变电站地面油污识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种变电站地面油污识别方法、装置、电子设备及存储介质，该方法包括：获取待测变电站的待检测地面图像；将所述待检测地面图像输入至预先训练完成的地面油污语义识别模型中，得到目标地面图像；其中，所述地面油污语义识别模型基于全卷积网络以及残差网络构建，所述地面油污语义识别模型中的模型参数基于随机权值平均方法确定；如果所述目标地面图像标注有至少一处地面油污，则将所述目标地面图像输出至所述待测变电站的管理平台。通过本发明专利技术实施例的技术方案，实现了提高识别地面油污的准确性和识别速度的技术效果。果。果。

【技术实现步骤摘要】
变电站地面油污识别方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及油污检测技术，尤其涉及一种变电站地面油污识别方法、装置、电子设备及存储介质。

技术介绍

[0002]在电力系统领域，变电器发生漏油且未被及时发现时，会对变电器的使用寿命造成影响，并且影响电力系统的安全运行。
[0003]现有技术中，通常是通过人工检测，或根据油污的明度特征进行油污识别。基于人工检测的方式，检测速度较慢，实时性较低，并且会耗费大量的人力。根据油污的明度特征进行油污识别需要在油污范围较大的情况下进行，存在实时性较差，且准确率较低的问题。

技术实现思路

[0004]本专利技术实施例提供了一种变电站地面油污识别方法、装置、电子设备及存储介质，以实现提高识别地面油污的准确性和识别速度的技术效果。
[0005]第一方面，本专利技术实施例提供了一种变电站地面油污识别方法，该方法包括：
[0006]获取待测变电站的待检测地面图像；
[0007]将所述待检测地面图像输入至预先训练完成的地面油污语义识别模型中，得到目标地本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电站地面油污识别方法，其特征在于，包括：获取待测变电站的待检测地面图像；将所述待检测地面图像输入至预先训练完成的地面油污语义识别模型中，得到目标地面图像；其中，所述地面油污语义识别模型基于全卷积网络以及残差网络构建，所述地面油污语义识别模型中的模型参数基于随机权值平均方法确定；如果所述目标地面图像标注有至少一处地面油污，则将所述目标地面图像输出至所述待测变电站的管理平台。2.根据权利要求1所述的方法，其特征在于，还包括：基于全卷积网络以及残差网络构建初始语义识别模型；基于预先标注的样本地面图像对所述初始语义识别模型进行训练，基于训练过程中损失函数收敛所需的总迭代次数，对训练过程中的模型参数进行加权平均得到目标模型参数；基于所述目标模型参数，确定地面油污语义识别模型。3.根据权利要求2所述的方法，其特征在于，所述基于全卷积网络以及残差网络构建初始语义识别模型，包括：基于卷积网络和上采样网络构建语义分割网络；基于残差网络构建特征提取网络；基于所述语义分割网络和所述特征提取网络构建初始语义识别模型。4.根据权利要求2所述的方法，其特征在于，所述基于训练过程中损失函数收敛所需的总迭代次数，对训练过程中的模型参数进行加权平均得到目标模型参数，包括：基于训练过程中损失函数收敛所需的总迭代次数，确定第一迭代次数以及第二迭代次数；基于所述第一迭代次数，对通过学习率衰减方法进行训练的模型参数进行加权平均得到第一模型参数，并基于所述第二迭代次数，对通过周期性学习方法进行训练的模型参数进行加权平均得到第二模型参数；基于所述第一模型参数以及所述第二模型参数，确定目标模型参数。5.根据权利要求4所述的方法，其特征在于，所述第一迭代次数大于或等于所述第二迭代次数。6.根据权利要求4所述的方法，其特征在于，所述基于所述第一迭代次数，对通过学习率衰减方法进行训练的模型参数进行加权平均得到第一模型参数，包括：针对第一迭代次数中的每一次迭代训练，基于预设的初始学习率，通过学习率衰减的方式进行训练得到第一子参数；基于各所述第一子参数进行加权平均，得到第一模型参数。7.根据权利要求4所述的方法，其特征在于，所述基于所述第二迭代次数，对通过周期性学习方法进行训练的模型参数进行加权平均得到第二模型参数，包括：针对第二迭代次数中的每一次迭代训练，基于预设的最大学习率和预设的最...

【专利技术属性】
技术研发人员：郭修霄，王振利，王万国，王琦，王兴光，吴琼珊，孙晓斌，赵丽，李振宇，张海龙，刘丕玉，韩元凯，
申请(专利权)人：国网智能科技股份有限公司，
类型：发明
国别省市：