基于多尺度融合的小样本电力巡检图像分类方法和系统技术方案

基于多尺度融合的小样本电力巡检图像分类方法和系统，涉及电力巡检领域。解决了有限的训练样本和电力设备的多样性，深度学习模型如卷积神经网络易出现过拟合问题，影响检测精度的问题。方法包括：采集不同类别的电力巡检图像，并对所述电力巡检图像进行预处理，获取电力巡检设备缺陷图像数据集；构建基于多尺度融合与自适应权重的图像分类模型，将电力巡检设备缺陷图像数据集输入图像分类模型进行训练，获取最优小样本分类模型；将训练集输入至最优小样本分类模型进行训练，训练后选择在训练过程中损失函数最小的参数模型；将测试集输入训练完成的参数模型中进行小样本分类，得到电力巡检设备缺陷图像的分类结果。应用于无人机巡检领域。

【技术实现步骤摘要】

本专利技术涉及电力巡检领域，尤其涉及一种基于多尺度融合与自适应权重的小样本电力巡检分类方法。

技术介绍

1、电力巡检是电力行业的关键任务，旨在确保电力输电线路及相关设备的稳定运行。传统人工巡检受限于效率、成本和准确性，而无人机巡检以其高效、灵活和低成本的特性成为首选。在无人机巡检中，计算机视觉技术特别是深度学习扮演了重要角色，尤其是在目标检测和缺陷识别方面。然而，面对有限的训练样本和电力设备的多样性，深度学习模型如卷积神经网络（cnn）易出现过拟合问题，影响检测精度。

技术实现思路

1、本专利技术针对有限的训练样本和电力设备的多样性，深度学习模型如卷积神经网络（cnn）易出现过拟合问题，影响检测精度的问题，提出一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，所述方法包括：

2、s1：采集不同类别的电力巡检图像，并对所述电力巡检图像进行预处理，获取电力巡检设备缺陷图像数据集；

3、s2：构建基于多尺度融合与自适应权重的图像分类模型，将电力巡检设备缺陷图像数据集输入所述基于多尺本文档来自技高网...

【技术保护点】

1.一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述步骤S1包括：

3.根据权利要求1所述的一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述步骤S2包括：

4.根据权利要求3所述的一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述步骤S23包括：

5.根据权利要求3所述的一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述步骤...

【技术特征摘要】

1.一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述步骤s1包括：

3.根据权利要求1所述的一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述步骤s2包括：

4.根据权利要求3所述的一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述步骤s23包括：

5.根据权利要求3所述的一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述步骤s24包括：

6.根据权利要求5所述的一种基于多尺度融合与自适应权重的小样本电力巡检图像分类方法，其特征在于，所述...

【专利技术属性】
技术研发人员：赵萌，王学伟，王跃，宋磊，董蔚，胡嘉铭，郭明超，
申请(专利权)人：大唐东北电力试验研究院有限公司，
类型：发明
国别省市：