绝缘子状态检测方法及绝缘子状态检测模型训练方法技术

本申请实施例公开了一种绝缘子状态检测方法及绝缘子状态检测模型训练方法。目标绝缘子定位模型对第一数据集训练得到，每组训练样本包括绝缘子图像及其中的绝缘子的位置信息；目标绝缘子分类模型对第二数据集训练得到，每组训练样本包括第一框形图像及其标签信息，该标签信息表示第一框形图像显示的绝缘子为无缺陷绝缘子或者缺陷绝缘子。目标绝缘子定位模型基于大量无缺陷绝缘子样本进行训练便可获得很好的训练效果。而目标绝缘子分类模型的网络结构相对简单，基于较少量无缺陷绝缘子样本和缺陷绝缘子样本进行训练，同样可获得很好的训练效果。因而两个模型用于绝缘子状态检测，可以在缺陷绝缘子样本有限的条件下保证检测的准确率。的准确率。的准确率。

【技术实现步骤摘要】
绝缘子状态检测方法及绝缘子状态检测模型训练方法


[0001]本申请实施例涉及绝缘子检测领域，具体涉及一种绝缘子状态检测方法及绝缘子状态检测模型训练方法。

技术介绍

[0002]绝缘子是架空输电线路中的重要部件，同时也是电网设备的重要组成部分。它们在输电线路中可以实现电气绝缘和机械固定的作用。因此，在各种内部或外部因素造成绝缘子损坏的情况下可能导致绝缘子缺陷，尤其是电气损伤，都会导致绝缘子的工作性能下降，甚至影响整个输电线路的工作。因此，如何对每一个绝缘子进行实时缺陷检测，保证其功能的准确实现，对于电力公司来说是非常重要的。
[0003]目前使用单一的神经网络模型对待测图像同时识别绝缘子的位置以及对识别到的绝缘子进行分类，显然，要同时完成以上两种操作，该神经网络模型会十分复杂，而又由于缺陷绝缘子的图像样本数量较少，在这多个因素的影响下，该神经网络模型的训练效果十分一般，进而导致对图像中绝缘子缺陷的检测速率和检测准确率都很低，无法满足检测需求。

技术实现思路

[0004]本申请实施例提供了一种绝缘子状态检测方法及绝缘子状态检测模型训练方法，用于提升绝缘子状态检测的速率和准确率。
[0005]本申请实施例第一方面提供了一种绝缘子状态检测模型训练方法，所述方法包括：
[0006]获取第一数据集，所述第一数据集中的每组训练样本包括含有缺陷绝缘子和/或无缺陷绝缘子的绝缘子图像以及所述绝缘子图像中的绝缘子的位置信息；
[0007]获取初始绝缘子定位模型，将所述第一数据集输入至所述初始绝缘子定位模型，得到所述初始绝缘子定位模型输出的位置信息，当所述输出的位置信息与所述绝缘子图像中的绝缘子的位置信息之间的关系满足收敛条件时停止训练，得到目标绝缘子定位模型；
[0008]获取第二数据集，所述第二数据集中的每组训练样本包括第一框形图像以及所述第一框形图像的标签信息，每个所述第一框形图像显示单个绝缘子，所述第一框形图像的标签信息用于表示所述第一框形图像显示的绝缘子为无缺陷绝缘子或者缺陷绝缘子；
[0009]获取初始绝缘子分类模型，将所述第二数据集输入至所述初始绝缘子分类模型，得到所述初始绝缘子分类模型输出的标签信息，当所述输出的标签信息与所述第一框形图像的标签信息之间的关系满足收敛条件时停止训练，得到目标绝缘子分类模型；
[0010]其中，所述目标绝缘子定位模型用于识别目标图像中绝缘子的位置信息，所述目标绝缘子分类模型用于对基于所述目标图像中绝缘子的位置信息截取得到的第二框形图像进行分类，分类结果用于表示所述第二框形图像中的绝缘子为无缺陷绝缘子或者缺陷绝缘子。
[0011]本申请实施例第二方面提供了一种绝缘子状态检测方法，所述方法包括：
[0012]获取待检测的显示有绝缘子的目标图像；
[0013]获取预先训练完成的目标绝缘子定位模型，所述目标绝缘子定位模型由机器学习算法对第一数据集训练得到，所述第一数据集中的每组训练样本包括含有缺陷绝缘子和/或无缺陷绝缘子的绝缘子图像以及所述绝缘子图像中的绝缘子的位置信息；
[0014]获取预先训练完成的目标绝缘子分类模型，所述目标绝缘子分类模型由机器学习算法对第二数据集训练得到，所述第二数据集中的每组训练样本包括第一框形图像以及所述第一框形图像的标签信息，每个所述第一框形图像显示单个绝缘子，所述第一框形图像的标签信息用于表示所述第一框形图像显示的绝缘子为无缺陷绝缘子或者缺陷绝缘子；
[0015]将所述目标图像输入至所述目标绝缘子定位模型，以得到所述目标绝缘子定位模型输出的位置信息，基于所述目标绝缘子定位模型输出的位置信息确定包围单个绝缘子的框，截取所述包围单个绝缘子的框以得到框形图像；
[0016]将所述框形图像输入至所述目标绝缘子分类模型，以得到所述目标绝缘子分类模型输出的标签信息，所述目标绝缘子分类模型输出的标签信息用于表示所述框形图像显示的绝缘子为无缺陷绝缘子或者缺陷绝缘子。
[0017]本申请实施例第三方面提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现前述第一方面和/或第二方面的方法。
[0018]本申请实施例第四方面提供了一种计算机存储介质，计算机存储介质中存储有指令，该指令在计算机上执行时，使得计算机执行前述第一方面和/或第二方面的方法。
[0019]从以上技术方案可以看出，本申请实施例具有以下优点：
[0020]目标绝缘子定位模型由机器学习算法对第一数据集训练得到，第一数据集中的每组训练样本包括含有缺陷绝缘子和/或无缺陷绝缘子的绝缘子图像以及绝缘子图像中的绝缘子的位置信息，目标绝缘子分类模型由机器学习算法对第二数据集训练得到，第二数据集中的每组训练样本包括第一框形图像以及第一框形图像的标签信息，第一框形图像的标签信息表示第一框形图像显示的绝缘子为无缺陷绝缘子或者缺陷绝缘子。由于无缺陷绝缘子的样本数量较多，因此目标绝缘子定位模型基于大量的无缺陷绝缘子样本图像和较少量的缺陷绝缘子样本图像进行训练便可获得很好的训练效果。而目标绝缘子分类模型由于仅执行分类任务，因而其网络结构相对简单，基于大量的无缺陷绝缘子样本图像和较少量的缺陷绝缘子样本图像进行训练，同样可获得很好的训练效果。因而两个模型用于绝缘子状态检测，可以保证检测的准确率和速率，满足检测需求。
附图说明
[0021]图1为本申请实施例中绝缘子状态检测模型训练方法一个流程示意图；
[0022]图2为本申请实施例中绝缘子状态检测模型训练方法另一流程示意图；
[0023]图3为本申请实施例中绝缘子图像一种示意图；
[0024]图4为本申请实施例中YOLOv7算法模型中的Extended
‑
ELAN(E
‑
ELAN)结构一种示意图；
[0025]图5为本申请实施例中由图3所示绝缘子图像截取得到的包围单个绝缘子的框形
图像一种示意图；
[0026]图6为本申请实施例中ResNet50模型中的Bottleneck结构一种示意图；
[0027]图7为本申请实施例中绝缘子状态检测方法一个流程示意图；
[0028]图8为本申请实施例中计算机设备一个结构示意图。
具体实施方式
[0029]本申请实施例提供了一种绝缘子状态检测方法及绝缘子状态检测模型训练方法，用于提升绝缘子状态检测的速率和准确率。
[0030]下面对本申请实施例中的绝缘子状态检测模型训练方法进行描述：
[0031]请参阅图1，本申请实施例中绝缘子状态检测模型训练方法一个实施例包括：
[0032]101、获取第一数据集，所述第一数据集中的每组训练样本包括含有缺陷绝缘子和/或无缺陷绝缘子的绝缘子图像以及所述绝缘子图像中的绝缘子的位置信息；
[0033]本实施例的方法可应用于计算机设备，该计算机设备可以是任意的具备数据处理能力的设备，如终端、服务器等计算机设备。...

【技术保护点】

【技术特征摘要】
1.一种绝缘子状态检测模型训练方法，其特征在于，所述方法包括：获取第一数据集，所述第一数据集中的每组训练样本包括含有缺陷绝缘子和/或无缺陷绝缘子的绝缘子图像以及所述绝缘子图像中的绝缘子的位置信息；获取初始绝缘子定位模型，将所述第一数据集输入至所述初始绝缘子定位模型，得到所述初始绝缘子定位模型输出的位置信息，当所述输出的位置信息与所述绝缘子图像中的绝缘子的位置信息之间的关系满足收敛条件时停止训练，得到目标绝缘子定位模型；获取第二数据集，所述第二数据集中的每组训练样本包括第一框形图像以及所述第一框形图像的标签信息，每个所述第一框形图像显示单个绝缘子，所述第一框形图像的标签信息用于表示所述第一框形图像显示的绝缘子为无缺陷绝缘子或者缺陷绝缘子；获取初始绝缘子分类模型，将所述第二数据集输入至所述初始绝缘子分类模型，得到所述初始绝缘子分类模型输出的标签信息，当所述输出的标签信息与所述第一框形图像的标签信息之间的关系满足收敛条件时停止训练，得到目标绝缘子分类模型；其中，所述目标绝缘子定位模型用于识别目标图像中绝缘子的位置信息，所述目标绝缘子分类模型用于对基于所述目标图像中绝缘子的位置信息截取得到的第二框形图像进行分类，分类结果用于表示所述第二框形图像中的绝缘子为无缺陷绝缘子或者缺陷绝缘子。2.根据权利要求1所述的方法，其特征在于，所述第一数据集包括第一训练集和第一验证集，所述第一训练集和所述第一验证集中的每组训练样本包括所述绝缘子图像以及所述绝缘子图像中的绝缘子的位置信息；所述将所述第一数据集输入至所述初始绝缘子定位模型，包括：将所述第一训练集输入至所述初始绝缘子定位模型，得到所述初始绝缘子定位模型输出的位置信息，当所述输出的位置信息与所述绝缘子图像中的绝缘子的位置信息之间的关系满足收敛条件时停止训练；在停止对所述第一训练集训练之后，将所述第一验证集输入至所述初始绝缘子定位模型，得到所述初始绝缘子定位模型输出的位置信息，当所述输出的位置信息与所述绝缘子图像中的绝缘子的位置信息之间的关系满足收敛条件时停止训练；调整所述初始绝缘子定位模型的超参数，并返回执行所述将所述第一训练集输入至所述初始绝缘子定位模型，直至基于所述第一训练集和所述第一验证集完成对所述初始绝缘子定位模型的M次训练，M为大于1的正整数。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：在基于所述第一训练集和所述第一验证集完成对所述初始绝缘子定位模型的每一次训练时，根据所述绝缘子图像中的绝缘子的位置信息以及所述初始绝缘子定位模型输出的位置信息，确定对所述初始绝缘子定位模型的训练效果的评价指标的指标值；其中，若第i次训练对应的评价指标的指标值在N个所述评价指标的指标值中为最优，则第i次训练得到的目标绝缘子定位模型用于识别所述目标图像中绝缘子的位置信息，1≤i≤M，i为正整数。4.根据权利要求1所述的方法，其特征在于，所述第一数据集中每组训练样本还包括所述绝缘子图像中每个绝缘子的标签信息，所述绝缘子图像中绝缘子的标签信息用于表示所述绝缘子图像中的绝缘子为无缺陷绝缘子或者缺陷绝缘子；
所述获取第二数据集，包括：依次基于所述绝缘子图像中绝缘子的每个位置信息确定包围单个绝缘子的框，截取所述包围单个绝缘子的框以得到所述第一框形图像；所述第一框形图像及其显示的绝缘子的标签信息构成所述第二数据集的一组训练样本。5.根据权利要求1所述的方法，其特征在于，所述第二数据集包括第二训练集和第二验证集，所述第二训练集和所述第二验证集中的每组训练样本包括所述第一框形图像以及所述第一框形图像的标签信息；所述将所述第二数据集输入至所述初始绝缘子分类模型，包括：将所述第二训练集输入至所述初始绝缘子分...

【专利技术属性】
技术研发人员：李南，杨涵，张晓光，王颂，张贵峰，丁宁，刘旭，张爱东，
申请(专利权)人：香港中文大学深圳，
类型：发明
国别省市：