[发明专利]一种基于深度学习的变电站设备漏油检测方法及检测系统

权利要求书

1.一种基于深度学习的变电站设备漏油检测方法，其特征在于，包括以下步骤：

步骤1、获取终端设备发送的待检测设备照片；

步骤2、对深度卷积神经网络模型进行训练，得到设备漏油缺陷识别模型；

步骤3、对待检测设备照片进行预处理；

步骤4、将预处理后的照片输入至设备漏油缺陷识别模型中，得到待检测设备照片中的设备漏油缺陷信息，并发送至终端设备。

2.根据权利要求1所述的一种基于深度学习的变电站设备漏油检测方法，其特征在于，所述步骤1还包括根据所述待检测设备照片所处场景不同进行分类，将不同场景的待检测设备照片分类到不同的照片类别中。

3.根据权利要求2所述的一种基于深度学习的变电站设备漏油检测方法，其特征在于，所述步骤2包括以下步骤：

步骤2.1、获取大于1张的包含变电站设备漏油缺陷的照片样本；

步骤2.2、根据照片样本中电力设备所处场景不同进行分类，获得至少一个照片类别；

步骤2.3、对每个照片类别中各照片样本进行白化处理，调整各照片样本的尺寸，对照片样本进行数据增强，得到各照片类别下的照片样本集合；

步骤2.4、从照片样本集合中随机抽取照片样本得到待训练照片样本集合及待校验照片样本集合；

步骤2.5、将待训练照片样本集合中的照片样本依次输入深度卷积神经网络模型，利用随机梯度下降法对深度卷积神经网络模型进行训练，得到设备漏油缺陷分类检测模型；

步骤2.6、利用待校验照片样本集合中的照片样本校验设备漏油缺陷分类检测模型，得到设备漏油缺陷识别模型。

4.根据权利要求3所述的一种基于深度学习的变电站设备漏油检测方法，其特征在于，所述步骤3的预处理包括：

步骤3.1、对待检测设备照片进行白化处理，以过滤照片中的噪声像素；其中，白化处理后的各待检测设备照片的像素均为0且像素方差为1；

步骤3.2、调整白化处理后的待检测设备照片的尺寸，使之与设备漏油缺陷识别模型的输入参数匹配。

5.一种基于深度学习的变电站设备漏油检测系统，包括与变电站内的终端设备连接的电子装置，其特征在于，电子装置包括照片获取模块、模型训练模块、照片预处理模块、设备漏油缺陷识别模块及信息发送模块；

照片获取模块用于获取终端设备发送的待检测设备的照片；

模型训练模块用于对深度卷积神经网络模型进行训练，得到设备漏油缺陷识别模型；

照片预处理模块对照片获取模块获取到的照片进行预处理后，发送至设备漏油缺陷识别模块；

设备漏油缺陷识别模块将预处理后的照片输入至设备漏油缺陷识别模型中，得到照片中的设备漏油缺陷信息；

信息发送模块将设备漏油缺陷识别模型得到的设备漏油缺陷信息发送至终端设备。

6.根据权利要求5所述的一种基于深度学习的变电站设备漏油检测系统，其特征在于，所述电子装置还包括照片分类模块，用于对照片获取模块获取的照片根据照片中电力设备所处场景不同进行分类，将不同场景的照片分类到不同的照片类别中。