基于元学习的小样本图像缺陷检测方法、装置和设备制造方法及图纸

本申请涉及一种基于元学习的小样本图像缺陷检测方法、装置和设备。所述方法包括：根据对待检测的多张电网图像进行数据增广处理，得到电网图像集合，并从电网图像集合中确定第一电网图像，从各电网图像子集中确定各第二电网图像，将第一电网图像和各第二电网图像输入至预设的识别模型中进行特征提取和缺陷检测，得到缺陷检测结果。采用本方法能够根据预设的识别模型和常见的样本增广方式检测出待检测小样本图像的缺陷位置和类别，从而提高了小样本图像的检测缺陷的准确率。图像的检测缺陷的准确率。图像的检测缺陷的准确率。

【技术实现步骤摘要】
基于元学习的小样本图像缺陷检测方法、装置和设备


[0001]本申请涉及图像数据处理
，特别是涉及一种基于元学习的小样本图像缺陷检测方法、装置和设备。

技术介绍

[0002]随着电网系统的发展，电网架空线路的无人机巡视已经越来越普遍，无人机巡视后得到的图像由人工审图寻找缺陷的方式存在工作量大的问题，从而出现了图像智能缺陷检测技术。该技术需要将巡视后的图像与电网系统中现有样本库中的样本进行对比，从而确定缺陷的位置和类别。
[0003]然而，现有的图像智能缺陷检测技术存在检测缺陷的准确率较低的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高缺陷检测率的基于元学习的小样本图像缺陷检测方法、装置和设备。
[0005]第一方面，本申请提供了一种基于元学习的小样本图像缺陷检测方法。所述方法包括：对待检测的多张电网图像进行数据增广处理，得到电网图像集合；电网图像集合中包括至少两种不同类型的电网图像子集，多张电网图像的图像数量小于第一阈值；从电网图像集合中确定第一电网图像，从各电网图像子集中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于元学习的小样本图像缺陷检测方法，其特征在于，所述方法包括：对待检测的多张电网图像进行数据增广处理，得到电网图像集合；所述电网图像集合中包括至少两种不同类型的电网图像子集，所述多张电网图像的图像数量小于第一阈值；从所述电网图像集合中确定第一电网图像，从各所述电网图像子集中确定第二电网图像；将所述第一电网图像和各所述第二电网图像输入至预设的识别模型中进行特征提取和缺陷检测，得到缺陷检测结果；所述缺陷检测结果包括缺陷的位置和类型。2.根据权利要求1所述的方法，其特征在于，所述识别模型包括特征提取网络和融合网络，所述将所述第一电网图像和各所述第二电网图像输入至预设的识别模型中进行特征提取和缺陷检测，得到缺陷检测结果，包括：将所述第一电网图像和各所述第二电网图像输入至所述特征提取网络中进行特征提取，得到所述第一电网图像的第一图像特征和各所述第二电网图像的第二图像特征；将所述第一图像特征和各所述第二图像特征输入至所述融合网络中进行特征融合和缺陷检测，得到所述缺陷检测结果。3.根据权利要求2所述的方法，其特征在于，所述融合网络用于执行以下步骤：将所述第一图像特征、所述第一电网图像的位置信息进行融合，得到第一融合特征；将所述第二图像特征、所述第二电网图像的位置信息和任务标识进行融合，得到第二融合特征；根据所述第一融合特征和所述第二融合特征进行缺陷检测，得到所述缺陷检测结果。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：对所述第一电网图像和所述第二电网图像进行网格划分，得到所述第一电网图像对应的第一网格图像和所述第二电网图像对应的第二网格图像；对所述第一网格图像进行网格位置编码，得到所述第一电网图像的位置信息，以及对所述第二网格图像进行网格位置编码，得到所述第二电网图像的位置信息。5.根据权利要求2
‑
4任一项所述的方法，其特征在于，所述特征提取网络为resnet101网络，和/或，所述融合网络为T...

【专利技术属性】
技术研发人员：黄文琦，曾群生，吴洋，周锐烨，姚森敬，李端姣，李雄刚，刘高，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：