[发明专利]一种基于生成对抗网络的高压线路绝缘子缺陷检测方法

权利要求书

1.一种基于生成对抗网络的高压线路绝缘子缺陷检测方法，其特征在于，包括以下步骤：

S1：建立图像数据集，所述的图像数据集包括训练集和测试集，所述的训练集中包括正常绝缘子图像，所述的测试集中包括正常绝缘子图像和带缺陷绝缘子图像；

S2：在GANomaly模型的编码器子网络和解码器子网络之间添加编解码器连接网络得到改进GANomaly模型，所述的编解码器连接网络将编码器子网络中各卷积层输出的特征图送入解码器子网络中进行特征融合；

S3：构建改进GANomaly模型的损失函数；

S4：将训练集输入到改进GANomaly模型进行训练，直到改进GANomaly模型的损失函数收敛至最小，获取训练好的生成对抗网络；

S5：将测试集中的带缺陷绝缘子图像送入训练好的改进GANomaly模型，获取自适应阈值；

S6：将待检测的绝缘子图像送入训练好的改进GANomaly模型，获取待检测的绝缘子图像的异常分数，若异常分数大于自适应阈值，则判断为异常图像，否则判断为正常图像。

2.根据权利要求1所述的一种基于生成对抗网络的高压线路绝缘子缺陷检测方法，其特征在于，所述的改进GANomaly模型包括生成网络和判别网络，所述的生成网络包括编码器子网络、解码器子网络和编解码器连接网络，所述的编码器子网络中包括五个卷积层，所述的解码器子网络总包括五个卷积层，所述的编解码器连接网络获取编码器子网络的五个卷积层的输出特征图后分别送入解码器子网络的五个卷积层进行逐层融合卷积。

3.根据权利要求2所述的一种基于生成对抗网络的高压线路绝缘子缺陷检测方法，其特征在于，所述的编码器子网络的五个卷积层的输出分别为特征图F₁、F₂、F₃、F₄和原始图像的潜在空间向量Z，

所述的S2中编解码器连接网络将编码器子网络中各卷积层输出的特征图送入解码器子网络中进行特征融合时具体包括：将所述的原始图像的潜在空间向量Z送入解码器子网络的第一个卷积层并输出特征图F₄'，所述的特征图F₄'与特征图F₄融合后送入解码器子网络的第二个卷积层并输出特征图F₃'，所述的特征图F₃'与特征图F₃融合后送入解码器子网络的第三个卷积层并输出特征图F₂'，所述的特征图F₂'与特征图F₂融合后送入解码器子网络的第四个卷积层并输出特征图F₁'，所述的特征图F₁'与特征图F₁融合后送入解码器子网络的第五个卷积层并输出重建图像。

4.根据权利要求2所述的一种基于生成对抗网络的高压线路绝缘子缺陷检测方法，其特征在于，所述的判别网络包括类编码器子网络，所述的类编码器子网络为在编码器子网络后添加一个密集连接层和一个sigmoid激活函数构成。

5.根据权利要求1所述的一种基于生成对抗网络的高压线路绝缘子缺陷检测方法，其特征在于，所述的S5具体包括：将测试集中的正常绝缘子图像和带缺陷绝缘子图像送入训练好的改进GANomaly模型，获取测试集中图像的异常分数，并分别获取正常绝缘子图像的异常分数概率分布曲线和带缺陷绝缘子图像的异常分数概率分布曲线，正常绝缘子图像、带缺陷绝缘子图像的异常分数概率分布曲线的交点处的异常分数值为自适应阈值。