一种电力设备缺陷识别方法、系统、可读存储介质及设备技术方案

本发明专利技术公开了一种电力设备缺陷识别方法、系统、可读存储介质及设备，所述方法包括：获取电力设备的待检测图像，并将所述待检测图像输入至预训练的设备检测模型当中，以检测出所述电力设备在所述待检测图像中的位置信息；根据所述位置信息从所述待检测图像中提取出所述电力设备的目标识别图像；将所述目标识别图像输入至预训练的缺陷识别模型当中，以获取所述电力设备的表面缺陷的预测得分；当所述预测得分高于预设得分阈值时，判定所述电力设备表面存在缺陷。本发明专利技术解决了现有技术中在进行电力设备表面缺陷识别时不够准确的问题。设备表面缺陷识别时不够准确的问题。设备表面缺陷识别时不够准确的问题。

【技术实现步骤摘要】
一种电力设备缺陷识别方法、系统、可读存储介质及设备


[0001]本专利技术涉及图像识别
，特别涉及一种电力设备缺陷识别方法、系统、可读存储介质及设备。

技术介绍

[0002]在电力场景中，电力设备（如压力表计、变压器、绝缘子、刀闸开关，等）无处不在，其状态直接关系到电力系统的稳定。电力设备的表面缺陷（如绝缘子自爆、变压器表面油污、压力表计表盘破损、刀闸开关锈蚀）给设备的安全运行埋下隐患，威胁电网安全，而对电力设备的表面缺陷进行自动识别，可以及时杜绝设备隐患并预警，保障电力系统的安全稳定运行。因此，如何及时准确的识别出电力设备的表面缺陷变得尤为重要。
[0003]现有技术，在进行电力设备表面的缺陷时，多基于全监督训练，例如，通过构建目标检测和图像分类任务实现缺陷识别。然而，在电力场景中，由于设备缺陷或异常现象发生的罕见性导致难以收集足够多的缺陷样本，使得缺陷样本基数太少而导致模型学习到的分布于数据潜在分布不一致，以及电力设备表面缺陷的形状、面积以及作用在设备上的位置多样化，容易导致模型在推理阶段不准。导致缺陷识别任务常难以构建全监督训练任务，进而导致电力设备表面缺陷识别不够准确。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种电力设备缺陷识别方法、系统、可读存储介质及设备，旨在解决现有技术中在进行电力设备表面缺陷识别时不够准确的问题。
[0005]本专利技术实施例是这样实现的：一方面提出一种电力设备缺陷识别方法，所述方法包括：获取电力设备的待检测图像，并将所述待检测图像输入至预训练的设备检测模型当中，以检测出所述电力设备在所述待检测图像中的位置信息；根据所述位置信息从所述待检测图像中提取出所述电力设备的目标识别图像；将所述目标识别图像输入至预训练的缺陷识别模型当中，以获取所述电力设备的表面缺陷的预测得分；当所述预测得分高于预设得分阈值时，判定所述电力设备表面存在缺陷。
[0006]进一步的，上述电力设备缺陷识别方法，其中，所述设备检测模型的训练过程包括：采集包含所述电力设备的历史监控图像以获取所述设备检测模型的训练集以及验证集；基于预设参数构建检测算法，根据所述设备检测模型的训练集以及验证集利用所述检测算法进行训练；确定所述验证集损失最低的模型权重以及预设时间段内的模型权重；根据预设指标在所述模型权重中确定目标模型权重，并根据所述目标模型权重确
定所述设备检测模型。
[0007]进一步的，上述电力设备缺陷识别方法，其中，所述缺陷识别模型的训练过程包括：采集历史电力设备区域图像以获取所述缺陷识别模型的训练集和验证集；根据所述缺陷识别模型的训练集和验证集利用预设识别算法进行训练以得到所述缺陷识别模型；获取训练过程保留的权重，利用预设指标进行评估以确定所述缺陷识别模型的最优权重。
[0008]进一步的，上述电力设备缺陷识别方法，其中，所述获取训练过程保留的权重，利用预设指标进行评估以确定所述缺陷识别模型的最优权重的步骤之后包括：利用最优权重对应的缺陷识别模型计算所述缺陷识别模型的验证集样本的得分，统计所有得分的上四分位数，并根据所述四分位数确定所述预设得分阈值。
[0009]进一步的，上述电力设备缺陷识别方法，其中，所述设备检测模型的损失函数为：；其中，；；；；其中，v表示标注框与预测框的长宽比的相似度，和w分别表示标注框和预测框的宽，h
gt
和h分别表示标注框和预测框的高，IoU为标注框与预测框的交并比，表示标注框与检测框中心的欧氏距离，c 表示能够同时包含预测框和真实框的最小闭包区域的对角线距离，为系数，为softmax函数计算公式，为softmax
‑
交叉熵计算公式，p(x)为类别标签的one
‑
hot向量，q(x)为softmax函数的计算结果，为比例系数。
[0010]进一步的，上述电力设备缺陷识别方法，其中，所述缺陷识别模型中的优化目标
为：；；其中，为样例经过CNN网络描述后的特征与超球面的中心的欧式距离，c为设定的超球面中心值，φ(x; W*)用于表示CNN网络的特征描述过程（x表示输入图像，W*表示网络的权重参数），为优化算法的优化目标，为样本平均得分，为L2正则惩罚项。
[0011]进一步的，上述电力设备缺陷识别方法，其中，所述将所述目标识别图像输入至预训练的缺陷识别模型当中，以获取所述电力设备的表面缺陷的预测得分的步骤包括：将所述目标识别图像标准化为预设尺寸大小，后将所述目标识别图像输入至预训练的缺陷识别模型当中，以获取所述电力设备的表面缺陷的预测得分。
[0012]另一方面提出一种电力设备缺陷识别系统，所述系统包括：获取模块，用于获取电力设备的待检测图像，并将所述待检测图像输入至预训练的设备检测模型当中，以检测出所述电力设备在所述待检测图像中的位置信息；提取模块，用于根据所述位置信息从所述待检测图像中提取出所述电力设备的目标识别图像；预测模块，用于将所述目标识别图像输入至预训练的缺陷识别模型当中，以获取所述电力设备的表面缺陷的预测得分；判定模块，用于当所述预测得分高于预设得分阈值时，判定所述电力设备表面存在缺陷。
[0013]又一方面提出一种可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的方法的步骤。
[0014]又一方面提出一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的方法的步骤。
[0015]本专利技术实施例通过结合设备检测模型和缺陷识别模型，利用设备检测模型检测电力设备的具体位置得到用于检测缺陷的目标识别图像，而后，通过训练好的缺陷识别模型对目标识别图像进行识别，以得到该电力设备的预测得分，通过预测得分与预设得分阈值的之间的大小关系确定电力设备表面是否存在缺陷，有效实现对电力设备的表面缺陷识别。解决了现有技术中在进行电力设备表面缺陷识别时不够准确的问题。
附图说明
[0016]图1为本专利技术第一实施例中提出的电力设备缺陷识别方法的流程图；图2为本专利技术一实施例中提出的电力设备缺陷识别方法中的正常设备与异常设备示意图；图3为本专利技术一实施例中提出的电力设备缺陷识别方法中的验证集样本缺陷识别得分的箱型图图4为本专利技术第三实施例中电力设备缺陷识别系统的结构示意图。
[0017]如下具体实施方式将结合上述附图进一步说明本专利技术。
具体实施方式
[0018]为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的若干实施例。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容更加透彻全面。
[0019]需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力设备缺陷识别方法，其特征在于，所述方法包括：获取电力设备的待检测图像，并将所述待检测图像输入至预训练的设备检测模型当中，以检测出所述电力设备在所述待检测图像中的位置信息；根据所述位置信息从所述待检测图像中提取出所述电力设备的目标识别图像；将所述目标识别图像输入至预训练的缺陷识别模型当中，以获取所述电力设备的表面缺陷的预测得分；当所述预测得分高于预设得分阈值时，判定所述电力设备表面存在缺陷。2.根据权利要求1所述的电力设备缺陷识别方法，其特征在于，所述设备检测模型的训练过程包括：采集包含所述电力设备的历史监控图像以获取所述设备检测模型的训练集以及验证集；基于预设参数构建检测算法，根据所述设备检测模型的训练集以及验证集利用所述检测算法进行训练；确定所述验证集损失最低的模型权重以及预设时间段内的模型权重；根据预设指标在所述模型权重中确定目标模型权重，并根据所述目标模型权重确定所述设备检测模型。3.根据权利要求1所述的电力设备缺陷识别方法，其特征在于，所述缺陷识别模型的训练过程包括：采集历史电力设备区域图像以获取所述缺陷识别模型的训练集和验证集；根据所述缺陷识别模型的训练集和验证集利用预设识别算法进行训练以得到所述缺陷识别模型；获取训练过程保留的权重，利用预设指标进行评估以确定所述缺陷识别模型的最优权重。4.根据权利要求3所述的电力设备缺陷识别方法，其特征在于，所述获取训练过程保留的权重，利用预设指标进行评估以确定所述缺陷识别模型的最优权重的步骤之后包括：利用最优权重对应的缺陷识别模型计算所述缺陷识别模型的验证集样本的得分，统计所有得分的上四分位数，并根据所述四分位数确定所述预设得分阈值。5.根据权利要求1所述的电力设备缺陷识别方法，其特征在于，所述设备检测模型的损失函数为：；其中，；；
；；其中，v表示标注框与预测框的长宽比的相似度，和w分别表示标注框和预测框的宽，h
gt
和h分别表示标注框和预测框的高，IoU为标注框与预测框的交并比，表示标注框与检...

【专利技术属性】
技术研发人员：张远来，黄睿，张霞，晏斐，
申请(专利权)人：南京迈能能源科技有限公司，
类型：发明
国别省市：