[發明專利]一種電力系統中絕緣子缺陷的檢測方法、裝置及電子設備

在審

• 申請號: 202010800103.1
• 申請日: 2020-08-11
• 公開（公告）號: CN111784692A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 潘振波;謝巖;趙明亮;王喜廷;王代弟;孫賀;袁野;王衛光;閆永明;邵志鵬;孟慶禹;任春雷;張悅;韓雪
• 申請（專利權）人: 國網內蒙古東部電力有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 榮穎佳

1.一種電力系統中絕緣子缺陷的檢測方法，其特征在于，所述檢測方法包括：

獲取待檢測區域的待識別圖像；

基于訓練好的絕緣子缺陷識別模型，識別出所述待識別圖像中是否存在絕緣子，以及識別出的絕緣子上是否存在對應的識別出的缺陷；

若所述待識別圖像中識別出的絕緣子上存在對應的識別出的缺陷，確定所述絕緣子缺陷的類型。

2.根據權利要求1所述的檢測方法，其特征在于，通過以下步驟獲取訓練好絕緣子缺陷識別模型：

獲取原始圖像數據集；

標注所述原始圖像數據集中的絕緣子特征，以及所述絕緣子的缺陷特征，確定絕緣子缺陷數據集；

針對所述絕緣子缺陷數據集進行數據增強處理，得到對應的絕緣子缺陷樣本集；

基于所述絕緣子缺陷樣本集，對構建好的神經網絡模型進行訓練，得到訓練好的絕緣子缺陷識別模型。

3.根據權利要求2所述檢測方法，其特征在于，所述基于所述絕緣子缺陷樣本集，對構建好的神經網絡模型進行訓練，得到訓練好的絕緣子缺陷識別模型，包括：

基于所述絕緣子缺陷數據集，對構建好的神經網絡模型進行訓練，得到初始識別模型；

對所述初始識別模型進行剪枝處理，并在剪枝處理后進行微調，得到訓練好的絕緣子缺陷識別模型。

4.根據權利要求3所述的檢測方法，其特征在于，所述對所述初始識別模型進行剪枝處理，并在剪枝處理后進行微調，得到訓練好的絕緣子缺陷識別模型，包括：

針對所述初始識別模型進行稀疏訓練；

根據所述稀疏訓練的結果，對所述初始識別模型進行剪枝，獲取剪枝后的初始識別模型；

微調所述剪枝后的初始識別模型，得到訓練好的所述絕緣子缺陷識別模型。

5.根據權利要求1所述的檢測方法，其特征在于，所述基于訓練好的絕緣子缺陷識別模型，識別出所述待識別圖像中是否存在絕緣子，以及識別出的絕緣子上是否存在對應的識別出的缺陷，包括：

基于訓練好的絕緣子缺陷識別模型，判斷所述待識別圖像中是否存在識別出的絕緣子，以及所述待識別圖像中是否存在識別出的缺陷；

若所述待識別圖像中存在識別出的絕緣子和識別出的缺陷，檢測所述待識別圖像中所識別出的缺陷對應的部分圖像內容，與所識別出的絕緣子對應的部分圖像內容之間的重合度是否滿足預設閾值；

若重合度滿足預設閾值，確定識別出的絕緣子上存在對應的識別出的缺陷。

6.一種電力系統中絕緣子缺陷的檢測裝置，其特征在于，所述檢測裝置包括：

獲取模塊：用于獲取待檢測區域的待識別圖像；

識別模塊：用于基于訓練好的絕緣子缺陷識別模型，識別出所述待識別圖像中是否存在絕緣子，以及識別出的絕緣子上是否存在對應的識別出的缺陷；

確定模塊：若所述待識別圖像中識別出的絕緣子上存在對應的識別出的缺陷，確定所述絕緣子缺陷的類型。

7.根據權利要求6所述的檢測裝置，其特征在于，所述檢測裝置包括模型訓練模塊，所述模型訓練模塊用于通過以下步驟獲取訓練絕緣子缺陷識別模型：

獲取原始圖像數據集；

標注所述原始圖像數據集中的絕緣子特征，以及所述絕緣子的缺陷特征，確定絕緣子缺陷數據集；

針對所述絕緣子缺陷數據集進行數據增強處理，得到對應的絕緣子缺陷樣本集；

基于所述的絕緣子缺陷樣本集，對構建好的神經網絡模型進行訓練，得到訓練好的絕緣子缺陷識別模型。

8.根據權利要求7所述的檢測裝置，其特征在于，所述模型訓練模塊具體用于：

基于所述絕緣子缺陷數據集，對構建好的神經網絡模型進行訓練，得到初始識別模型；

對所述初始識別模型進行剪枝處理，并在剪枝處理后進行微調，得到訓練好的絕緣子缺陷識別模型。