[发明专利]基于人工智能和计算机视觉的变压器检测方法和装置

权利要求书

1.一种基于人工智能和计算机视觉的变压器检测方法，其特征在于，包括：

获取变压器的实况照片；

利用预先训练的变压器检测模型检测所述实况照片，获得所述变压器的检测结果；其中，所述变压器检测模型包括用于提取所述实况照片的特征的残差网络，以及用于解码所述残差网络提取的特征的极化自注意力(Polarized Self-Attention，PSA)模块和全卷积网络(Fully Convolutional Networks，FCN)模块；

当所述检测结果指示所述变压器处于异常状态时，输出变压器异常提示信息。

2.根据权利要求1所述的方法，其特征在于，训练所述变压器检测模型的过程包括：

确定待训练变压器检测模型；

获得多个样本图像；其中，所述多个样本图像包括拍摄处于异常状态的变压器得到的负样本图像和拍摄处于正常状态的变压器得到的正样本图像；每一所述样本图像均对应有预先标注的人工检测结果；

利用所述待训练变压器检测模型处理每一所述样本图像，获得每一所述样本图像的模型检测结果；

根据所述多个样本图像的人工检测结果和模型检测结果的偏差确定所述待训练变压器检测模型的模型损失；

若所述模型损失不满足预设的收敛条件，根据所述模型损失更新所述待训练变压器检测模型的参数，返回执行所述利用所述待训练变压器检测模型处理每一所述样本图像，获得每一所述样本图像的模型检测结果步骤，直至所述模型损失满足所述收敛条件为止。

3.根据权利要求1所述的方法，其特征在于，所述获取变压器的实况照片之后，还包括：

对所述实况照片进行裁剪，获得具有目标尺寸的裁剪后实况照片；

所述利用预先训练的变压器检测模型检测所述实况照片，获得所述变压器的检测结果，包括：

利用预先训练的变压器检测模型检测所述裁剪后实况照片，获得所述变压器的检测结果。

4.根据权利要求1所述的方法，其特征在于，所述残差网络包括五个阶段；

所述利用预先训练的变压器检测模型检测所述实况照片，获得所述变压器的检测结果，包括：

逐一利用所述残差网络的五个阶段处理所述实况照片，获得所述残差网络的第四阶段输出的第一特征图和第五阶段输出的第二特征图；

利用所述全卷积网络解码所述第一特征图，获得第一检测结果；

利用所述极化自注意力模块解码所述第二特征图，获得第二检测结果；

合并所述第一检测结果和所述第二检测结果，得到所述变压器的检测结果。

5.根据权利要求1所述的方法，其特征在于，所述检测结果包括，用于标注所述实况照片上存在异常状态的区域的标记框。

6.一种基于人工智能和计算机视觉的变压器检测装置，其特征在于，包括：

获取单元，用于获取变压器的实况照片；

检测单元，用于利用预先训练的变压器检测模型检测所述实况照片，获得所述变压器的检测结果；其中，所述变压器检测模型包括用于提取所述实况照片的特征的残差网络，以及用于解码所述残差网络提取的特征的极化自注意力(Polarized Self-Attention，PSA)模块和全卷积网络(Fully Convolutional Networks，FCN)模块；

输出单元，用于当所述检测结果指示所述变压器处于异常状态时，输出变压器异常提示信息。