[發明專利]基于視覺上下文約束學習的電網缺陷檢測方法和裝置

有效

• 申請號: 202210274284.8
• 申請日: 2022-03-18
• 公開（公告）號: CN114359285B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 黃文琦;吳洋;李鵬;曾群生;陳佳捷;習偉
• 申請（專利權）人: 南方電網數字電網研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06V10/44;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 陳金普

1.一種基于視覺上下文約束學習的電網缺陷檢測方法，其特征在于，包括：

獲取待測電網圖片；

對所述待測電網圖片進行場景識別，得到電網場景；其中，所述電網場景表征所述待測電網圖片中輸電線路所處的位置；

根據所述電網場景提取所述待測電網圖片的目標區域；

對所述目標區域進行缺陷識別，得到缺陷檢測結果；

所述根據所述電網場景提取所述待測電網圖片的目標區域包括：

通過所述電網場景對應的區域提取模型對所述待測電網圖片進行處理，得到所述待測電網圖片對應的目標區域；

所述電網場景對應的區域提取模型為第一改進的YOLOv4模型；所述第一改進的YOLOv4模型包括：第一主干網絡層、第一Bneck模塊層、第一FPN層、第二Bneck模塊層、第一PAN層以及第一預測網絡層；

所述通過所述電網場景對應的區域提取模型，對所述待測電網圖片進行處理，得到所述待測電網圖片對應的目標區域包括：

通過所述第一主干網絡層對所述待測電網圖片進行處理，得到多個不同尺度的第一電網特征圖；

通過所述第一Bneck模塊層中與各尺度對應的第一Bneck模塊對所述多個不同尺度的第一電網特征圖分別進行處理，得到多個不同尺度的第二電網特征圖；

通過所述第一FPN層對所述多個不同尺度的第二電網特征圖進行處理，得到多個不同尺度的第三電網特征圖；

通過所述第二Bneck模塊層中與各尺度對應的第二Bneck模塊對所述多個不同尺度的第三電網特征圖分別進行處理；得到多個不同尺度的第四電網特征圖；

通過所述第一PAN層對所述多個不同尺度的第四電網特征圖進行處理，得到多個不同尺度的第五電網特征圖；

通過所述第一預測網絡層對所述多個不同尺度的第五電網特征圖進行處理，得到所述待測電網圖片對應的目標區域。

2.根據權利要求1所述的方法，其特征在于，所述對所述目標區域進行缺陷識別，得到缺陷檢測結果包括：

通過所述電網場景對應的缺陷識別模型對所述待測電網圖片對應的目標區域進行處理，得到缺陷檢測結果。

3.根據權利要求2所述的方法，其特征在于，所述電網場景對應的缺陷識別模型為第二改進的YOLOv4模型；所述第二改進的YOLOv4模型包括：第二主干網絡層、第三Bneck模塊層、第二FPN層、第四Bneck模塊層、第二PAN層以及第二預測網絡層；

所述通過所述電網場景對應的缺陷識別模型對所述待測電網圖片對應的目標區域進行處理，得到缺陷檢測結果包括：

通過第二主干網絡層對所述目標區域進行處理，得到多個不同尺度的第一區域特征圖；

通過所述第三Bneck模塊層中與各尺度對應的第三Bneck模塊對所述多個不同尺度的第一區域特征圖進行處理，得到多個不同尺度的第二區域特征圖；

通過所述第二FPN層對所述多個不同尺度的第二區域特征圖進行處理，得到多個不同尺度的第三區域特征圖；

通過所述第四Bneck模塊層中與各尺度對應的第四Bneck模塊對所述多個不同尺度的第三區域特征圖分別進行處理，得到多個不同尺度的第四區域特征圖；

通過所述第二PAN層對所述多個不同尺度的第四區域特征圖進行處理，得到多個不同尺度的第五區域特征圖；

通過所述第二預測網絡層對所述多個不同尺度的第五區域特征圖進行處理，得到缺陷檢測結果。

4.根據權利要求1所述的方法，其特征在于，所述第一主干網絡層為MobileNetv3算法。

5.根據權利要求1至4任意一項所述的方法，其特征在于，在所述獲取待測電網圖片之后，所述對所述待測電網圖片進行場景識別之前，還包括：

對所述待測電網圖片進行預處理。