基于双光检测缺陷的方法及相应的系统技术方案

本申请提供了基于双光检测缺陷的方法及相应的系统，包括：通过拍摄设备对待检测目标进行可见光拍摄，获取所述待检测目标的可见光图片；通过预设的目标检测模型对所述可见光图片进行类型分析，判断所述可见光图片中的待检测目标的类型是否为预设的目标类型；如果所述目标检测模型的输出结果为是，通过拍摄设备对所述待检测目标进行红外光拍摄，获取所述待检测目标的红外光图片；通过预设的缺陷检测模型对所述红外光图片进行缺陷分析，根据所述缺陷分析的结果获取所述待检测目标的缺陷并标记所述缺陷。本发明专利技术可以提高缺陷检测的准确性和效率。效率。

【技术实现步骤摘要】
基于双光检测缺陷的方法及相应的系统


[0001]本申请属于电力设备缺陷检测领域，尤其涉及基于双光检测缺陷的方法及相应的系统。

技术介绍

[0002]缺陷检测是现有技术中经常会遇到的问题，通过对设备进行缺陷检测可以使用户实时了解运行中的设备是否出现问题，避免因缺陷造成设备宕机造成的经济损失，甚至避免由于电力设备的缺陷造成的人员伤亡。
[0003]目前缺陷检测的方式大致分为以下几种：
[0004]方式一：使用红外成像系统获取电力设备的运行过程中目标部件的图像，通过已标注的缺陷样本对目标部件进行检测，从而确定目部件是否出现缺陷。该方式在进行缺陷检测前，需要大量的标注工作，工作量极大。
[0005]方式二：使用红外成像系统获取电力设备的运行过程中目标部件的图像，通过分析图像的色彩特征来对图像进行分割，以检测缺陷。目前通过颜色分割来进行电力设备缺陷检测的问题之一就是成像分辨率不够，限制了成像的清晰度，无法通过色彩特征区分出较小的缺陷检测，例如，一些缺陷往往不会让设备的温度发生显著的变化，导致缺陷被漏检。
[0006]因此，目前缺陷检测的方式，均无法高效、准确地获取部件的缺陷。

技术实现思路

[0007]本专利技术实施例的主要目的在于提供基于双光检测缺陷的方法及相应的系统，基于目标检测模型对可见光图片进行分析，可以清晰准确地判断出待检测目标的类型，基于缺陷检测模型对红外光图片进行分析，可以准确的确定缺陷类型和位置，提高了缺陷检测的准确性和效率。
[0008]第一方面，提供了基于双光检测缺陷的方法，所述方法包括：
[0009]通过拍摄设备对待检测目标进行可见光拍摄，获取所述待检测目标的可见光图片；
[0010]通过预设的目标检测模型对所述可见光图片进行类型分析，判断所述可见光图片中的待检测目标的类型是否为预设的目标类型；
[0011]如果所述目标检测模型的输出结果为是，通过拍摄设备对所述待检测目标进行红外光拍摄，获取所述待检测目标的红外光图片；
[0012]通过预设的缺陷检测模型对所述红外光图片进行缺陷分析，根据所述缺陷分析的结果获取所述待检测目标的缺陷并标记所述缺陷。
[0013]在一个可能的实现方式中，所述目标检测模型为yolov5s模型，所述缺陷检测模型为SimCLR模型和/或生成性对抗网络。
[0014]在另一个可能的实现方式中，所述判断所述可见光图片中的待检测目标的类型是
否为预设的目标类型，包括：
[0015]如果所述目标检测模型的输出结果的置信度高于预设的置信度阈值，则判断所述待检测目标的类型为预设的目标类型。
[0016]在另一个可能的实现方式中，所述通过预设的缺陷检测模型对所述红外光图片进行缺陷分析，根据所述缺陷分析的结果获取所述待检测目标的缺陷并标记所述缺陷，包括：
[0017]通过拍摄设备在第一角度对所述待检测目标进行红外光拍摄，获取所述待检测目标的第一红外光图片；
[0018]通过预设的缺陷检测模型对所述第一红外光图片进行第一缺陷检测，获取所述待检测目标的第一缺陷检测结果；
[0019]根据所述第一缺陷检测结果获取所述缺陷的位置，通过拍摄设备在第二角度对缺陷进行红外光拍摄，获取所述缺陷的第二红外光图片；
[0020]通过预设的缺陷检测模型对所述第二红外光图片进行第二缺陷检测，获取所述待检测目标的第二缺陷检测结果；
[0021]如果所述第一缺陷检测结果和所述第二缺陷检测结果对应的缺陷位置的重合度大于或等于预设值，则将所述缺陷位置标记为目标缺陷位置。
[0022]在另一个可能的实现方式中，所述缺陷检测模型选用生成性对抗网络时，所述缺陷检测模型对所述红外光图片进行缺陷分析之前，训练所述缺陷检测模型的方法包括：
[0023]在无缺陷的所述待检测目标的红外光图片加上缺陷，作为第一缺陷图片，所述生成性对抗网络的生成器对所述第一缺陷图片进行修复，并交由所述生成性对抗网络的判别器分辨修复后的所述第一缺陷图片与无缺陷的所述待检测目标的红外光图片，所述生成性对抗网络经过训练后，所述判别器分辨所述第一缺陷图片与所述无缺陷的所述待检测目标的红外光图片的准确率等于预设阈值时，所述缺陷检测模型训练完成；
[0024]所述缺陷包括裂纹缺陷、豁缺口缺陷和漏油缺陷中的一种或多种组合。
[0025]第二方面，提供了一种基于双光检测缺陷的系统，所述系统包括：
[0026]可见光图片获取模块，用于通过拍摄设备对待检测目标进行可见光拍摄，获取所述待检测目标的可见光图片；
[0027]目标类型判断模块，用于通过预设的目标检测模型对所述可见光图片进行类型分析，判断所述可见光图片中的待检测目标的类型是否为预设的目标类型；
[0028]红外光图片获取模块，用于如果所述目标检测模型的输出结果为是，通过拍摄设备对所述待检测目标进行红外光拍摄，获取所述待检测目标的红外光图片；
[0029]缺陷获取模块，用于通过预设的缺陷检测模型对所述红外光图片进行缺陷分析，根据所述缺陷分析的结果获取所述待检测目标的缺陷并标记所述缺陷。
[0030]在一个可能的实现方式中，所述目标类型判断模块，包括：
[0031]目标类型判断单元，用于如果所述目标检测模型的输出结果的置信度高于预设的置信度阈值，则判断所述待检测目标的类型为预设的目标类型。
[0032]在另一个可能的实现方式中，所述缺陷获取模块，包括：
[0033]第一红外光图片获取单元，用于通过拍摄设备在第一角度对所述待检测目标进行红外光拍摄，获取所述待检测目标的第一红外光图片；
[0034]第一缺陷检测结果获取单元，用于通过预设的缺陷检测模型对所述第一红外光图
片进行第一缺陷检测，获取所述待检测目标的第一缺陷检测结果；
[0035]第二红外光图片获取单元，用于根据所述第一缺陷检测结果获取所述缺陷的位置，通过拍摄设备在第二角度对缺陷进行红外光拍摄，获取所述缺陷的第二红外光图片；
[0036]第二缺陷检测结果获取单元，用于通过预设的缺陷检测模型对所述第二红外光图片进行第二缺陷检测，获取所述待检测目标的第二缺陷检测结果；
[0037]缺陷确定单元，用于如果所述第一缺陷检测结果和第二缺陷检测结果对应的缺陷位置的重合度大于或等于预设值，则将所述缺陷位置标记为目标缺陷位置。
[0038]第三方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如第一方面提供的基于双光检测缺陷的方法。
[0039]第四方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如第一方面提供的基于双光检测缺陷的方法。
[0040]区别于现有技术：本申请提供一种基于双光检测缺陷的方法，该方法包括：通过拍摄设备对待检测目标进行可见光拍摄，获取所述待检测目标的可见光图片；通过预设的目标检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双光检测缺陷的方法，其特征在于，所述方法包括：通过拍摄设备对待检测目标进行可见光拍摄，获取所述待检测目标的可见光图片；通过预设的目标检测模型对所述可见光图片进行类型分析，判断所述可见光图片中的待检测目标的类型是否为预设的目标类型；如果所述目标检测模型的输出结果为是，通过拍摄设备对所述待检测目标进行红外光拍摄，获取所述待检测目标的红外光图片；通过预设的缺陷检测模型对所述红外光图片进行缺陷分析，根据所述缺陷分析的结果获取所述待检测目标的缺陷并标记所述缺陷。2.如权利要求1所述的方法，其特征在于，所述目标检测模型为yolov5s模型，所述缺陷检测模型为SimCLR模型和/或生成性对抗网络。3.如权利要求1所述的方法，其特征在于，所述判断所述可见光图片中的待检测目标的类型是否为预设的目标类型，包括：如果所述目标检测模型的输出结果的置信度高于预设的置信度阈值，则所述待检测目标的类型为预设的目标类型。4.如权利要求1
‑
3任一项所述的方法，其特征在于，所述通过预设的缺陷检测模型对所述红外光图片进行缺陷分析，根据所述缺陷分析的结果获取所述待检测目标的缺陷并标记所述缺陷，包括：通过拍摄设备在第一角度对所述待检测目标进行红外光拍摄，获取所述待检测目标的第一红外光图片；通过预设的缺陷检测模型对所述第一红外光图片进行第一缺陷检测，获取所述待检测目标的第一缺陷检测结果；根据所述第一缺陷检测结果获取所述缺陷的位置，通过拍摄设备在第二角度对缺陷进行红外光拍摄，获取所述缺陷的第二红外光图片；通过预设的缺陷检测模型对所述第二红外光图片进行第二缺陷检测，获取所述待检测目标的第二缺陷检测结果；如果所述第一缺陷检测结果和所述第二缺陷检测结果对应的缺陷位置的重合度大于或等于预设值，则将所述缺陷位置标记为目标缺陷位置。5.如权利要求2所述的方法，其特征在于，所述缺陷检测模型选用生成性对抗网络时，所述缺陷检测模型对所述红外光图片进行缺陷分析之前，训练所述缺陷检测模型的方法包括：在无缺陷的所述待检测目标的红外光图片加上缺陷，作为第一缺陷图片，所述生成性对抗网络的生成器对所述第一缺陷图片进行修复，并交由所述生成性对抗网络的判别器分辨修复后的所述第一缺陷图片与无缺陷的所述待检测目标的红外光图片，所述生成性对抗网络经过训练后，所述判别器分辨所述第一缺陷图片与所述无缺陷的所述待检测目标的红外光图片的准确率...

【专利技术属性】
技术研发人员：杨启帆，时伟君，邹沉，胡卡，路成东，方书涵，杨艳，彭子健，黄平川，韩飞，赵海涛，李煜磊，侯晓松，陈元，李挺，李旭东，韩煦，袁军，周向，黄晟，
申请(专利权)人：武汉高德智感科技有限公司，
类型：发明
国别省市：