[发明专利]一种检测模型生成方法及绝缘子缺陷检测方法

说明书

本发明公开了计算机视觉领域的一种检测模型生成方法及绝缘子缺陷检测方法，旨在解决绝缘子缺陷检测技术问题。所述检测模型包括教师网络和学生网络；所述检测模型生成方法引入了协同学习标签分配蒸馏，允许教师网络和学生网络基于动态切换准则相互训练，动态切换师生关系，该过程不再依赖于单一网络，因此，可以降低局部最小陷阱的风险，使检测模型更具适应性。所述绝缘子缺陷检测方法采用通过该方法生成的检测模型进行检测，根据检测模型输出的检测结果获取绝缘子缺陷检测结果，能够提高绝缘子缺陷检测结果的准确性。

技术领域

本发明涉及一种检测模型生成方法及绝缘子缺陷检测方法，属于计算机视觉技术领域。

背景技术

绝缘子是输电线路中重要的电力设备之一，以其优越的绝缘性能在输电线路中负责固定载流导体，防止电流回地，是不可或缺的电力设备。绝缘子故障是电网安全稳定运行的重要威胁之一，相关数据显示，每年绝缘子故障引发的事故超过电网故障的一半。因此，绝缘子的维护已成为电网检修的首要任务。

同时随着无人机电力巡检系统的不断发展，无人机航拍图像数据日益丰富，航拍图像的智能分析引起了国内外学者的广泛关注。作为保障输电线路安全稳定的首要设备，绝缘子缺陷检测得到了研究者的重视。绝缘子的智能识别是通过提取图像的手工特征或者深度特征，来获取绝缘子的位置信息和状态信息。整个过程通常包括：预处理、特征提取、分割及类别划分等流程。由于含有绝缘体信息的图像特征复杂，通过浅层的学习技术识别绝缘子的缺陷的结果不显著。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种检测模型生成方法及绝缘子缺陷检测方法，以提高绝缘子缺陷检测结果的准确性。

为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种检测模型生成方法，所述检测模型包括教师网络和学生网络，所述生成方法包括：

将标注有检测结果的图像样本输入至当前教师网络，获取当前教师网络的检测结果；

根据当前教师网络的检测结果，计算当前教师网络的损失分布，并为当前学生网络生成标签；

将标注有检测结果的图像样本输入至当前学生网络，获取当前学生网络的检测结果；

将当前教师网络所生成的标签蒸馏至当前学生网络中，结合当前学生网络的检测结果计算当前学生网络的损失分布，并根据当前学生网络的损失分布优化当前学生网络权重；

根据当前教师网络的损失分布、当前学生网络的损失分布分别计算当前教师网络和当前学生网络的评价指标，根据评价指标动态切换教师网络和学生网络，重复上述步骤直至迭代次数为零，从而生成所述检测模型。

结合第一方面，进一步的，所述教师网络采用概率锚分配与ResNet50网络相结合作为主干网络。

结合第一方面，进一步的，所述学生网络采用概率锚分配与ResNet101网络相结合作为主干网络。

结合第一方面，进一步的，为当前学生网络生成标签的方法包括：

将当前教师网络的检测结果作为软标签，通过当前教师网络动态分配获取硬标签。

结合第一方面，进一步的，通过下述KL散度公式计算当前学生网络的损失分布：

其中，p_t为教师网络动态分配的硬标签，p_s表示学生网络的预测标签，c是数据集中共C个类的索引，w^c是焦点项。

结合第一方面，进一步的，所述评价指标包括标准差/平均分数和费舍尔分数；

其中，所述标准差/平均分数的表达式如下：