【技术实现步骤摘要】
本专利技术属于电力输电线路领域，涉及一种输电线路缺陷识别方法、系统、设备及存储介质。
技术介绍
1、输电线路作为电能输送和分配的载体，其安全、可靠运行是电网持续稳定运行的关键。然而，由于输电线路多分布在野外，传统的巡检方式依赖巡检人员翻山越岭，不仅工作量大，而且效率低。为了提升输电线路的安全性和巡检效率，智慧输电线路建设应运而生，其中无人机及在线监拍装置等高科技手段被广泛应用，旨在提高输电线路缺陷的感知水平，促生基于图像识别的缺陷感知方式。
2、深度学习模型在输电线路图像分类任务中已经取得了一定的成果，为智慧输电线路建设提供了有力支持。然而，深度学习模型的效果高度依赖于大量的训练数据。在现实世界中，由于标注数据的稀缺性以及对无标签数据进行标注所需的时间和人力成本高昂，使得深度学习模型在训练数据规模较小的情况下容易过拟合，导致在真实场景下的性能表现不佳。
3、尤其对于输电线路中的山火及异物等复杂场景，缺陷样本更加稀少，这进一步加剧了基于深度学习模型的输电线路缺陷识别模型的训练难度，这导致现有的输电线路缺陷识别模型的...
【技术保护点】
1.一种输电线路缺陷识别方法，其特征在于，包括：
2.根据权利要求1所述的输电线路缺陷识别方法，其特征在于，所述预训练的输电线路缺陷识别模型通过下述方式得到：
3.根据权利要求2所述的输电线路缺陷识别方法，其特征在于，所述通过预训练特征提取模块提取各类输电线路训练图像的特征向量并融合，得到改进的Softmax分类器的初始化权重参数包括：
4.根据权利要求1所述的输电线路缺陷识别方法，其特征在于，所述改进的Softmax分类器通过将Softmax分类器的概率分布计算方法替换为下式得到：
5.根据权利要求1所述的输电线路缺陷...
【技术特征摘要】
1.一种输电线路缺陷识别方法，其特征在于，包括：
2.根据权利要求1所述的输电线路缺陷识别方法，其特征在于，所述预训练的输电线路缺陷识别模型通过下述方式得到：
3.根据权利要求2所述的输电线路缺陷识别方法，其特征在于，所述通过预训练特征提取模块提取各类输电线路训练图像的特征向量并融合，得到改进的softmax分类器的初始化权重参数包括：
4.根据权利要求1所述的输电线路缺陷识别方法，其特征在于，所述改进的softmax分类器通过将softmax分类器的概率分布计算方法替换为下式得到：
5.根据权利要求1所述的输电线路缺陷识别方法，其特征在于，所述预选层至少包括特征提取模块的一个低层卷积层、一个中层卷积层和一个高层卷积层。
【专利技术属性】
技术研发人员：张启哲，朱红，谈元鹏，彭国政，高莉莎，刘英杰，项楠，李可心，李程启，
申请(专利权)人：中国电力科学研究院有限公司，
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。