[发明专利]一种基于主动学习和半监督学习的智能电力巡检方法

权利要求书

1.一种基于主动学习和半监督学习的智能电力巡检方法，其特征在于：具体包括如下步骤：

步骤1、通过无人机巡检和定点摄像头拍摄批量获得输电线路的图像数据；

步骤2、对得到的图像数据中的一部分进行人工标注，获得图像标签；

步骤3、对已标注样本进行数据增强，并将其与未标注的样本混合，再通过半监督学习对任务模型进行训练；

步骤4、通过主动学习的方法确定未标注样本与其数据增强后样本的非一致性，对不确定性较高的样本重新进行人工标注；

步骤5、重复步骤3、4，不断训练模型，识别出电力巡检场景中的各个部件情况，以及发现电网中的异物；

步骤6、基于异常检测算法分析异常部件或异物进行判断及缺陷分析，并提示工作人员进行安全处理。

2.如权利要求1所述的基于主动学习和半监督学习的智能电力巡检方法，其特征在于：所述的步骤1具体为：通过无人机巡检和定点摄像头拍摄，获取电网系统的各处图像，以数据流的方式批量导入图片处理系统；利用计算机对上述图像进行增强和复原处理，得到噪声较低的理想图片数据。

3.如权利要求1所述的基于主动学习和半监督学习的智能电力巡检方法，其特征在于：所述步骤2具体为：对图像中的输电网、电线杆、变压器、防震锤等特征目标进行人工标注；对图像中的异物和缺陷进行人工识别和标注。

4.如权利要求1所述的基于主动学习和半监督学习的智能电力巡检方法，其特征在于：所述步骤3具体为：对已标注的图像进行人为可感知和非可感知的数据增强，包括对图像进行旋转、翻转，以及对图片进行对抗处理，以增强图片噪声；读取增强后图像和未标注图像的标签向量；将未标注图像的标签向量与数据增强后图像的标签向量进行加权处理并进行融合，得到融合样本；基于融合样本和半监督训练的方法对任务模型进行训练。

5.如权利要求1所述的基于主动学习和半监督学习的智能电力巡检方法，其特征在于：所述步骤4具体为：使用经步骤3训练后的任务模型对所有未标注的图像及其增强后的图像进行标签预测，比对两者预测标签的非一致性；对标签的预测结果进行不确定性排序，筛选出不确定性过高的标签，重新进行人工标注。

6.如权利要求1所述的基于主动学习和半监督学习的智能电力巡检方法，其特征在于：所述步骤5具体为：利用经步骤4重新标注后的任务模型对电网场景中的输电网、电线杆、变压器、防震锤等特征目标进行智能标注；利用模型对电网场景中的异物、异常缺陷等特征目标进行智能标注。

7.如权利要求1所述的基于主动学习和半监督学习的智能电力巡检方法，其特征在于：所述步骤6具体为：采用物联网的方式，结合二维码和RFID卡以及手机app，实现设备一物一码管理；在计算机检测到异常时，直接通过算法对需要维修的设备进行派单、接收和撤销管理，通过人机协同控制技术对异常目标进行处理。