[发明专利]一种变电设备油渗漏缺陷检测装置及方法

权利要求书

1.一种变电设备油渗漏缺陷的检测方法，其特征在于，包括检测装置，所述检测装置包括顺次连接的变电设备的油渗漏缺陷区域检测模块和油污与水渍甄别模块，所述油渗漏缺陷区域检测模块用以检测变电设备缺陷区域；所述油污与水渍甄别模块用以甄别变电设备缺陷属于油污还是水渍；

所述检测方法包括以下步骤：

（1）搜集变电设备油渗漏缺陷样本以及较难区分的水渍样本；

（2）在不区分油污与水渍的前提下，对搜集的训练样本进行语义标注并制作训练集、验证集和测试集，训练基于区域建议的目标检测深度学习模型；

（3）将样本中变电设备含有油污与水渍的区域予以区分、裁剪，分别标注后，制作成训练集、验证集和测试集，训练二分类深度学习模型；

（4）使用目标检测深度学习模型对待检测样本进行检测；

（5）将目标检测深度学习模型的检测结果裁剪另存，再将裁剪结果送入二分类深度学习模型进行进一步甄别，给出最终的检测结果。

2.根据权利要求1所述变电设备油渗漏缺陷的检测方法，其特征在于：所述变电设备的油渗漏缺陷区域检测模块采用目标检测深度学习模型检测变电设备缺陷区域。

3.根据权利要求1所述变电设备油渗漏缺陷的检测方法，其特征在于：所述油污与水渍甄别模块采用二分类深度学习模型甄别变电设备缺陷属于油污还是水渍。

4.根据权利要求1所述变电设备油渗漏缺陷的检测方法，其特征在于：步骤（2）中，所述训练基于区域建议的目标检测深度学习模型时选用Faster-RCNN、YOLO、SSD模型中的一种作为训练对象。

5.根据权利要求1所述变电设备油渗漏缺陷的检测方法，其特征在于：步骤（2）中，采用标注工具labelImg对样本中的油污区域进行标注。

6.根据权利要求1所述变电设备油渗漏缺陷的检测方法，其特征在于：步骤（3）中，所述训练二分类深度学习模型时选用VGG16、GoogleNet、Res15模型中的一种作为训练对象。

7.根据权利要求1所述变电设备油渗漏缺陷的检测方法，其特征在于：步骤（5）中，所述二分类深度学习模型裁剪并另存得到的图片进行甄别，将油污与水渍予以区分，给出最终的检测结果。