[發明專利]基于生成對抗網絡的紅外圖像電力設備分割方法

有效

• 申請號: 201911197103.0
• 申請日: 2019-11-29
• 公開（公告）號: CN110969634B
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 嚴利雄;李茗;劉曉華;司馬朝進;陳典麗;陳思哲;劉志鵬
• 申請（專利權）人: 國網湖北省電力有限公司超高壓公司
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06N3/04;G06N3/08;G06T7/50
• 代理公司: 北京中北知識產權代理有限公司 11253
• 代理人: 李新昂

基于生成對抗網絡的紅外圖像電力設備分割方法，包括以下步驟：S1：準備網絡輸入數據；S2：構建生成對抗模型:Cycle?Gan；S3：設計熱成像圖像語義分割模型；S4：設計分割網絡的損失函數。本發明中，解決對于熱成像圖像如何消除不同模態數據之間的差異充分利用現有的預訓練分割模型，利用生成對抗網絡建立不同模態數據之間的聯系，使得熱成像圖像可以充分利用現有的基于自然圖像語義分割模型的優勢，實現性能更加優越的熱成像圖像語義分割模型。

技術領域

本發明涉及圖像處理技術領域，尤其涉及基于生成對抗網絡的紅外圖像電力設備分割方法。

背景技術

對于電力系統，智能巡檢機器人、無人機等技術正在逐步替代低效的人工巡檢。為了更加全面的監控電力系統中設備的異常，除了在正常光照條件下收集自然圖像，在光照條件不理想的情況下通過紅外檢測及診斷技術收集熱成像圖像也在被實際運用中被采用。收集的熱成像圖中包含了設備是否異常的信息，運用人工智能技術實現熱成像圖像的自動異常檢測具有顯得尤為重要。要實現熱成像圖像的智能化分析，對其圖像進行語義分割是一個必不可少的步驟。

圖像語義分割，是利用計算機視覺技術預測圖像每個像素點所屬的類別的技術，是一項典型的稠密預測任務。該項技術是實現計算機圖像理解的基礎，今年來隨著深度學習技術的快速發展，其性能被顯著提升，已經可以在某些特定領域運用到實際的運用場景中。生成對抗網絡是今年來很火熱的一項計算機視覺處理技術，其旨在使得計算機可以自動生成形態各異的圖像。尤其是循環生成對抗網絡(Cycle-GAN)在訓練的過程中不需要成對的數據，該特定拓展了生成對抗網絡的實際運用，因為收集成對的圖像是一個極為繁瑣的過程。

近年來，研究人員主要研究基于自然圖像(比如RGB彩色圖像)的語義分割方法，并取得了顯著的成就。但是，為了更全面實時的檢測電力系統中的異常情況，必須實現熱成像圖像的語義分割。

然而，由于自然彩色圖像和熱成像圖像的結構差異，利用自然圖像中廣泛采用的技術方案直接處理是一個很有挑戰性的任務。其主要的兩個技術難點是：熱成像圖像和自然圖像的分布存在很大差異，目前沒有專門準對熱成像圖像進行處理的系統；目前廣泛采用的深度學習模型，對其進行合理的預訓練是很有必要的，但是對于熱成像圖像沒有這樣的參數模型。

現有的熱成像語義分割系統直接建立深度模型，利用熱成像的標注圖像對其進行學習，沒有很好的利用目前在自然圖像上研究的深度模型的優勢。

現有的語義分割方案主要都針對自然圖像進行改進，有大量的已標注的自然圖像分割數據集，而基于熱成像圖像的模型則很少，充分利用基于自然圖像的分割模型是提升熱成像圖像語義分割性能的一種解決思路，這樣的設計思路可以保證熱成像語義分割模型可以充分利用現有預訓練深度模型的優勢。

為解決上述問題，本申請中提出基于生成對抗網絡的紅外圖像電力設備分割方法。

發明內容

(一)發明目的

為解決背景技術中存在的技術問題，本發明提出基于生成對抗網絡的紅外圖像電力設備分割方法，利用生成對抗網絡建立不同模態數據之間的聯系，使得熱成像圖像可以充分利用現有的基于自然圖像語義分割模型的優勢，實現性能更加優越的熱成像圖像語義分割模型。

(二)技術方案

為解決上述問題，本發明提供了基于生成對抗網絡的紅外圖像電力設備分割方法，包括以下步驟：

S1：準備網絡輸入數據；采用部署在電力系統中視頻監控設備和紅外檢測設備收集的電力設備的自然圖像數據集和熱成像圖像數據集；將所有的圖像大小歸一化為320mm×320mm，將其值減去均值除以方差，適應網絡的輸入；

S2：構建生成對抗模型:Cycle-Gan；