[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

说明书

本发明涉及一种基于生成对抗网络的高压线路绝缘子缺陷检测方法，包括以下步骤：建立图像数据集；构建改进GANomaly模型，改进GANomaly模型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；构建改进GANomaly模型的损失函数；训练改进GANomaly模型；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；将待检测的绝缘子图像送入训练好的改进GANomaly模型判断图像类型。与现有技术相比，本发明解决了绝缘子图像中负样例数量少、难采集、需要大量精力去标注数据等问题，提高了训练过程的可行性和适应性。

技术领域

本发明涉及绝缘子缺陷检测领域，尤其是涉及一种基于生成对抗网络的高压线路绝缘子缺陷检测方法。

背景技术

绝缘子是高压输电系统中用于电气隔离和机械固定电线的重要设备。绝缘子故障直接威胁着输电线路的稳定和安全。从统计上看，由绝缘子缺陷引起的事故占电力系统故障的比例最高。因此，智能及时地检测绝缘子缺陷就显得尤为重要。近年来，随着直升机、无人机等高空作业平台的出现，其工作高效、准确、安全，已成为电力设备检测的重要工具，为了克服人工检测的局限性，开发自动化缺陷检测技术已成为迫切需求。

现有技术多集中在通过对高压线路绝缘子的航拍图像进行分析处理，来判断其是否存在缺陷，以及确定缺陷的具体位置。在中国专利CN106780438A公开了一种基于图像处理的绝缘子缺陷检测方法及系统，该方法采用基于图像处理的算法，先对绝缘子图像做预处理，提取出单通道绝缘子图像的边缘轮廓，进行形态学的腐蚀、膨胀等计算，得到伪标准二值图像，通过对比来判断绝缘子是否存在缺陷。其优点是容易实现，运算简单。但是该方法需要用到大量存在缺陷的绝缘子图像数据，在实际中缺陷样本数量少、获取难度大，而且由于运算简单，结果容易受到真实样本中塔、山、河等复杂背景的影响，没有较高的鲁棒性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于生成对抗网络的高压线路绝缘子缺陷检测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于生成对抗网络的高压线路绝缘子缺陷检测方法，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。

优选地，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。

优选地，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，