
[0005]获取变电站设备的小样本图像及待识别的变电站设备图像；所述变电站设本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电站设备缺陷的确定方法，其特征在于，包括：获取变电站设备的小样本图像及待识别的变电站设备图像；所述变电站设备的小样本图像均标注有样本缺陷标签；通过所述变电站设备的小样本图像，对所构建的融合位置编码的逆残差卷积神经网络进行训练，得到融合位置编码的目标逆残差卷积神经网络；所述融合位置编码的逆残差卷积神经网络和所述融合位置编码的目标逆残差卷积神经网络均配置有逆残差结构及位置编码模块；将所述待识别的变电站设备图像输入所述目标融合位置编码的逆残差卷积神经网络，得到对应的缺陷识别结果；根据所述缺陷识别结果，确定是否实施告警处理。2.根据权利要求1所述的变电站设备缺陷的确定方法，其特征在于，通过所述变电站设备的小样本图像，对所构建的融合位置编码的逆残差卷积神经网络进行训练，得到目标融合位置编码的逆残差卷积神经网络，包括：将所述变电站设备的小样本图像输入所述融合位置编码的逆残差卷积神经网络，得到对应的预测缺陷结果；根据所述预测缺陷结果和所述样本缺陷标签，得到融合位置编码的目标逆残差卷积神经网络。3.根据权利要求2所述的变电站设备缺陷的确定方法，其特征在于，其特征在于，根据所述预测缺陷结果和所述样本缺陷标签，得到融合位置编码的目标逆残差卷积神经网络，包括：根据所述预测缺陷结果和所述样本缺陷标签，确定训练误差；基于所述训练误差，对所述逆残差卷积神经网络进行调整，以得到最优网络参数；采用所述最优网络参数生成所述目标逆残差卷积神经网络。4.根据权利要求1所述的变电站设备缺陷的确定方法，其特征在于，根据所述缺陷识别结果，确定是否实施告警处理，包括：根据所述缺陷识别结果，判断所述待识别的变电站设备图像是否存在缺陷；若是，则发出告警处理；若否，则确定所述待识别的变电站设备图像对应的变电站设备正常。5.根据权利要求1所述的变电站设备缺陷的确定方法，其特征在于，将所述待识别的变电站设备图像输入所述目标融合位置编码的逆残差卷积神经网络，得到对应的缺陷识别结果之前，还包括：对所述待识别的变电站设备图像进行预处理；所述预处...

【专利技术属性】
技术研发人员：邹国惠，曹安瑛，裴星宇，王力伟，张勇，侯成，程庆，张正宇，王健，
申请(专利权)人：广东电网有限责任公司珠海供电局，
类型：发明
国别省市：