【技术实现步骤摘要】
本申请属于一种样本生成方法，具体涉及一种绝缘子缺陷样本生成方法及相关装置、缺陷检测方法。
技术介绍
1、绝缘子在变电站中具有至关重要的作用，是保障电力系统安全稳定运行的关键。目前，使用深度学习模型进行绝缘子缺陷检测已经成为常规检测方法，然而绝缘子缺陷检测模型需要基于大量的绝缘子缺陷样本进行训练。但是，由于绝缘子缺陷的发生频率相对较低，短时间内收集到的缺陷样本数量有限，缺陷绝缘子样本的获取非常困难。
2、目前，绝缘子缺陷样本的生成方法主要保留传统的图像合成方法和基于gan的生成方法，例如tw_cycle_gan和defect-gan等。但是，这些方法仍然存在一些不足，例如，在生成缺陷样本时，模型会陷入模式崩溃，导致过拟合；或者无法完全模拟真实缺陷的纹理、形状和外观，导致生成的样本与真实缺陷存在差异，生成的缺陷样本质量较差。
技术实现思路
1、本申请针对现有绝缘子缺陷样本生成方法存在过拟合，以及生成的缺陷样本质量较差的技术问题，提供一种绝缘子缺陷样本生成方法及相关装置、缺陷检测方法。
2、为了实现上述目的，本申请采用以下技术方案予以实现：
3、本申请提出一种绝缘子缺陷样本生成方法，包括：
4、获取多个绝缘子非缺陷图像；
5、将多个绝缘子非缺陷图像输入至缺陷样本生成模型中，生成绝缘子缺陷样本；
6、所述缺陷样本生成模型包括编码器-解码器、空间和分类控制图模块、缺陷前景模块、分层合成模块、判别器；
7、所述
8、所述空间和分类控制图模块的输出端连接编码器-解码器，用于将预设种类的缺陷添加至预设位置；
9、所述缺陷前景模块与编码器-解码器的输出端相连，用于从编码器-解码器输出的缺陷图像中提取缺陷部分的图层；
10、所述分层合成模块，用于将提取出的缺陷部分的图层合成在多个绝缘子非缺陷图像上，生成绝缘子缺陷样本；
11、所述判别器，用于对生成的绝缘子缺陷样本与实际绝缘子缺陷样本进行真假判别，并识别缺陷类型。
12、进一步地，所述将预设种类的缺陷添加至预设位置，包括：
13、通过向编码器-解码器提供一个属性控制映射，将预设种类的缺陷添加至预设位置；其中，和分别为添加缺陷位置的横坐标和纵坐标。
14、进一步地，所述属性控制映射通过spade归一化添加。
15、进一步地，所述注意力机制包括通道注意力机制和空间注意力机制。
16、进一步地，所述判别器采用stargan中的判别器网络架构。
17、进一步地，所述缺陷样本生成模型训练时采用的损失函数，包括：
18、生成器的损失函数为：
19、
20、其中，生成器包括编码器-解码器、空间和分类控制图模块、缺陷前景模块和分层合成模块；为生成器的损失函数，为对抗损失函数，为一个超参数，为错误域类别分类损失，为一个超参数；
21、判别器的损失函数为：
22、
23、其中，为判别器的损失函数，为一个超参数，为真实域类别分类损失。
24、进一步地，
25、
26、
27、
28、其中，为在真实样本分布下，对的期望，为预测产生的缺陷类别，为真实缺陷标签，为真实绝缘子缺陷样本的分布，为在生成的绝缘子缺陷样本分布下，对的期望，为目标缺陷标签，为生成绝缘子缺陷样本的分布，为对真实数据的期望，为生成器给出的源域上的概率分布，为对生成的绝缘子缺陷样本的期望，为生成器。
29、第二方面，本申请提出一种绝缘子缺陷样本生成系统，包括：
30、获取模块，用于获取多个绝缘子非缺陷图像；
31、生成模块，用于将多个绝缘子非缺陷图像输入至缺陷样本生成模型中，生成绝缘子缺陷样本；
32、所述缺陷样本生成模型包括编码器-解码器、空间和分类控制图模块、缺陷前景模块、分层合成模块、判别器；
33、所述编码器-解码器中，编码器包括多组依次连接的卷积层和下采样模块，解码器包括多组依次连接的卷积层和上采样模块；所述编码器的卷积层和下采样模块之间加入注意力机制；所述编码器和所述解码器的每个卷积层中均设置有自适应噪声插入模块，用于引入随机缺陷；
34、所述空间和分类控制图模块的输出端连接编码器-解码器，用于将预设种类的缺陷添加至预设位置；
35、所述缺陷前景模块与编码器-解码器的输出端相连，用于从编码器-解码器输出的缺陷图像中提取缺陷部分的图层；
36、所述分层合成模块，用于将提取出的缺陷部分的图层合成在多个绝缘子非缺陷图像上，生成绝缘子缺陷样本；
37、所述判别器，用于对生成的绝缘子缺陷样本与实际绝缘子缺陷样本进行真假判别，并识别缺陷类型。
38、第三方面，本申请提出一种电子设备，包括：存储器、一个或多个处理器；所述存储器与所述处理器耦合；其中，所述存储器中存储有计算机程序代码，所述计算机程序代码包括计算机指令，当所述计算机指令被所述处理器执行时，所述电子设备执行上述绝缘子缺陷样本生成方法的步骤。
39、第四方面，本申请提出一种绝缘子缺陷检测方法，包括：
40、采用上述绝缘子缺陷样本生成方法，生成绝缘子缺陷样本；
41、采用多个正常样本和生成的绝缘子缺陷样本对绝缘子缺陷检测模型进行训练；
42、将绝缘子图像输入至训练后的绝缘子缺陷检测模型中，得到绝缘子缺陷检测结果。
43、与现有技术相比，本申请具有以下有益效果：
44、本申请提出一种绝缘子缺陷样本生成方法，通过缺陷样本生成模型，由绝缘子非缺陷图像生成绝缘子缺陷样本，缺陷样本生成模型基于编码器-解码器和判别器构建，编码器-解码器、空间和分类控制图模块、缺陷前景模块和分层合成模块组成生成器，生成器中引入了样式向量、注意力机制、空间和分类控制、随机变化和基于层的合成，能够有效提高绝缘子缺陷样本生成的准确性、真实性和多样性，在保留所提供背景的样式和外观的同时生成绝缘子缺陷。判别器能够用来判断真假样本和预测生成缺陷样本的缺陷种类，生成器和判别器相互抗衡不断优化。因此，本申请的样本生成方法能够生成更具有真实性、准确性和多样性的绝缘子缺陷样本，从而进一步显著提高变电站中绝缘子缺陷检测网络的性能。
45、本申请还提出了一种绝缘子缺陷样本生成系统，一种电子设备和一种绝缘子缺陷检测方法，具备上述绝缘子缺陷样本生成方法的全部优势。
本文档来自技高网...【技术保护点】
1.一种绝缘子缺陷样本生成方法，其特征在于，包括：
2.根据权利要求1所述绝缘子缺陷样本生成方法，其特征在于，所述将预设种类的缺陷添加至预设位置，包括：
3.根据权利要求2所述绝缘子缺陷样本生成方法，其特征在于，所述属性控制映射通过SPADE归一化添加。
4.根据权利要求1所述绝缘子缺陷样本生成方法，其特征在于，所述注意力机制包括通道注意力机制和空间注意力机制。
5.根据权利要求1所述绝缘子缺陷样本生成方法，其特征在于，所述判别器采用StarGAN中的判别器网络架构。
6.根据权利要求1所述绝缘子缺陷样本生成方法，其特征在于，所述缺陷样本生成模型训练时采用的损失函数，包括：
7.根据权利要求6所述绝缘子缺陷样本生成方法，其特征在于，
8.一种绝缘子缺陷样本生成系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括：存储器、一个或多个处理器；所述存储器与所述处理器耦合；其中，所述存储器中存储有计算机程序代码，所述计算机程序代码包括计算机指令，当所述计算机指令被所述处理器执行时，所述
10.一种绝缘子缺陷检测方法，其特征在于，包括：
...【技术特征摘要】
1.一种绝缘子缺陷样本生成方法，其特征在于，包括：
2.根据权利要求1所述绝缘子缺陷样本生成方法，其特征在于，所述将预设种类的缺陷添加至预设位置，包括：
3.根据权利要求2所述绝缘子缺陷样本生成方法，其特征在于，所述属性控制映射通过spade归一化添加。
4.根据权利要求1所述绝缘子缺陷样本生成方法，其特征在于，所述注意力机制包括通道注意力机制和空间注意力机制。
5.根据权利要求1所述绝缘子缺陷样本生成方法，其特征在于，所述判别器采用stargan中的判别器网络架构。
6.根据权利要求1所述绝缘子缺...
【专利技术属性】
技术研发人员：杜鳯娇，景超，李雪薇，王慧民，李苗苗，张光明，张兴忠，程永强，
申请(专利权)人：山西省能源互联网研究院，
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。