【技术实现步骤摘要】
无人电力巡检AI轻量大模型方法及系统
[0001]本专利技术属于计算机视觉
中无人机电力巡检可见光影像数据的应用,提出一种全新的输电走廊无人电力巡检影像实时分割的
AI
轻量大模型方法及系统
。
技术介绍
[0002]输电线路是电力系统的重要组成部分,输电线路的可靠运行对电力系统的安全
、
稳定至关重要
。
我国电网具有规模大
、
输电线路覆盖广
、
自然条件复杂等特点
。
由于输电走廊所处自然环境通常恶劣复杂,输电线路组件容易受到外力和环境侵蚀,发生缺陷等故障
。
因此,有必要对输电线路进行及时
、
高效的巡检
。
[0003]输电线路最初采用人工进行巡检,工作强度大,劳动效率低
。
现在多用直升机或无人机进行巡检
。
在智能电力巡检中,首先由无人机等智能体设备进行输电线路数据采集工作
。
然后,将采集得到的图像等数据传输到服务器,利用计算机视觉技术进行自动处理和智能检测,大大节省了人力,提高了工作效率
。
但这种模式也存在一定的不足
。
首先,集中处理巡检获得的大量图像数据会增加云计算中心的负载
。
此外,巡检图像数据需要经过云计算中心处理才能得到诊断结果,不满足实时诊断的要求
。
最后,数据传输会消耗大量的移动数据,不利于巡检的经济性
。 ...
【技术保护点】
【技术特征摘要】
1.
一种无人电力巡检
AI
轻量大模型方法,其特征在于,包括以下步骤:步骤1,采集获取电力巡检影像,并对其进行预处理和数据增广处理,构建输电线路数据集;步骤2,获取大模型所需的提示;步骤3,构建无人电力巡检
AI
轻量大模型,并采用解耦蒸馏的方式,训练该轻量大模型:所述
AI
轻量大模型包括基于
ViT
的轻量图像编码器
、
解码器和关键词解码器;对步骤1中获取的数据通过图像编码器获得图像深度学习特征,不同类型的提示通过关键词解码器进行解码获得关键词特征,关键词特征与图像特征共同作为解码器的输入,得到分割结果;所述
AI
轻量大模型的训练,首先,电力数据集对应的影像特征编码由预训练过的
ViT
图像编码器给出;然后,以此图像编码作为监督,训练基于
ViT
的轻量图像编码器,进行知识蒸馏,而编码器及解码器采用
SAM
中的冻结参数,训练过程中采用
MSE
损失;步骤4,利用训练好的
AI
轻量大模型获得电力巡检目标的实时分割结果
。2.
根据权利要求1所述的无人电力巡检
AI
轻量大模型方法,其特征在于:步骤1中对电力巡检影像进行预处理和数据增广处理具体如下:将摄影生成的原始影像数据转为
jpg
或
png
常见的图像格式,录像数据按帧输出为
jpg
或
png
常见的图像格式;对转换完成的
jpg
或
png
格式的图像进行色偏
、
曝光纠正处理,获得可视效果好的影像数据;对预处理完成的影像数据使用
Labelimg
工具进行电力巡检场景目标的标注,并进行数据增广处理
。3.
根据权利要求1所述的无人电力巡检
AI
轻量大模型方法,其特征在于:步骤2中大模型所需的提示包括目标关键点提示
、
目标边界框提示以及文本提示
。4.
根据权利要求3所述的无人电力巡检
AI
轻量大模型方法,其特征在于:所述目标边界框提示的具体获取过程如下:将步骤1处理后的影像经过尺度变化和填充,缩放到
640
×
640
尺度,将处理后的倾斜影像输入到单阶段目标检测器
YOLO
‑
NASS
;单阶段目标检测器
YOLO
‑
NASS
对输入的图像中给定类别的目标进行检测;通过骨干网和多尺度特征金字塔进行影像特征提取和融合,并通过检测头输出图像中包含的目标类别和粗略边界框,所为大模型的边界框提示
。5.
根据权利要求3所述的无人电力巡检
AI
轻量大模型方法,其特征在于:所述目标关键点提示的具体获取过程如下:步骤1处理后的影像经过尺度变化和填充,缩放到
512
×
512
...
【专利技术属性】
技术研发人员:杨必胜,陈驰,金昂,严正斐,邹勤,王治邺,吴少龙,孙上哲,付晶,邵瑰玮,
申请(专利权)人:武汉大学,
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。