[發明專利]一種輸電線路關鍵部件缺陷檢測方法及系統

有效

• 申請號: 202110783270.4
• 申請日: 2021-07-12
• 公開（公告）號: CN113344915B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 翟永杰;胡哲東;張萬征;聶禮強;熊劍平;趙硯青;王亞茹
• 申請（專利權）人: 華北電力大學（保定）;智洋創新科技股份有限公司;山東大學;浙江大華技術股份有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/44;G06V10/77;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 王愛濤

1.一種輸電線路關鍵部件缺陷檢測方法，其特征在于，包括：

構建輸電線路關鍵部件缺陷語義集合；所述輸電線路關鍵部件包括電力線路和絕緣子；

根據所述缺陷語義集合訓練語義表征提取模型；

利用訓練好的語義表征提取模型提取語義表征；

構建輸電線路關鍵部件缺陷圖像庫；

根據所述圖像庫中的多類缺陷圖像訓練圖像特征提取模型；

利用訓練好的圖像特征提取模型提取圖像特征；

基于所述語義表征和所述圖像特征，構建嵌入映射矩陣；所述嵌入映射矩陣用于對圖像特征與語義表征進行跨模態度量，實現輸電線路關鍵部件缺陷的檢測；

嵌入映射矩陣W就是將圖像特征和語義表征ψ(y)經過映射函數F_θ(x,y；W)輸出的結果，過程如下：

通過計算跨模態度量的嵌入損失L(θ；W_i)來度量圖像特征和語義表征ψ(y)的相似程度，進而完成對圖像特征與語義表征之間的跨模態度量為第i次下的圖像特征，W_i為第i次下的嵌入映射矩陣W，i＝1,2,…,n，n為人為設置的迭代次數；θ為深度學習網絡。

2.根據權利要求1所述的輸電線路關鍵部件缺陷檢測方法，其特征在于，所述構建輸電線路關鍵部件缺陷語義集合，具體包括：

對輸電線路關鍵部件的故障缺陷進行語言描述，構建缺陷語義集合。

3.根據權利要求1所述的輸電線路關鍵部件缺陷檢測方法，其特征在于，所述語義表征提取模型包括2～4個RNN循環神經網絡模型。

4.根據權利要求1所述的輸電線路關鍵部件缺陷檢測方法，其特征在于，所述圖像特征提取模型包括3～5個VGG19深度神經網絡模型。

5.根據權利要求1所述的輸電線路關鍵部件缺陷檢測方法，其特征在于，所述基于所述語義表征和所述圖像特征，構建嵌入映射矩陣，具體包括：

基于所述語義表征和所述圖像特征訓練映射函數，使所述映射函數的損失值最小；

利用訓練好的映射函數輸出映射矩陣。

6.一種輸電線路關鍵部件缺陷檢測系統，其特征在于，包括：

缺陷語義集合構建模塊，用于構建輸電線路關鍵部件缺陷語義集合；所述輸電線路關鍵部件包括電力線路和絕緣子；

第一訓練模塊，用于根據所述缺陷語義集合訓練語義表征提取模型；

語義表征提取模塊，用于利用訓練好的語義表征提取模型提取語義表征；

缺陷圖像庫構建模塊，用于構建輸電線路關鍵部件缺陷圖像庫；

第二訓練模塊，用于根據所述圖像庫中的多類缺陷圖像訓練圖像特征提取模型；

圖像特征提取模塊，用于利用訓練好的圖像特征提取模型提取圖像特征；

嵌入映射矩陣構建模塊，用于基于所述語義表征和所述圖像特征，構建嵌入映射矩陣；所述嵌入映射矩陣用于對圖像特征與語義表征進行跨模態度量，實現輸電線路關鍵部件缺陷的檢測；

嵌入映射矩陣W就是將圖像特征和語義表征ψ(y)經過映射函數F_θ(x,y；W)輸出的結果，過程如下：

通過計算跨模態度量的嵌入損失L(θ；W_i)來度量圖像特征和語義表征ψ(y)的相似程度，進而完成對圖像特征與語義表征之間的跨模態度量為第i次下的圖像特征，W_i為第i次下的嵌入映射矩陣W，i＝1,2,…,n，n為人為設置的迭代次數；θ為深度學習網絡。

7.根據權利要求6所述的輸電線路關鍵部件缺陷檢測系統，其特征在于，所述缺陷語義集合構建模塊具體包括：

語言描述單元，用于對輸電線路關鍵部件的故障缺陷進行語言描述，構建缺陷語義集合。

8.根據權利要求6所述的輸電線路關鍵部件缺陷檢測系統，其特征在于，所述語義表征提取模型包括2～4個RNN循環神經網絡模型。

9.根據權利要求6所述的輸電線路關鍵部件缺陷檢測系統，其特征在于，所述圖像特征提取模型包括3～5個VGG19深度神經網絡模型。

10.根據權利要求6所述的輸電線路關鍵部件缺陷檢測系統，其特征在于，所述嵌入映射矩陣構建模塊具體包括：

映射函數訓練單元，用于基于所述語義表征和所述圖像特征訓練映射函數，使所述映射函數的損失值最小；

輸出單元，用于利用訓練好的映射函數輸出映射矩陣。