[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
【说明书】:

发明涉及一种绝缘子图像分割与缺陷检测方法、装置、存储介质及设备,利用滑动窗口分割绝缘子图像,构建绝缘子图像数据集,并对绝缘子图像数据集进行数据增强,利用增强后的数据集训练绝缘子缺陷检测模型,得到绝缘子缺陷检测固化模型,将绝缘子图像输入至训练好的绝缘子缺陷检测固化模型中进行绝缘子缺陷点的检测,本申请通过在绝缘子缺陷检测固化模型中引入注意力模块和加权的双向跨尺度特征金字塔网络,增强特征融合后的表征能力,减少了复杂背景的干扰,从而得到准确性高的绝缘子缺陷点的检测结果,提高绝缘子缺陷的检测效率。

技术领域

本发明涉及图像处理领域,尤其是涉及一种绝缘子缺陷检测方法、装置、存储介质及设 备。

背景技术

绝缘子是一种特殊的绝缘控件,主要作用是实现电气绝缘和机械固定,保证输电线路的 可靠运行,在架空输电线路中起到重要作用。近年来由于无人机技术的飞速发展,拍摄大量 电力设备及线路的图片进行人工标注后达到巡检目的。但由于无人机拍摄图片数目多,人工 标注慢,工作量大,且人工标注的方式容易因疲劳导致漏标或错标。可见使用计算机来处理 绝缘子图像,将采集到的图像送入目标检测模型实现对绝缘子缺陷的自动标注具有重要研究 价值和意义。

由于无人机航拍图像会有图像分辨率高,图像背景复杂等问题。当前现有的检测模型对 于航拍图像的检测效果较差。

发明内容

针对上述背景技术中存在的问题,本申请实施提供了一种绝缘子图像分割与缺陷检测方 法、装置、存储介质及设备,利用滑动窗口分割绝缘子图像,构建绝缘子图像数据集,并对 绝缘子图像数据集进行数据增强,增强绝缘子缺陷模型的鲁棒性。在绝缘子缺陷检测模型中 引入CA注意力机制并采用加权的双向跨尺度特征金字塔网络结构,能够提高绝缘子缺陷检测 的精度和速度。所述技术方案如下:

第一方面,本申请实施例提供了一种绝缘子图像分割与缺陷检测方法,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包括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。

第二方面,本申请实施例提供了一种绝缘子图像分割与缺陷检测装置,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。

第三方面,本申请实施例提供了一种计算机可读存储介质,其上储存有计算机程序,该 计算机程序被处理器执行时实现如上述任意一项所述的一种绝缘子图像分割与缺陷检测方法 的步骤。

第四方面,本申请实施例提供了一种计算机设备,包括存储器、处理器以及存储在所述 存储器中并可被所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如上 述任意一项所述的绝缘子图像分割与缺陷检测方法的步骤。

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/202210895310.9/2.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