【技术实现步骤摘要】
本申请涉及电网缺陷检测，特别是涉及一种输配电线路缺陷检测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、
2、传统技术中，电网输配电线路检测通常是通过使用航拍图像进行目测来完成的。然而，目前在通过人工检测识别无人机图像上是否存在输配电线路缺陷之前，并没有进行图像识别前的图像配准等预处理工作，导致后续的图像识别等图像处理工作效率低下、人工识别工作强度大，费时费力且容易出现误差。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种输配电线路缺陷检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种输配电线路缺陷检测方法。所述方法包括：
3、获取多对基准图像和目标图像，对每一对基准图像和目标图像进行归一化处理，根据归一化处理后的基准图像和目标图像，得到训练样本集和测试样本集；所述基准图像和目标图像为输配电线路巡视时不同时间点拍摄的相同线路位置的配对图像；
4、根据所述训练样本集中待使用的基准图像和目标图像，利用无监督学习的训练方式对待训练的图像配准模型进行训练，并生成包含模型信息的模型文件；
5、基于经训练的图像配准模型和所述模型文件，对所述测试样本集中待测试的基准图像和目标图像进行图像配准，得到映射目标图像；
6、将所述测试样本集中待测试的目标图像和所述映射目标图像输入预设的差分运算模型，得到所述差分运算模型输出的单通道差异图；
7、根
8、在其中一个实施例中，所述根据所述训练样本集中待使用的基准图像和目标图像，利用无监督学习的训练方式对待训练的图像配准模型进行训练，包括：
9、将所述基准图像和目标图像分别输入两个并行的光流估算模型，基于所述光流估算模型分别对所述基准图像和目标图像进行相互映射，得到由所述基准图像向所述目标图像的第一光流映射，以及由所述目标基准图像向所述基准图像的第二光流映射；根据所述基准图像和第一光流映射，得到预估目标图像，并根据所述第二光流映射，构建损失函数的遮罩层；基于所述预估目标图像和所述遮罩层的有效区域，构建所述损失函数，并利用所述损失函数对所述待训练的图像配准模型进行训练。
10、在其中一个实施例中，所述基于经训练的图像配准模型和所述模型文件，对所述测试样本集中待测试的基准图像和目标图像进行图像配准，得到映射目标图像，包括：
11、根据所述经训练的图像配准模型和模型文件，重构训练过程中生成的历史光流估算模型；对所述待测试的基准图像和目标图像进行图像拼接，得到拼接张量；将所述拼接张量输入所述历史光流估算模型，得到目标光流映射；根据所述待测试的基准图像和目标光流映射，得到所述映射目标图像。
12、在其中一个实施例中，在得到所述差分运算模型输出的单通道差异图之后，还包括：
13、以所述单通道差异图中的每个像素点为中心，根据预设参数，形成所述每个像素点对应的正方形窗口；计算出所述正方形窗口所在区域的像素中值，作为对应像素点的像素值。
14、在其中一个实施例中，所述根据所述单通道差异图，得到所述单通道差异图的差异均值，包括：
15、识别出所述单通道差异图中像素值未知的目标部分，根据像素插值技术，生成所述目标部分的像素值，得到更新后的单通道差异图；对所述更新后的单通道差异图进行全局平均池化操作，得到目标数值，作为所述单通道差异图的差异均值。
16、在其中一个实施例中，所述方法还包括：
17、在确认当前配对图像对应的输配电线路区域存在缺陷的情况下，根据所述当前配对图像，确定目标缺陷区域的位置信息和缺陷程度；根据所述位置信息和缺陷程度，生成所述目标缺陷区域对应的缺陷预警信息。
18、第二方面，本申请还提供了一种输配电线路缺陷检测装置。所述装置包括：
19、图像处理模块，用于获取多对基准图像和目标图像，对每一对基准图像和目标图像进行归一化处理，根据归一化处理后的基准图像和目标图像，得到训练样本集和测试样本集；所述基准图像和目标图像为输配电线路巡视时不同时间点拍摄的相同线路位置的配对图像；
20、模型训练模块，用于根据所述训练样本集中待使用的基准图像和目标图像，利用无监督学习的训练方式对待训练的图像配准模型进行训练，并生成包含模型信息的模型文件；
21、图像配准模块，用于基于经训练的图像配准模型和所述模型文件，对所述测试样本集中待测试的基准图像和目标图像进行图像配准，得到映射目标图像；
22、差分运算模块，用于将所述测试样本集中待测试的目标图像和所述映射目标图像输入预设的差分运算模型，得到所述差分运算模型输出的单通道差异图；
23、缺陷检测模块，用于根据所述单通道差异图，得到所述单通道差异图的差异均值，在所述差异均值的时序阶跃值超过预设阈值的情况下，确认当前配对图像对应的输配电线路区域存在缺陷。
24、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，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以下步骤：
25、获取多对基准图像和目标图像，对每一对基准图像和目标图像进行归一化处理，根据归一化处理后的基准图像和目标图像，得到训练样本集和测试样本集；所述基准图像和目标图像为输配电线路巡视时不同时间点拍摄的相同线路位置的配对图像；根据所述训练样本集中待使用的基准图像和目标图像，利用无监督学习的训练方式对待训练的图像配准模型进行训练，并生成包含模型信息的模型文件；基于经训练的图像配准模型和所述模型文件，对所述测试样本集中待测试的基准图像和目标图像进行图像配准，得到映射目标图像；将所述测试样本集中待测试的目标图像和所述映射目标图像输入预设的差分运算模型，得到所述差分运算模型输出的单通道差异图；根据所述单通道差异图，得到所述单通道差异图的差异均值，在所述差异均值的时序阶跃值超过预设阈值的情况下，确认当前配对图像对应的输配电线路区域存在缺陷。
26、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：
27、获取多对基准图像和目标图像，对每一对基准图像和目标图像进行归一化处理，根据归一化处理后的基准图像和目标图像，得到训练样本集和测试样本集；所述基准图像和目标图像为输配电线路巡视时不同时间点拍摄的相同线路位置的配对图像；根据所述训练样本集中待使用的基准图像和目标图像，利用无监督学习的训练方式对待训练的图像配准模型进行训练，并生成包含模型信息的模型文件；基于经训练的图像配准模型和所述模型文件，对所述测试样本集中待测试的基准图像和目标图像进行图像配准，得到映射目标图像；将本文档来自技高网...
【技术保护点】
1.一种输配电线路缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述训练样本集中待使用的基准图像和目标图像，利用无监督学习的训练方式对待训练的图像配准模型进行训练，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于经训练的图像配准模型和所述模型文件，对所述测试样本集中待测试的基准图像和目标图像进行图像配准，得到映射目标图像，包括：
4.根据权利要求1所述的方法，其特征在于，在得到所述差分运算模型输出的单通道差异图之后，还包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述单通道差异图，得到所述单通道差异图的差异均值，包括：
6.根据权利要求1至5任一项所述的方法，其特征在于，所述方法还包括：
7.一种输配电线路缺陷检测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种输配电线路缺陷检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述训练样本集中待使用的基准图像和目标图像，利用无监督学习的训练方式对待训练的图像配准模型进行训练，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于经训练的图像配准模型和所述模型文件，对所述测试样本集中待测试的基准图像和目标图像进行图像配准，得到映射目标图像，包括：
4.根据权利要求1所述的方法，其特征在于，在得到所述差分运算模型输出的单通道差异图之后，还包括：
5.根据权利要求1所述的方法，其特征在于，所述根据所述单通道差异图，得到所述单通道差异图的差...
【专利技术属性】
技术研发人员：吴昊，李飞，宋贵勇，田灿，
申请(专利权)人：南方电网大数据服务有限公司，
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。