[发明专利]一种基于生成对抗网络的电力巡检图像中异物检测方法

说明书

本发明公开了一种基于生成对抗网络的电力巡检图像中异物检测方法，相比于其他有监督式的深度学习模型，本发明所使用的数据集只需要包含大量无标签的正样例图像数据即可，无需大量具有标签的负样例数据。解决了电力巡检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

本发明涉及图像处理技术领域，特别涉及一种基于生成对抗网络的电力巡检图像中异物检测方法。

背景技术

国家的发展离不开电力能源的发展，伴随着输电线路规模的发展，后期线路维护所需要投入的人力、物力和财力也随之增加。同时我国地域广阔，不同地区的地理环境差异很大，输电线路跨越平原、山脉、沼泽和湖泊多种地形。因此，输电线网络大部分都架设在自然环境中，极易受到“异物”的侵害，若是不能及时发现并处理这些挂线异物，将可能导致难以预计的电力事故，进而影响工厂生产用电和正常生活用电。因此有计划性地对输电线路进行巡检和维护是十分必要的。本研究中输电线上的异物搭挂现象一般是指风筝、气球、农业塑料大棚碎片等挂在架空输电线上的现象。由于大部分高压架空输电线是裸导线，线上异物的存在会使得输电线的对地放电安全距离缩短，容易对线下经过的行人、车辆或者房屋造成伤害。更严重的是，当空气中湿度使得异物的导电性超过绝缘的临界线，再加之挂线异物较长接触到了地面或者接触到了杆塔等导体，就会导致单相接地短路事故。或者由于风吹或摇晃等原因异物同时横挂在两相甚至三相导线之间时，则会导致更为严重的两相短路或三相短路事故。

经对现有技术的文献检索发现，与电线提取和电力巡检故障检测相比，国内外对输电线上的异物检测研究相对较少。一方面是因为异物检测相关技术起步较晚，发展明显落后于其他技术。另一方面，相对于电力巡检和电力线，输电线上搭挂的异物具有以下特点。首先，异物的种类多样，包含了风筝、气球、农业塑料大棚的碎片等。其次，异物的形状和颜色各异，输电线路的背景环境也各有不同，前景异物和背景的区分难度更大。因此，想要找到一种适用范围广泛且能在复杂背景中检测异物的方法非常具有挑战性。

发明内容

有鉴于此，本发明的目的是提供一种基于生成对抗网络的电力巡检图像中异物检测方法。用于解决背景技术中提出的问题。

本发明的第一方面的目的是通过以下技术方案实现的：

该种基于生成对抗网络的电力巡检图像中异物检测方法，包括以下步骤：

步骤S1：利用U-Net改进生成对抗网络的生成网络，构建对应的判别网络，并定义损失函数L；

步骤S2：将正常电力巡检图像作为正样例构建数据集，用于训练改进的异物检测模型；

步骤S3：将待测电力巡检图像输入训练好的模型；

步骤S4：模型通过生成网络重建待测电力巡检图像，得到待测电力巡检的重建图像，计算异常分数；

步骤S5：若异常分数小于某一阈值，则判断待测电力巡检图像正常；若异常分数大于某一阈值，则判断待测电力巡检图像存在异物。

进一步，所述步骤S1中，所述生成网络包括一个编码器子网络G_E，一个解码器子网络G_D；所述判别网络D包括类编码器子网络D_E，所述的编码器子网络G_E和解码器子网络G_D的结构互相对称，且尺度相同的层之间存在跳跃连接，实现层之间的直接信息传输。

进一步，所述损失函数L采用了对抗损失L_adv、语境损失L_con和潜在损失L_lat三个损失函数的加权作为训练生成网络的目标函数，最终损失函数可以表示为：

L＝λ_advL_adv+λ_conL_con+λ_latL_lat