变电站目标检测模型确定方法和变电站缺陷检测方法技术

本申请涉及一种变电站目标检测模型确定方法、装置、计算机设备和存储介质。所述方法包括：获取初始变电站目标检测模型，调整初始变电站目标检测模型中多层重参数化模块的激活函数，确定初始变电站目标检测模型中待压缩的目标重参数化模块，以及稀疏参数，对初始变电站目标检测模型进行稀疏训练，直至稀疏参数趋于目标值，得到稀疏训练后的初始变电站目标检测模型，通过结构重参数化的方式，合并压缩稀疏训练后的初始变电站目标检测模型中的目标重参数化模块，得到变电站目标检测模型。采用本方法能够支持变电站在线监测效率的提升。本申请还提供了一种变电站缺陷检测方法、装置、计算机设备和存储介质，采用本方法能够提高变电站缺陷检测效率。

【技术实现步骤摘要】

本申请涉及大数据，特别是涉及一种变电站目标检测模型确定方法、装置、计算机设备、存储介质和计算机程序产品，以及一种变电站缺陷检测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

1、近年来，随着社会的发展和科技的进步，变电站在能源输送和分配中扮演着至关重要的角色。然而，由于变电站设备的结构复杂且是长期运行，设备可能出现各种各样的缺陷和故障，这可能会对电网运行造成严重影响甚至带来安全隐患。因此，变电站设备的在线监测和故障诊断变得尤为重要。

2、传统的变电站缺陷检测方法，通常是依赖于人工巡检或基于规则的自动化系统。随着深度学习技术的发展，基于神经网络的目标检测模型被广泛应用于变电站缺陷检测领域，能够实现自动化、高效率的缺陷检测。

3、然而，这些模型通常具有大量的参数和复杂的计算结构，导致计算机设备在通过目标检测模型进行在线监测的时候，由于计算开销过大，导致在线监测效率低下的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够提升监测效率的变电站目标检测模型确定方本文档来自技高网...

【技术保护点】

1.一种变电站目标检测模型确定方法，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，调整后的激活函数包括α-ReLU激活函数；

3.根据权利要求2所述的方法，其特征在于，所述基于所述γ系数和所述α系数，得到所述重参数化模块的重要度，包括：

4.根据权利要求3所述的方法，其特征在于，所述初始变电站目标检测模型通过变电站缺陷图像数据训练集对目标YOLOv6模型进行训练得到，其中，所述目标YOLOv6模型包括EfficientRep主干网络和CSPBepBackbone主干网络，通过RepBiFPAN结构将结构重参数化引入颈部网络，通过...

【技术特征摘要】

1.一种变电站目标检测模型确定方法，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，调整后的激活函数包括α-relu激活函数；

3.根据权利要求2所述的方法，其特征在于，所述基于所述γ系数和所述α系数，得到所述重参数化模块的重要度，包括：

4.根据权利要求3所述的方法，其特征在于，所述初始变电站目标检测模型通过变电站缺陷图像数据训练集对目标yolov6模型进行训练得到，其中，所述目标yolov6模型包括efficientrep主干网络和cspbepbackbone主干网络，通过repbifpan结构将结构重参数化引入颈部网络，通过anchor-free无锚范式预测bounding box的四条边距离。

5.根...

【专利技术属性】
技术研发人员：熊俊，刘智勇，孔令明，刘俊翔，陈勉之，
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：