本申请涉及一种故障定位方法、装置、设备、存储介质和计算机程序产品。所述方法包括：采集电力系统中绝缘子存在故障的图像数据，其中，电力系统包括主站和边缘设备；获取主站的初始检测级联模型，通过图像数据训练初始检测级联模型，得到训练后的目标检测级联模型，并获取目标检测级联模型的目标模型参数，其中，目标检测级联模型用于识别图像数据中绝缘子存在故障的位置；根据目标模型参数构建边缘设备的边缘检测级联模型，通过边缘检测级联模型进行绝缘子的故障定位，得到故障的目标绝缘子。采用本方法能够提高故障定位精确性，且通过边缘设备可以对实时图像数据进行数据处理和分析，提高了系统的安全性和稳定性。提高了系统的安全性和稳定性。提高了系统的安全性和稳定性。
【技术实现步骤摘要】
故障定位方法、装置、设备、存储介质和计算机程序产品
[0001]本申请涉及电力系统检测
，特别是涉及一种故障定位方法、装置、设备、存储介质和计算机程序产品。
技术介绍
[0002]在电力系统中，绝缘子是用于支撑和绝缘高压导线或电力设备的重要电力组件，绝缘子突然破裂、碎裂或爆炸可能导致供电中断、周围设备的损坏，还可能产生火灾、电弧等安全风险。随着电力系统的长期运行，绝缘子可能存在各种故障和异常情况，导致电力系统停运，产生生产损失和人员风险等。因此，对电力系统中的绝缘子进行实时监测，及时确定绝缘子的故障位置，对于确保电力系统的安全运行和正常供电至关重要。
[0003]目前，现有技术利用目标检测模型对电力系统的绝缘子进行实时监测和故障识别。然而，传统的目标检测模型对于体积小的检测目标的检测精度低，检测可靠性不高。
技术实现思路
[0004]基于此，有必要针对上述技术问题，提供一种故障定位方法、装置、设备、存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种故障定位方法。所述方法包括：
[0006]采集电力系统中绝缘子存在故障的图像数据，其中，电力系统包括主站和边缘设备；
[0007]获取主站的初始检测级联模型，通过图像数据训练初始检测级联模型，得到训练后的目标检测级联模型，并获取目标检测级联模型的目标模型参数，其中，目标检测级联模型用于识别图像数据中绝缘子存在故障的位置；
[0008]根据目标模型参数构建边缘设备的边缘检测级联模型，通过边缘检测级联模型进行绝缘子的故障定位，得到故障的目标绝缘子。
[0009]在其中一个实施例中，通过图像数据训练初始检测级联模型，得到训练后的目标检测级联模型，包括：
[0010]获取第一级初始检测模型，通过图像数据训练第一级初始检测模型，得到第一级目标检测模型，并获取第一级目标检测模型输出的第一区域数据；
[0011]获取第二级初始检测模型，通过第一区域数据训练第二级初始检测模型，得到第二级目标检测模型；
[0012]将第一级目标检测模型与第二级目标检测模型级联，得到目标检测级联模型。
[0013]在其中一个实施例中，该方法还包括：
[0014]根据图像数据确定输入第一级初始检测模型的第一输入图像；
[0015]根据第一输入图像的大小调整第二输入图像的大小，并将第二输入图像输入第二级初始检测模型。
[0016]在其中一个实施例中，采集电力系统中绝缘子存在故障的图像数据之后，该方法
还包括：
[0017]基于绝缘子存在故障的位置对图像数据进行标注，得到标注后的训练数据；
[0018]根据训练数据对初始检测级联模型进行训练。
[0019]在其中一个实施例中，通过图像数据训练目标检测级联模型，得到训练后的目标检测级联模型以及训练后的目标检测级联模型的模型参数，包括：
[0020]基于训练数据中的标注确定绝缘子故障位置对应的目标区域；
[0021]基于初始检测级联模型获取到绝缘子的预测区域；
[0022]根据预测区域与目标区域的差异更新初始检测级联模型的初始模型参数，以实现初始检测级联模型的训练，得到目标检测级联模型以及模型参数。
[0023]在其中一个实施例中，该方法还包括：
[0024]实时采集边缘设备对应的边缘图像数据；
[0025]根据边缘检测级联模型识别边缘图像数据，得到识别结果；
[0026]若识别结果表示绝缘子存在故障，则将边缘图像数据传输到主站，并根据边缘图像数据对目标检测级联模型进行迭代训练，得到更新后的目标检测级联模型。
[0027]第二方面，本申请还提供了一种故障定位装置。所述装置包括：
[0028]图像采集模块，用于采集电力系统中绝缘子存在故障的图像数据，其中，电力系统包括主站和边缘设备；
[0029]主站模型模块，用于获取主站的初始检测级联模型，通过图像数据训练初始检测级联模型，得到训练后的目标检测级联模型，并获取目标检测级联模型的目标模型参数，其中，目标检测级联模型用于识别图像数据中绝缘子存在故障的位置；
[0030]边缘设备模型模块，用于根据目标模型参数构建边缘设备的边缘检测级联模型，通过边缘检测级联模型进行绝缘子的故障定位，得到故障的目标绝缘子。
[0031]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，存储器存储有计算机程序，所述处理器执行计算机程序时实现以下步骤：
[0032]采集电力系统中绝缘子存在故障的图像数据，其中，电力系统包括主站和边缘设备；
[0033]获取主站的初始检测级联模型，通过图像数据训练初始检测级联模型，得到训练后的目标检测级联模型，并获取目标检测级联模型的目标模型参数，其中，目标检测级联模型用于识别图像数据中绝缘子存在故障的位置；
[0034]根据目标模型参数构建边缘设备的边缘检测级联模型，通过边缘检测级联模型进行绝缘子的故障定位，得到故障的目标绝缘子。
[0035]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0036]采集电力系统中绝缘子存在故障的图像数据，其中，电力系统包括主站和边缘设备；
[0037]获取主站的初始检测级联模型，通过图像数据训练初始检测级联模型，得到训练后的目标检测级联模型，并获取目标检测级联模型的目标模型参数，其中，目标检测级联模型用于识别图像数据中绝缘子存在故障的位置；
[0038]根据目标模型参数构建边缘设备的边缘检测级联模型，通过边缘检测级联模型进
行绝缘子的故障定位，得到故障的目标绝缘子。
[0039]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0040]采集电力系统中绝缘子存在故障的图像数据，其中，电力系统包括主站和边缘设备；
[0041]获取主站的初始检测级联模型，通过图像数据训练初始检测级联模型，得到训练后的目标检测级联模型，并获取目标检测级联模型的目标模型参数，其中，目标检测级联模型用于识别图像数据中绝缘子存在故障的位置；
[0042]根据目标模型参数构建边缘设备的边缘检测级联模型，通过边缘检测级联模型进行绝缘子的故障定位，得到故障的目标绝缘子。
[0043]上述故障定位方法、装置、设备、存储介质和计算机程序产品，通过采集电力系统中绝缘子存在故障的图像数据，其中，电力系统包括主站和边缘设备；获取主站的初始检测级联模型，通过图像数据训练初始检测级联模型，得到训练后的目标检测级联模型，并获取目标检测级联模型的目标模型参数，其中，目标检测级联模型用于识别图像数据中绝缘子存在故障的位置；根据目标模型参数构建边缘设备的边缘检测级联模型，通过边缘检测级联模型进行绝缘子的故障定位，本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种故障定位方法，其特征在于，所述方法包括：采集电力系统中绝缘子存在故障的图像数据，其中，所述电力系统包括主站和边缘设备；获取所述主站的初始检测级联模型，通过所述图像数据训练所述初始检测级联模型，得到训练后的目标检测级联模型，并获取所述目标检测级联模型的目标模型参数，其中，所述目标检测级联模型用于识别所述图像数据中所述绝缘子存在故障的位置；根据所述目标模型参数构建所述边缘设备的边缘检测级联模型，通过所述边缘检测级联模型进行所述绝缘子的故障定位，得到故障的目标绝缘子。2.根据权利要求1所述的方法，其特征在于，所述通过所述图像数据训练所述初始检测级联模型，得到训练后的目标检测级联模型，包括：获取第一级初始检测模型，通过所述图像数据训练所述第一级初始检测模型，得到第一级目标检测模型，并获取所述第一级目标检测模型输出的第一区域数据；获取第二级初始检测模型，通过所述第一区域数据训练所述第二级初始检测模型，得到第二级目标检测模型；将所述第一级目标检测模型与所述第二级目标检测模型级联，得到所述目标检测级联模型。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：根据所述图像数据确定输入所述第一级初始检测模型的第一输入图像；根据所述第一输入图像的大小调整所述第二输入图像的大小，并将所述第二输入所述第二级初始检测模型。4.根据权利要求1所述的方法，其特征在于，所述采集电力系统中绝缘子存在故障的图像数据之后，所述方法还包括：基于所述绝缘子存在故障的位置对所述图像数据进行标注，得到标注后的训练数据；根据所述训练数据对所述初始检测级联模型进行训练。5.根据权利要求4所述的方法，其特征在于，所述通过所述图像数据训练所述目标检测级联模型，得到训练后的目标检测级联模型以及所述训练后的目标检测级联模型的模型参数，包括：基于所述训练数据...
【专利技术属性】
技术研发人员：陈义龙，王勇，孔令明，陈俊，徐硕，
申请(专利权)人：广东电网有限责任公司广州供电局，
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。