一种缺陷识别方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种缺陷识别方法、装置、电子设备及存储介质。该方法包括：确定样本图像以及所述样本图像对应的缺陷标签；通过语义分割预测模块，根据所述样本图像确定语义分割图像；根据所述语义分割图像确定缺陷预测结果；根据所述样本图像对应的缺陷标签和所述缺陷预测结果，对深度神经网络模型进行训练，得到缺陷识别模型，以根据所述缺陷识别模型进行缺陷识别。本发明专利技术的技术方案，通过在深度神经网络模型中引入语义分割预测模块，更好的学习样本图像中的缺陷特征信息，实现高效、准确地对样本图像进行缺陷识别。

【技术实现步骤摘要】

本专利技术涉及图像处理，尤其涉及一种缺陷识别方法、装置、电子设备及存储介质。

技术介绍

1、近年来，随着无人机、巡检机器人等智能化装备在电力巡检中得到广泛使用，巡检产生的数据呈指数级增加。利用智能图像识别技术对图像、视频进行自动分析，识别电网设备缺陷，是实现海量数据高效处理、设备缺陷及早发现的有效途径。

2、图像分类是电网设备缺陷智能识别的基础任务之一，通常采用深度卷积神经网络对输入图像进行分类，判读图像中是否存在缺陷。由于电网设备缺陷发生频率低，缺陷数量有限，且在无人机、巡检机器人等移动平台上搭载的计算资源有限，对缺陷识别算法具有轻量、快速的要求。但现有的图像分类神经网络大多在样本不足条件下难以得到有效训练，且高精度的神经网络往往计算复杂度较高，不适合在移动平台上进行实时处理，导致现有技术难以满足电力巡检场景的实际应用。

技术实现思路

1、本专利技术提供了一种缺陷识别方法、装置、电子设备及存储介质，以实现高效、准确地对样本图像进行缺陷识别。

2、第一方面，本专利技术实施例提供了一种缺本文档来自技高网...

【技术保护点】

1.一种缺陷识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，通过语义分割预测模块，根据所述样本图像确定语义分割图像，包括：

3.根据权利要求2所述的方法，其特征在于，通过语义分割预测模块，对中间特征图像进行处理得到语义分割图像，包括：

4.根据权利要求2所述的方法，其特征在于，根据所述语义分割图像确定缺陷预测结果，包括：

5.根据权利要求4所述的方法，其特征在于，根据输出特征图像确定缺陷预测结果，包括：

6.根据权利要求1所述的方法，其特征在于，根据所述样本图像对应的缺陷标签和所述缺陷预测结果，对深度神经...

【技术特征摘要】

1.一种缺陷识别方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，通过语义分割预测模块，根据所述样本图像确定语义分割图像，包括：

3.根据权利要求2所述的方法，其特征在于，通过语义分割预测模块，对中间特征图像进行处理得到语义分割图像，包括：

4.根据权利要求2所述的方法，其特征在于，根据所述语义分割图像确定缺陷预测结果，包括：

5.根据权利要求4所述的方法，其特征在于，根据输出特征图像确定缺陷预测结果，包括：

6.根据权利要求1所述的方法，其特征在于，根据所述样本图像对应的缺陷标签和所述缺陷预测结...

【专利技术属性】
技术研发人员：乔嘉赓，曾智，王娴，杨帆，陈文文，吴兰，贾恒杰，田小东，刘建明，胡国宝，胡玉婷，崔宫，洪焕森，
申请(专利权)人：广东电网有限责任公司，
类型：发明
国别省市：