[发明专利]绝缘子缺陷检测模型构建及绝缘子缺陷检测方法、装置

说明书

本发明提供了一种绝缘子缺陷检测模型构建及绝缘子缺陷检测方法、装置，其中，绝缘子缺陷检测模型构建方法包括：获取待检测绝缘子检测数据集；利用待检测绝缘子检测数据集对第一预设网络模型进行训练直至满足第一预设训练条件，得到绝缘子识别模型；获取由多个具有缺陷的绝缘子图像组成的绝缘子缺陷数据集；利用绝缘子缺陷数据集对第二预设网络模型进行训练直至满足第二预设训练条件，得到绝缘子分割模型，绝缘子分割模型用于对绝缘子缺陷进行定位检测；将绝缘子识别模型与绝缘子分割模型进行融合，得到绝缘子缺陷检测模型。本发明通过增加自然场景绝缘子的多样性来训练多级网络模型，提高检测模型的识别准确率。

技术领域

本发明实施例涉及图像检测技术领域，尤其涉及一种绝缘子缺陷检测模型构建及绝缘子缺陷检测方法、装置、计算机设备及存储介质。

背景技术

检测配网系统中受损的户外绝缘子，对于持续的电力供应和公共安全是至关重要的。随着深度学习不断地发展，基于深度神经网络的方法在计算机视觉领域得到应用与发展，已经有基于深度学习来实现绝缘子缺陷检测。

现有配网基于深度学习训练得出的模型，由于对自然场景破损绝缘子的多样性覆盖不足，出现了误检、漏检和鲁棒性不足的技术问题。

发明内容

本申请提供了一种绝缘子缺陷检测模型构建及绝缘子缺陷检测方法、装置、计算机设备及存储介质，来解决现有配网基于深度学习训练得出的模型，由于对自然场景破损绝缘子的多样性覆盖不足，出现了误检、漏检和鲁棒性不足的技术问题。

本发明第一方面提供了一种绝缘子缺陷检测模型构建方法，包括：获取待检测绝缘子检测数据集，待检测绝缘子检测数据集包含多种类型绝缘子的图像，其中，每一种类型的绝缘子的图像包含正常绝缘子图像和异常绝缘子图像；利用待检测绝缘子检测数据集对第一预设网络模型进行训练直至满足第一预设训练条件，得到绝缘子识别模型；获取由多个具有缺陷的绝缘子图像组成的绝缘子缺陷数据集；利用绝缘子缺陷数据集对第二预设网络模型进行训练直至满足第二预设训练条件，得到绝缘子分割模型，绝缘子分割模型用于对绝缘子缺陷进行定位检测；将绝缘子识别模型与绝缘子分割模型进行融合，得到绝缘子缺陷检测模型。

本发明实施例提供的绝缘子缺陷检测模型构建方法，一方面训练数据充足，通过对自然场景破损绝缘子多样性的充足覆盖，提高目标检测模型的识别定位准确性；另一方面通过融合用于目标检测的绝缘子识别模型和用于语义分割的绝缘子分割模型的两级网络形成绝缘子缺陷检测模型，两级网络都对缺陷进行检测，而第二级网络使用语义分割网络比第一级网络有更高的识别准确率，更能在像素级上学习更多缺陷特征。对于配网部件缺陷图像分辨率高，缺陷占比小的情况，绝缘子缺陷检测模型中第二级网络可以更好地捕捉小缺陷的特征，同时实现对第一级网络的缺陷检测的再次确认检查，可以有效改善传统检测网络误检、漏检和鲁棒性不足的技术问题。

可选地，还包括：当训练出的绝缘子缺陷检测模型包括多个，计算每一个绝缘子缺陷检测模型对应的预设评价指标；将预设评价指标满足要求的绝缘子缺陷检测模型作为可使用的绝缘子缺陷检测模型。

可选地，计算融合工程的识别精度和召回率的方法包括：获取待检测绝缘子检测数据集作为测试数据集；将测试数据集输入到绝缘子缺陷检测模型中得到绝缘子缺陷的预测坐标框；计算预测坐标框与真实坐标框的交并比；统计交并比落入预设范围的数量；基于统计结果，计算融合工程的识别精度和召回率。

可选地，还包括：对待检测绝缘子检测数据集中的图像进行预处理，其中，预处理包括数据增强。

可选地，多个具有缺陷的绝缘子图像包括对绝缘子识别模型输出识别结果为异常的图像进行裁剪后所得到的图像。

本发明第二方面提供了一种绝缘子缺陷检测方法，包括：获取待检测绝缘子巡检图像；将待检测绝缘子巡检图像输入利用第一方面任一可选的绝缘子缺陷检测模型构建方法构建得到的绝缘子缺陷检测模型中；根据绝缘子缺陷检测模型的输出结果确定待检测绝缘子是否存在缺陷。