[发明专利]一种元学习小样本输电线缺陷目标检测和告警系统及方法

说明书

本发明公开了一种元学习小样本输电线缺陷目标检测和告警系统及方法，包括实现电网的缺陷检测、告警和维护过程。该方法主要分为两个部分：离线训练模块和在线检测模块，前者实现基于元学习的小样本目标检测模型的构建和训练过程；后者则将采集的图像输入到训练好的模型中，实现输电线路的缺陷检测，同时确定缺陷的严重等级，利用等级、类别和经纬度生成对应的告警信息，实现输电线缺陷检测‑信息告警‑人员维护的流水线。

技术领域

本发明涉及计算机视觉、元学习、目标检测和系统安全等领域，具体地说是一种元学习小样本输电线缺陷目标检测和告警系统及方法，应用于电力系统的缺陷检测问题。

背景技术

电网的安全涉及到国家、企业的利益，近年来，电网快速发展，输电线设备数量快速增加，存在输电线路老化的情况，同时，输电线路暴露于室外环境中，受恶劣天气影响，输电线路缺陷的情况时有发生，但是如何定位和检测输电线缺陷，目前的方法是依靠人力识别和维护，成本高，速度慢。

近年来，深度学习在图像分类、目标检测等计算机视觉问题上取得了巨大的成绩，可以考虑利用深度卷积网络识别输电线缺陷，然而，深度学习需要充足的样本训练网络，才能取得很好的效果。但是，在输电线缺陷识别问题中，缺少大量的标注样本，每一类缺陷只有几张或者十几张样本，利用深度学习网络训练，极易造成过拟合。

因此，针对电网输电线路缺陷检测问题，最大的挑战和困难在于：

1.采样难；难以取得充足样本数据，数据采集难度大，成本高；

2.标注难；缺陷检测需要正确的标注，目前的标注方法是人工标注，人力成本高，且样本标注具有主观性，若标准存在偏差，则会导致样本的不统一；

3.每一类缺陷少；每一类的缺陷图像甚至只有个位数。

输电线路的缺陷检测问题，实质上属于小样本学习的范畴，元学习为解决该问题提供了思路，该方法基于先验知识，能够从有限样本中学习，从而解决样本不足的问题。因此，本发明基于元学习方法识别输电线路的缺陷问题。

发明内容

本发明的目的是根据现有技术的不足，提供一种元学习小样本输电线缺陷目标检测和告警系统，实现输电线的缺陷检测，然后告警信息发送给维护工作人员，实现输电线缺陷检测、告警和维护。

为实现上述目的，本发明采取的技术方案为：设计一种元学习小样本输电线缺陷目标检测和告警系统，该方法分为两个部分：离线训练模块和在线检测模块；

所述离线训练模块用于训练基于元学习的目标检测模型，用于实现从有限图像样本中学习准确分类和精准定位；该模型基于元学习的思想，利用先验知识，从有限的样本中学习，并能够快速泛化到新任务中。

进一步地，所述离线训练模块主包括的训练步骤为：

步骤一，在样本充足的基类C_base上进行训练，样本包括图像信息以及对应的标注信息；

步骤二，在C_base和带有标签的输电线路缺陷C_defect上同时训练，由于输电线路缺陷图像样本数量少，第二阶段的训练需要配合C_defect，为了避免类别不均衡，基类C_base和C_defect均对应使用N个类别中k个bbox，满足N_class-K_bbox。

进一步地，所述离线训练模块中基于元学习的目标检测模型包括三个模块：特征提取模块、元学习模块和目标检测子网络；

所述特征提取模块采用了ResNet，实现query图像的特征提取，生成对应的特征向量：F_query＝D(I)，其中D代表特征提取网络，I代表输入图像，F代表特征向量。