【技术实现步骤摘要】
本专利技术涉及电力系统缺陷检测，尤其是一种基于提示与对比学习的少样本电力系统缺陷检测方法。
技术介绍
1、电力对于经济发展、民生改善以及工程建设等领域扮演着不可或缺的关键角色，保障电力系统的稳定运行具有至关重要的意义。随着科学技术水平的不断进步与发展，越来越多的电力公司开始通过图像识别的方式检测电力系统的缺陷。传统的图像识别算法依赖于人工根据先验知识和任务理解提取图像特征。然而，传统算法在图像特征提取方面存在能力不足、扩展性不强的问题，无法很好地提取深层特征，而且需要依赖大量的人工设计。
2、中国专利，公开号：cn 113239994 a，公开日：2021年8月10日，公开了一种基于yolov4-tiny算法的电网缺陷检测方法、装置、存储介质及电子设备，该方法基于热重启随机梯度下降sgdr算法，使用样本集对改进型yolov4-tiny网络结构进行训练得到目标检测网络，基于目标检测网络对待验证电网图像进行检测得到电网缺陷检测结果，该专利技术实现了单阶段的电网缺陷检测，但是该专利技术未考虑电力系统缺陷样本少、样本难以获得的情况下...
【技术保护点】
1.一种基于提示与对比学习的少样本电力系统缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于提示与对比学习的少样本电力系统缺陷检测方法，其特征在于，所述S1中工业缺陷检测数据集为非电力相关数据集，所述电力系统数据集的建立具体步骤包括：
3.根据权利要求1所述的基于提示与对比学习的少样本电力系统缺陷检测方法，其特征在于，所述S2中深度神经网络模型包括：
4.根据权利要求3所述的基于提示与对比学习的少样本电力系统缺陷检测方法，其特征在于，所述图文大模型文本编码网络为预训练模型。
5.根据权利要求3所述的基...
【技术特征摘要】
1.一种基于提示与对比学习的少样本电力系统缺陷检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于提示与对比学习的少样本电力系统缺陷检测方法，其特征在于，所述s1中工业缺陷检测数据集为非电力相关数据集，所述电力系统数据集的建立具体步骤包括：
3.根据权利要求1所述的基于提示与对比学习的少样本电力系统缺陷检测方法，其特征在于，所述s2中深度神经网络模型包括：
4.根据权利要求3所述的基于提示与对比学习的少样本电力系统缺陷检测方法，其特征在于，所述图文大模型文本编码网络为预训练模型。
5.根据权利要求3所述的基于提示与对比学习的少样本电力系统缺陷检测方法，其特征在于，所述图文匹配子网络的构建过程进一步包括：
6.根据权利要求5所述的基于...
【专利技术属性】
技术研发人员：邱臻，韩翊，聂峥，马得国，项文波，王海军，陈亮，金锖，叶锴，戴瑞金，郑乐，
申请(专利权)人：浙江华云信息科技有限公司，
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。