[发明专利]绝缘子图像分割与缺陷检测方法、装置、存储介质及设备在审

专利信息
申请号: 202210895310.9 申请日: 2022-07-26
公开(公告)号: CN115641288A 公开(公告)日: 2023-01-24
发明(设计)人: 尹韬;黄进波;冯洁文;唐小煜 申请(专利权)人: 华南师范大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06T5/50
代理公司: 广州骏思知识产权代理有限公司 44425 代理人: 叶琼园
地址: 510006 广东省广州市番禺区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 绝缘子 图像 分割 缺陷 检测 方法 装置 存储 介质 设备
【权利要求书】:

1.一种绝缘子图像分割与缺陷检测方法,其特征在于,包括以下步骤:

获取绝缘子图像;

利用滑动窗口将绝缘子图像分割,构建绝缘子图像数据集,对所述绝缘子图像数据集进行数据增强处理;

构建绝缘子缺陷检测模型;其中,所述绝缘子缺陷检测模型引入了注意力模块和加权的双向跨尺度特征金字塔网络;

利用数据增强后的绝缘子图像数据集对所述绝缘子缺陷检测模型进行训练,得到绝缘子缺陷检测固化模型;

通过所述绝缘子缺陷检测固化模型对图像中的绝缘子缺陷进行检测,获得绝缘子缺陷的检测结果和缺陷位置。

2.根据权利要求1所述的一种绝缘子图像分割与缺陷检测方法,其特征在于,所述的滑动窗口包括尺寸为1024*1024的滑动窗口和尺寸为2048*2048的滑动窗口,通过两个滑动窗口对所述绝缘子图像进行两次不同尺度的滑窗分割。

3.根据权利要求1所述的一种绝缘子图像分割与缺陷检测方法,其特征在于,所述对绝缘子图像数据集进行数据增强,包括步骤:对图像进行缩放、平移、翻折、旋转以及亮度的改变。

4.根据权利要求1所述的一种绝缘子图像分割与缺陷检测方法,其特征在于,所述绝缘子缺陷检测模型基于YOLOv5目标检测模型构建,通过所述绝缘子缺陷检测固化模型对图像中的绝缘子缺陷进行检测的步骤具体包括:

将所述绝缘子图像输入绝缘子缺陷检测固化模型,通过绝缘子缺陷检测固化模型提取绝缘子图像特征并融合,通过预测头获得绝缘子缺陷位置预测框,得到绝缘子缺陷的检测结果和缺陷位置。

5.根据权利要求1所述的一种绝缘子图像分割与缺陷检测方法,其特征在于,在利用滑动窗口将绝缘子图像分割之后,还包括:

按照设定的采样值,对分割后得到的若干子图进行下采样;

将下采样后的若干子图输入U-net模型进行图像分割,得到各子掩模图像;

对所述各子掩模图像进行形态学滤波,并合成与所述绝缘子图像尺寸一致的掩模图像。

6.根据权利要求5所述的一种绝缘子图像分割与缺陷检测方法,其特征在于,所述若干子图包括子图及其对应的设有人工标注的子掩模图;

在将下采样后的若干子图输入U-net模型进行图像分割,得到若干子掩模图像的步骤之前,还包括:

按照预设的抽样率,随机抽取部分子图作为训练样本;

按照以下方式,设置所述U-net模型的训练参数:训练批尺寸为4,学习率为10e-6,网络分辨率为512×512,最大批数为50,丢失概率为0.5;

根据所述训练样本和所述U-net模型的训练参数,对所述U-net模型进行训练。

7.根据权利要求5所述的一种绝缘子图像分割与缺陷检测方法,其特征在于,在合成与所述绝缘子图像尺寸一致的掩模图像的步骤之后,还包括:

获取人工标注的绝缘子图像;

按照以下方式,获取所述掩模图像的精度:

其中,Dice(A,B)为所述掩模图像的精度,A为所述人工标注的绝缘子图像中的标注区域,B为所述掩模图像中的感兴趣区域。

8.一种绝缘子图像分割与缺陷检测装置,其特征在于,包括:

图像获取模块,用于获取绝缘子图像;

滑窗分割模块,用于利用滑动窗口将绝缘子图像分割,构建绝缘子图像数据集,对所述绝缘子图像数据集进行数据增强处理;

模型构建模块,用于构建绝缘子缺陷检测模型,其中,所述绝缘子缺陷检测模型包括注意力模块和加权的双向跨尺度特征金字塔网络;

模型训练模块,用于利用数据增强后的绝缘子图像数据集对所述绝缘子缺陷检测模型进行训练,得到绝缘子缺陷检测固化模型;

缺陷识别模块,用于通过所述绝缘子缺陷检测固化模型对图像中的绝缘子缺陷进行检测,获得绝缘子缺陷的检测结果和缺陷位置。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南师范大学,未经华南师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210895310.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top