[发明专利]一种图像数据增强处理方法、装置、终端及存储介质

说明书

本发明公开了一种图像数据增强处理方法、装置、终端及存储介质，方法包括：获取待处理图像数据；其中，待处理图像数据为无人机在预设区域巡航拍摄的多张原始图像数据；通过训练后的GAN网络模型对待处理图像数据增强处理，生成待处理图像数据的镜像图像数据；对镜像图像数据进行判别，根据判别结果输出待处理图像数据的增强数据；将增强数据及多张原始图像数据作为无人机在预设区域巡航的缺陷样本数据。本发明通过将原始图像数据进行增强处理，可以得到原始图像数据的镜像图像数据，并在此基础上生成逼真的缺陷样本，实现了缺陷样本数据库的数据增强。

技术领域

本发明涉及电力配网机巡数据处理技术领域，尤其涉及的是一种图像数据增强处理方法、装置、终端及存储介质。

背景技术

近年来，无人机巡检作业在国内电力系统内的运用得到了较快发展，南方电网公司也在“十三五”规划中明确提出了“机巡为主、人巡为辅”协同巡检模式，持续提升电力线路巡检质量、效率。以广东电网为例，截止至2020年10月，广东电网已积累近2PB机巡数据，其中原始图像高达4000万张。目前，依靠人工去识别机巡图片中的缺陷所花的时间和精力也不断增强，这给运行人员又带来了新的工作难题。

现在国内已有各种基于深度神经网络等人工智能算法用于配网缺陷识别，但由于配网机巡图像拍摄环境复杂，干扰因素多，在配网线路巡检过程中，图像的获取方式多样，拍摄设备的型号、分辨率、曝光值等参数不同，拍摄的角度、距离也有较大区别，这就导致同一种目标或缺陷在拍摄的图像将呈现多种不同的形态，这也对配网缺陷智能识别算法的研究增加了难度；因此，需要针对配网机巡拍摄的图像进行图像数据增强处理，以便于后续根据处理后的图像进行配网缺陷智能识别。

因此，现有技术还有待改进。

发明内容

本发明要解决的技术问题在于，针对现有技术缺陷，本发明提供一种图像数据增强处理方法、装置、终端及存储介质，以解决现有配网缺陷智能识别样本数据不足和质量低的技术问题。

本发明解决技术问题所采用的技术方案如下：

第一方面，本发明提供一种图像数据增强处理方法，包括：

获取待处理图像数据；其中，所述待处理图像数据为无人机在预设区域巡航拍摄的多张原始图像数据；

通过训练后的GAN网络模型对所述待处理图像数据增强处理，生成所述待处理图像数据的镜像图像数据；

对所述镜像图像数据进行判别，根据判别结果输出所述待处理图像数据的增强数据；

将所述增强数据及所述多张原始图像数据作为所述无人机在预设区域巡航的缺陷样本数据。

在一种实现方式中，所述获取待处理图像数据，之前包括：

构建镜像对称的GAN网络模型，得到用于图像数据增强处理的环形网络模型；

通过预设图像样本数据对所述GAN网络模型进行训练，得到所述训练后的GAN网络模型。

在一种实现方式中，所述GAN网络模型为对偶结构网络，所述GAN网络模型至少包括：生成器G、生成器F、鉴别器Dx、鉴别器Dy、卷积层、残差模块以及转置卷积层。

在一种实现方式中，所述通过预设图像样本数据对所述GAN网络模型进行训练，包括：

确定所述生成器G的重建Loss：

L(G_AB,G_BA,A,B)＝E_a～A[||G_AB(G_AB(a))-||₁]

确定所述鉴别器Dy的重建Loss：