[发明专利]输变电设备故障检测方法及装置、终端、存储介质

权利要求书

1.一种输变电设备故障检测方法，其特征在于，包括：

获取目标输变电设备的历史图像数据，对所述历史图像数据进行聚类处理，得到多个图像数据类；

对于每个图像数据类，基于该图像数据类中的历史图像数据训练得到该图像数据类对应的神经网络模型；

获取目标图像数据，所述目标图像数据为目标输变电设备的图像数据；

判断所述目标图像数据所属的图像数据类，得到目标数据类；

将所述目标图像数据输入至目标数据类对应的神经网络模型中，得到所述目标输变电设备的故障检测结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括训练每个图像数据类对应的神经网络模型的步骤，所述训练每个图像数据类对应的神经网络模型包括：

获取目标输变电设备对应的训练样本，对所述训练样本进行扩充，得到每个图像数据类对应的目标训练样本；

基于所述每个图像数据类对应的目标训练样本训练得到对应的神经网络模型。

3.根据权利要求2所述的方法，其特征在于，所述对所述训练样本进行扩充，包括：

使用几何变换类和颜色变换类的单样本数据增强方法，进行扩充；

其中，所述几何变换类的单样本数据增强方法为包括翻转，旋转，裁剪，变形，缩放在内的操作；所述颜色变换类的单样本数据增强方法为包括噪声、模糊、颜色变换、擦除、填充在内的操作。

4.根据权利要求2所述的方法，其特征在于，所述对所述训练样本进行扩充，包括：

对所述训练样本中目标输变电设备的故障位置进行标注，并基于故障位置将其裁剪为包含故障位置的故障图像块和不包含故障位置的背景图像块；

裁剪得到故障图像块后，对任一背景图像块和任一故障图像块进行拼接后，得到目标训练样本；

其中，拼接过程包括：在任一背景图像块中随机选择插入区域，并在插入区域中拼接任一故障图像块，以此得到目标训练样本。

5.根据权利要求2所述的方法，其特征在于，所述获取目标输变电设备对应的训练样本，包括：

获取目标输变电设备对应的第一训练样本和第二训练样本；其中，所述第一训练样本为未经校验的训练样本，所述第二训练样本为经过校验的训练样本；

对所述第一训练样本进行随机划分，得到多组划分样本；

筛选步骤：基于所述第二训练样本训练得到样本分类器，将每组划分样本依次输入至所述样本分类器中，若某组划分样本在样本分类器中的分类精度达到预设精度，则将该组划分样本中的各个训练样本添加至第二训练样本；

重复所述筛选步骤直至第二训练样本中训练样本的数量达到预设阈值；

其中，训练样本的数量达到预设阈值的第二训练样本为所述目标输变电设备对应的训练样本。

6.根据权利要求1所述的方法，其特征在于，所述神经网络模型包含：输入层、一个或多个隐藏层和输出层，输入的目标图像数据通过隐含层变换达到输出层，在输出层得到所述目标输变电设备的故障检测结果。

7.根据权利要求1所述的方法，其特征在于，所述神经网络模型包括：卷积神经网络、深度神经网络、递归神经网络、全连接神经网络。

8.一种输变电设备故障检测装置，其特征在于，包括：

历史数据获取模块，用于获取目标输变电设备的历史图像数据，对所述历史图像数据进行聚类处理，得到多个图像数据类；

模型建立模块，用于对于每个图像数据类，基于该图像数据类中的历史图像数据训练得到该图像数据类对应的神经网络模型；

目标数据获取模块，用于获取目标图像数据，所述目标图像数据为目标输变电设备的图像数据；

类别判断模块，用于判断所述目标图像数据所属的图像数据类，得到目标数据类；

结果输出模块，用于将所述目标图像数据输入至目标数据类对应的神经网络模型中，得到所述目标输变电设备的故障检测结果。