[發明專利]一種域自適應設備運檢系統和方法

有效

• 申請號: 202011372238.9
• 申請日: 2020-11-30
• 公開（公告）號: CN112183788B
• 公開（公告）日: 2021-03-30
• 發明（設計）人: 周智恒;張鵬宇;黃俊楚;李波
• 申請（專利權）人: 華南理工大學
• 主分類號: G06Q10/00
• 分類號: G06Q10/00;G06Q50/06;G06K9/62;G06N3/04;G07C1/20
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 何淑珍;江裕強

本發明公開了一種域自適應設備運檢系統和方法。本發明采用圖像獲取處理模塊獲取輸電線路待檢測巡檢圖像并對圖像預處理；將待檢測巡檢圖像輸入預設的天氣條件分類模型識別待檢測巡檢圖像所屬天氣條件，得到天氣條件分類結果；根據天氣條件分類結果選定對應預設的域自適應設備運檢模型；將待檢測巡檢圖像輸入預設的域自適應設備運檢模型得到待檢測巡檢圖像的檢測結果，檢測結果包括待檢測巡檢圖像中的檢測對象的設備類別、工況以及位置信息中的一種或多種組合。本發明使得高壓輸電線路域自適應設備運檢系統的待檢測樣本不受樣本標注和地域或天氣條件的約束，同時在域自適應場景中目標域的設備運檢結果具有與源域相同的檢測性能。

技術領域

本發明涉及人工智能、信息處理技術、電網運檢維護技術領域，具體涉及一種域自適應設備運檢系統和方法。

背景技術

近年來，人工智能在電網運檢維護技術領域發揮著越來越大的作用。基于深度學習的高壓輸電線路設備運檢系統，對海量標注的運檢圖像數據進行有監督訓練，成為電網運檢的必要手段，提高了檢測準確性，縮短了故障處理時間。

在一種具體電網運檢維護的高壓輸電線路設備運檢系統中，由終端設備采集待檢測巡檢圖像，輸入卷積神經網絡對其進行特征提取，再通過感興趣區域生成器生成目標存在的區域，最后通過全連接神經網絡構建的識別器和位置定位器確定待檢測圖像中設備類別和工況以及其位置坐標。例如，專利號為CN201911065444.2的發明“電力巡檢圖像缺陷識別方法和系統、電力巡檢無人機”中提出的基于標簽樣本有監督訓練所得模型完成對無人機電力巡檢圖像的缺陷識別。

其中，模型所需的訓練樣本通常是在具有清晰視野的晴天天氣下收集并進行注釋。但是，隨著高壓輸電線路保護等級的提高，高壓輸電線路設備運檢系統需要適用于跨地域場景以及對各種天氣情況下（例如雨天或霧天）的巡檢圖像進行檢測。不幸的是，從不同地域場景或不同天氣中收集足夠的帶注釋的訓練樣本即昂貴且不可行。同時，不同地域場景背景以及在雨天或霧天條件下，光照、雨條紋、霧氣、模糊帶來的邊緣和色彩特征極大的造成了不同天氣條件下的巡檢圖像特征分布之間存在顯著的域差異，這種域差異或域偏移會造成模型在新域中的性能表現較差，即在晴天天氣樣本訓練的運檢模型難以推廣到跨地域或其他天氣條件巡檢任務中。

發明內容

本發明的目的在于克服現有技術存在的上述不足，提供一種域自適應設備運檢系統和方法，可基于源域有標簽樣本和不同場景條件的無標簽目標域樣本，然后將卷積神經網絡構造的特征提取器提取不同尺度的特征進行信息互補，進而構造出多組具有相似語義抽象的融合特征，并聯合分層梯度反轉模塊和多域分類模塊實現一致性多對抗學習，促使運檢模型學習域語義不變特征表達以此降低了源域和目標域的分布差異，使學得的檢測系統在域自適應任務中具備魯棒的域自適應設備運檢器，實現在跨地域或跨天氣場景中對目標域的設備運檢能力具有與源域相同的運檢保障。

本發明的目的至少通過如下技術方案之一實現。

一種域自適應設備運檢系統，包括圖像獲取處理模塊、天氣條件分類模塊、域自適應設備運檢模塊；

所述域自適應設備運檢模塊用于構建并預設域自適應設備運檢模型，域自適應設備運檢模型包括分層特征提取模塊、融合特征多對齊模塊、感興趣區域生成模塊、檢測器和損失計算模塊；

所述圖像獲取處理模塊用于獲取輸電線路設備巡檢圖像以及對巡檢圖像進行預處理，并將預處理后的巡檢圖像發送至天氣條件分類模塊和域自適應特征提取模塊；

所述天氣條件分類模塊用于構建并預設天氣條件分類模型，天氣條件分類模型將用于識別巡檢圖像所屬天氣條件，并根據分類結果將不同天氣條件的待檢測巡檢圖像輸入至相應條件的預設的域自適應設備運檢模型；