【技术实现步骤摘要】
变电设备的缺陷检测方法、装置、设备、介质和程序产品
[0001]本申请涉及电力
，特别是涉及一种变电设备的缺陷检测方法、装置、设备、介质和程序产品。
技术介绍
[0002]变电设备作为变电站的核心设备，是保证变电系统稳定以及可靠运行的关键。因此，需要监测变电设备的运行状态，当变电设备出现缺陷时，例如绝缘子裂痕、表计破损、线路散股和漏油等缺陷，及时对有缺陷的变电设备进行维护，从而保证变电设备的稳定运行。传统方法中，是通过人工监测变电设备的运行状态，以判断是否存在有缺陷的变电设备。
[0003]然而，由于人工监测存在各种干扰因素，例如注意力不集中、对于缺陷的判断标准不同等干扰因素，导致变电设备的缺陷检测结果的准确性不高。
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结果的准确性的变电设备的缺陷检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种变电设备的缺陷检测方法，方法包括：
[0006]获取...
【技术保护点】
【技术特征摘要】
1.一种变电设备的缺陷检测方法，其特征在于，所述方法包括：获取有标注缺陷的变电设备样本图像和未标注缺陷的变电设备样本图像，得到第一变电设备样本图像集和第二变电设备样本图像集；基于所述第一变电设备样本图像集中的有标注缺陷的变电设备样本图像训练第一缺陷检测模型；针对所述第二变电设备样本图像集中每个所述未标注缺陷的变电设备样本图像，基于所述第一缺陷检测模型对所述未标注缺陷的变电设备样本图像进行缺陷预测，得到所述未标注缺陷的变电设备样本图像对应的多个候选预测框以及各所述候选预测框的置信度；将多个所述候选预测框中置信度大于预设的置信度阈值的候选预测框，确定为所述未标注缺陷的变电设备样本图像的伪标签，得到伪标签变电设备样本图像；基于各所述伪标签变电设备样本图像和所述第一变电设备样本图像集训练第二缺陷检测模型；所述第二缺陷检测模型用于对目标变电设备的变电设备图像进行缺陷检测处理，得到所述目标变电设备的缺陷的位置和类别。2.根据权利要求1所述的方法，其特征在于，每个所述有标注缺陷的变电设备样本图像具有对应的缺陷类别标记和缺陷位置标记；所述基于所述第一变电设备样本图像集中的有标注缺陷的变电设备样本图像训练第一缺陷检测模型，包括：将所述有标注缺陷的变电设备样本图像输入至初始模型中的特征提取网络，得到所述有标注缺陷的变电设备样本图像对应的多种尺寸的特征图；对所述多种尺寸的特征图进行卷积操作，得到各所述特征图组成的特征金字塔；将所述特征金字塔输入所述特征金字塔网络，得到所述有标注缺陷的变电设备样本图像的类别向量和位置向量；所述类别向量用以表征所述位置向量指示的有标注缺陷的变电设备样本图像的位置区域内存在缺陷的概率；所述位置向量用以表征所述有标注缺陷的变电设备样本图像中存在缺陷的各位置区域的位置信息；基于所述类别向量预测所述有标注缺陷的变电设备样本图像中的缺陷类别；基于所述位置向量预测所述有标注缺陷的变电设备样本图像中的缺陷位置；基于预测的缺陷类别与所述缺陷类别标记之间的差异、以及所述预测的缺陷位置与所述缺陷位置标记之间的差异，对所述初始模型中的所述特征提取网络和所述特征金字塔网络进行参数调整，以迭代进行模型训练，得到第一缺陷检测模型。3.根据权利要求2所述的方法，其特征在于，所述基于预测的缺陷类别与所述缺陷类别标记之间的差异、以及所述预测的缺陷位置与所述缺陷位置标记之间的差异，对所述初始模型中的所述特征提取网络和所述特征金字塔网络进行参数调整，以迭代进行模型训练，得到第一缺陷检测模型，包括：基于预测的缺陷位置与相应的所述缺陷位置标记之间的差异，确定位置损失值；基于预测的缺陷类别与相应的所述缺陷类别标记之间的差异，确定类别损失值；根据所述位置损失值和所述类别损失值，确定目标损失值，并朝着使所述目标损失值减小的方向，对初始模型中的所述特征提取网络和所述特征金字塔网络进行参数调整，以迭代进行模型训练，得到第一缺陷检测模型。4.根据权利要求1所述的方法，其特征在于，所述方法还包括：在所述基于各所述伪标签变电设备样本图像和所述第一变电设备样本图像集训练第
二缺陷检测模型的过程中，根据所述未标注缺陷的变电设备样本图像的伪标签的噪声比例，修改所述第二缺陷检测模...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。