一种基于循环生成对抗网络的绝缘子雷击图像样本增广方法技术

本发明专利技术公开了一种基于循环生成对抗网络的绝缘子雷击图像样本增广方法，包括：从预先获取的多个绝缘子图像中提取每个绝缘子图像中伞裙部分的图像，得到多个伞裙图像；根据雷击分类规则将所述多个伞裙图像分为正常伞裙图像组和雷击伞裙图像组，所述雷击伞裙图像组中的伞裙具有雷击痕迹；根据预设循环生成对抗网络对所述正常伞裙图像组和雷击伞裙图像组进行训练和测试。能够有效生成一批以假乱真的绝缘子雷击数据集，减少数据采集、清洗过程的人力、物力成本。物力成本。物力成本。

【技术实现步骤摘要】
一种基于循环生成对抗网络的绝缘子雷击图像样本增广方法


[0001]本专利技术涉及计算机视觉和深度学习等人工智能
，尤其涉及一种基于循环生成对抗网络的绝缘子雷击图像样本增广方法。

技术介绍

[0002]配电网具有分布广、设备多以及绝缘水平低的特点，因此经常会发生由于电压过大而导致绝缘事故出现的现象，尤其是在雷雨天气，绝缘事故发生的几率很大。随着环境不断劣化，雷击引起的输电线路污闪掉闸事故日益增多，不仅影响设备的正常运行，而且极大地影响了用电户的日常生产和生活。输电线路跳闸常常是由于雷击造成跳闸。据统计，在近几年的线路跳闸中，因雷击导致线路跳闸的约占40％～50％，占了相当大的一个比重。因此，配电线路管理过程中非常重视绝缘子雷击损坏的问题，采取各种方案进行泄露预防与紧急事故处理措施，做好线路的防雷工作，降低雷击跳闸率，迅速减少线路事故率，将绝缘子受到雷击后的影响降至最低。
[0003]在过去几年中，绝缘子雷击排查工作已经逐渐由人工智能CV图像算法识别技术取代，但是这种技术又特别依赖大量的图像数据集，因此过去通常由无人机在实验室环境中模拟数据进行数据采集以及通过人工PS的操作来获取目标数据集。
[0004]真实线路中绝缘子受到雷击损坏后会立即更换，因此在以往的无人机大范围的采集数据，然后进行人工筛选，挑选出雷击的数据集，这个过程需要消耗大量的人力物力，也许还不能够获取想要的数据。实验室环境下模拟由于专业性强，成本较高，且实验室模拟环境下的数据样本形式单一，不能完整模拟不同背景下的数据真实情况，造成样本背景较为单一。
[0005]因此更多的时候，只能通过PS等技术，后期在正常的绝缘子上渲染上雷击的痕迹来扩充数据。PS的技术难点在于这类软件需要较麻烦的学习过程，专业的绘图技能等，对数千绝缘子一一绘制雷击痕迹过程复杂，效率低下，雷击痕迹相似度高等缺点，使得其作为训练数据集效果也不明显。
[0006]在人工智能计算机视觉技术兴起之后，越来越多枯燥的人工操作被取代，解放了双手。计算机视觉技术是计算机模拟人类的视觉过程，具有感受环境的能力和人类视觉功能的技术。如何生成以假乱真的图像成为业界亟待解决的问题。

技术实现思路

[0007]本专利技术提供了一种基于循环生成对抗网络的绝缘子雷击样本增广的方法，能够有效生成一批以假乱真的绝缘子雷击数据集，减少数据采集、清洗过程的人力、物力成本。
[0008]本专利技术提供的一种基于循环生成对抗网络的绝缘子雷击图像样本增广方法包括：
[0009]从预先获取的多个绝缘子图像中提取每个绝缘子图像中伞裙部分的图像，得到多个伞裙图像；
[0010]根据雷击分类规则将所述多个伞裙图像分为正常伞裙图像组和雷击伞裙图像组，
所述雷击伞裙图像组中的伞裙具有雷击痕迹；
[0011]根据预设循环生成对抗网络对所述正常伞裙图像组和雷击伞裙图像组进行训练和测试。
[0012]可选的，
[0013]步骤所述从预先获取的多个绝缘子图像中提取每个绝缘子图像中伞裙部分的图像，得到多个伞裙图像包括：
[0014]对所述多个绝缘子图像中的每个绝缘子图像中伞裙部分进行标记，得到多个具有标记的绝缘子图像；
[0015]根据所述标记的位置和尺寸个绝缘子图像中伞裙部分的图像，得到多个伞裙图像。
[0016]可选的，
[0017]步骤所述对所述多个绝缘子图像中的每个绝缘子图像中伞裙部分进行标记，得到多个具有标记的绝缘子图像包括：
[0018]使用标记框圈选所述伞裙部分，所述标记框的信息包含名称、用Xmin作为标记框左上角X坐标、Ymin作为标记框左上角Y坐标、Xmax作为标记框右下角X坐标、Ymax作为标记框右下角Y坐标。
[0019]可选的，
[0020]步骤所述根据雷击分类规则将所述多个伞裙图像分为正常伞裙图像组和雷击伞裙图像组包括：
[0021]将正常伞裙图像数据和雷击伞裙图像数据按照1：1的比例分别保存在两个文件夹中；
[0022]每个图像数据以CycleGan数据格式保存成txt文件。
[0023]可选的，
[0024]步骤所述从预先获取的多个绝缘子图像中提取每个绝缘子图像中伞裙部分的图像，得到多个伞裙图像之前还包括过滤不含有绝缘子的图像。
[0025]可选的，
[0026]步骤所述根据预设循环生成对抗网络对所述正常伞裙图像组和雷击伞裙图像组进行训练和测试包括：
[0027]搭建具有第一生成器网络、第二生成器网络和第一判别器网络和第二判别器网络的对偶结构的循环生成对抗网络；
[0028]利用卷积神经网络分别将正常伞裙图像组中的图像编码为预定尺寸的特征向量，得到包含多个特征向量的第一域，将雷击伞裙图像组中的图像编码为预定尺寸的特征向量，得到包含多个特征向量的第二域；
[0029]将第一域的特征向量通过第一生成器生成第二域的特征向量，再通过第二生成器重构回正常伞裙图像组的输入图像；
[0030]第一判别器用于对第一域的特征向量进行判别，第二判别器用于对第二域的特征向量进行判别。
[0031]可选的，
[0032]所述重构为使用反卷积层完成从特征向量还原与输入图像尺寸相同的图像。
[0033]可选的，
[0034]所述判别器网络还用于判断图片覆盖的预定尺寸的补丁是否来自于原图。
[0035]可选的，
[0036]步骤所述根据预设循环生成对抗网络对所述正常伞裙图像组和雷击伞裙图像组进行训练包括：
[0037]构建生成器的重建损失函数、判别器的判别损失函数和均方误差损失函数；
[0038]所述重建损失函数记作L(G_AB，G_BA，A，B)＝E_(a～A)[||G_AB(G_AB(a))
‑
||_1]；
[0039]所述判别损失函数记作L_GAN(G，G_Y，X，Y)＝E_(y～Pdata(y))[log(D_Y(Y))]+E_(x～Pdata(x))[log(1
‑
D_Y(G(X)))]；
[0040]所述均方误差损失函数记作L_lsgan(G，G_Y，X，Y)＝E_(y～Pdata(y))[(D_Y(y)
‑
1)2]+E_(x～Pdata(x))[D_y(G(x))2]。
[0041]可选的，
[0042]步骤所述根据预设循环生成对抗网络对所述正常伞裙图像组和雷击伞裙图像组进行测试的评价指标为Inception Score(IS)，所述Inception Score记作IS(G)＝exp(E_(x～Pg)D_KL(p(y|x)||p(y)))，
[0043]其中x～Pg表示从生成器中生图片；
[0044]p(y|x)表示把生成的图片x输入到Inception V3，得到一个1000维的向量y；
[0045]p(y)为N个生成的图片，每个生成图片都输入到Inception 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于循环生成对抗网络的绝缘子雷击图像样本增广方法，其特征在于，包括：从预先获取的多个绝缘子图像中提取每个绝缘子图像中伞裙部分的图像，得到多个伞裙图像；根据雷击分类规则将所述多个伞裙图像分为正常伞裙图像组和雷击伞裙图像组，所述雷击伞裙图像组中的伞裙具有雷击痕迹；根据预设循环生成对抗网络对所述正常伞裙图像组和雷击伞裙图像组进行训练和测试。2.根据权利要求1所述的基于循环生成对抗网络的绝缘子雷击图像样本增广方法，其特征在于：步骤所述从预先获取的多个绝缘子图像中提取每个绝缘子图像中伞裙部分的图像，得到多个伞裙图像包括：对所述多个绝缘子图像中的每个绝缘子图像中伞裙部分进行标记，得到多个具有标记的绝缘子图像；根据所述标记的位置和尺寸个绝缘子图像中伞裙部分的图像，得到多个伞裙图像。3.根据权利要求2所述的基于循环生成对抗网络的绝缘子雷击图像样本增广方法，其特征在于：步骤所述对所述多个绝缘子图像中的每个绝缘子图像中伞裙部分进行标记，得到多个具有标记的绝缘子图像包括：使用标记框圈选所述伞裙部分，所述标记框的信息包含名称、用Xmin作为标记框左上角X坐标、Ymin作为标记框左上角Y坐标、Xmax作为标记框右下角X坐标、Ymax作为标记框右下角Y坐标。4.根据权利要求1所述的基于循环生成对抗网络的绝缘子雷击图像样本增广方法，其特征在于：步骤所述根据雷击分类规则将所述多个伞裙图像分为正常伞裙图像组和雷击伞裙图像组包括：将正常伞裙图像数据和雷击伞裙图像数据按照1：1的比例分别保存在两个文件夹中；每个图像数据以CycleGan数据格式保存成txt文件。5.根据权利要求1所述的基于循环生成对抗网络的绝缘子雷击图像样本增广方法，其特征在于：步骤所述从预先获取的多个绝缘子图像中提取每个绝缘子图像中伞裙部分的图像，得到多个伞裙图像之前还包括过滤不含有绝缘子的图像。6.根据权利要求1所述的基于循环生成对抗网络的绝缘子雷击图像样本增广方法，其特征在于：步骤所述根据预设循环生成对抗网络对所述正常伞裙图像组和雷击伞裙图像组进行训练和测试包括：搭建具有第一生成器网络、第二生成器网络和第一判别器网络和第二判别器网络的对偶结构的循环生成对抗网络；利用卷积神经网络分别将正常伞裙图像组中的图像编码为预定尺寸的特征向量，得到包含多个特征向量的第一域，将雷击伞裙图像组中的图像编码为预定尺寸的特...

【专利技术属性】
技术研发人员：范亮，汤坚，张磊，郑路铭，王秋媚，
申请(专利权)人：广州中科智巡科技有限公司，
类型：发明
国别省市：