【技术实现步骤摘要】
基于图像重建的变压器渗漏油检测方法
[0001]本专利技术涉及一种变压器渗漏油检测方法,尤其涉及一种基于图像重建的变压器渗漏油检测方法,属于智能电力
技术介绍
[0002]变压器渗漏油检测本质上是图像异常检测问题。视觉检测领域中,传统的基于图像处理算法进行异常检测的方法主要利用大量的缺陷数据进行有监督的训练,从而提升检测的准确性。然而,渗漏油图像形态不规则多变,没有固定模式,渗漏油发生点随机,早期渗漏油的面积小且形状多变,缺陷特征表达困难。由于变压器渗漏油样本难以在实际中大量获取且标注困难,提前获得大量缺陷样本并进行标注是一个代价高昂的工作,传统的有监督的异常检测算法通常需要针对特定的应用场景进行特征描述的设计,难以广泛使用于通用渗漏油检测场景。
[0003]在实际的变压器运行场景中,无缺陷样本是数量最大最易获取的数据,可感知细微异常的无监督异常检测方法为构建具有通用能力的变压器渗漏油目标检测模型开辟了新的思路。
[0004]无监督图像异常检测分为图像级和像素级异常检测。变压器渗漏油检测中,异常图像与正常图像仅有微小的视觉差异,渗漏油通常出现于图像中局部有限区域。而图像级异常检测算法主要关注图像间整体语义或视觉的差异,故易忽略微小的局部差异,无法胜任渗漏油检测。因此,亟需研究像素级的无监督变压器渗漏油检测方法。根据检测机制的不同,无监督像素级异常检测方法可分为两类:基于图像重建和基于特征重建的方法。基于特征重建的方法不适用于复杂背景下的变压器渗漏油检测。基于图像重建方法在感知细微异常并进行轮
【技术保护点】
【技术特征摘要】
1.一种基于图像重建的变压器渗漏油检测方法,其特征在于:包括以下步骤:步骤1:重建变压器关键部件:由以下具体步骤组成:步骤1
‑
1:构建变压器关键部件数据集,数据集由变电站真实场景拍照采集得到,对原图像引入高斯噪声,将噪声图像作为条件对抗生成网络的输入。步骤1
‑
2:将噪声图像输入3个具有不同降采样率的条件对抗生成网络G1、G2和G3;步骤2:重建误差计算:由以下具体步骤组成:步骤2
‑
1:计算原始图像I通过轻量级特征提取网络提取的后三层深度特征与G1层的输出图像I
′1之间的L1距离记为l
ui
,计算公式为:l
ui
=|I
x1
‑
I
′
x1
|+|I
y1
‑
I
′
y1
|其中I
x1
为原始图像I通过轻量级特征提取网络提取的特征图中像素点横坐标,I
′
x1
为G1层的输出图像I
′1通过轻量级特征提取网络提取的特征图中像素点横坐标,I
y1
为原始图像I通过轻量级特征提取网络提取的特征图中像素点纵坐标,I
′
y1
为G1层的输出图像I
′1通过轻量级特征提取网络提取的特征图中像素点纵坐标,ui取值范围为0
‑
C,其中C代表通道维数。步骤2
‑
2:对L1距离按照通道维数求均值距离μ,并采用插值的方法将其调整到与原始图像I相同尺寸的特征距离图。均值距离计算公式为:步骤2
‑
3:将调整后的图输入到轻量级注意力机制中,让其自动学习加权权重α,并进行加权求和得到重建误差图像U1,U1=I1+αI
′1重复步骤2得到图像重建误差U2和U3。步骤3:变压器渗漏油检测:由以下具体步骤组成:步骤3
‑
1:将经过步骤2得到的图像重建误差U1、U2和U3输入全局注意力机制模块,利用全局注意力机制进行权重β
i(i=1,2,3)
的自适应学习和分配,得到最终得分图Z,计算公式为:Z=β1U1+β2U2+β3U3。...
【专利技术属性】
技术研发人员:赵文清,刘亮,许丽娇,陈昊,
申请(专利权)人:华北电力大学保定,
类型:发明
国别省市:
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。