[发明专利]电力设备缺陷检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种电力设备缺陷检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取待检测的电力设备巡检图像，对电力设备巡检图像进行缺陷类别识别，得到电力设备巡检图像的缺陷类别识别结果，根据缺陷类别识别结果，对应调用已训练的电力设备缺陷检测模型对电力设备巡检图像进行缺陷检测，得到缺陷检测结果，其中，电力设备缺陷检测模型包括基于不同缺陷类别的历史电力设备巡检图像集训练得到的多个电力设备缺陷检测模型。采用本方法能够有效降低电力设备缺陷检测模型的检测难度，提升电力设备缺陷检测结果的精度。

技术领域

本申请涉及电力设备检测技术领域，特别是涉及一种电力设备缺陷检测方法、装置、计算机设备、存储介质和计算机程序产品。

背景技术

电力系统通常部署在户外，经过常年的风吹日晒，电力系统中的电力设备可能会出现多种多样的故障，比如异物入侵和鸟类筑巢引起短路和油液渗漏引起爆炸等。因此，对电力设备进行缺陷检测，及时发现故障并确定故障原因显得愈发重要。

目前，常用的电力设备缺陷检测方法为基于人工智能的电力设备缺陷检测方法，该方使用自动特征学习算法，通过对大量电力设备的历史数据和故障信息进行分析，自动学习电力设备缺陷的特征，并自动生成电力设备缺陷检测模型，能够大大减少了人工选择特征和模型试错的时间和成本。

然而，上述基于人工智能的电力设备检测方法，对于识别不同的缺陷类型和环境情况方面存在检测精度不高的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种检测精度更高的电力设备缺陷检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

第一方面，本申请提供了一种电力设备缺陷检测方法。所述方法包括：

获取待检测的电力设备巡检图像；

对电力设备巡检图像进行缺陷类别识别，得到电力设备巡检图像的缺陷类别识别结果；

根据缺陷类别识别结果，对应调用已训练的电力设备缺陷检测模型对电力设备巡检图像进行缺陷检测，得到缺陷检测结果；

其中，电力设备缺陷检测模型包括基于不同缺陷类别的历史电力设备巡检图像集训练得到的多个电力设备缺陷检测模型。

在其中一个实施例中，对电力设备巡检图像进行缺陷类别识别，得到电力设备巡检图像的缺陷类别识别结果包括：

调用已训练的电力设备缺陷识别网络对电力设备巡检图像进行缺陷类别识别，得到电力设备巡检图像的缺陷类别识别结果；

其中，已训练的电力设备缺陷识别网络基于历史电力设备巡检图像集训练得到。

在其中一个实施例中，电力设备缺陷识别网络对电力设备巡检图像进行缺陷类别识别，得到电力设备巡检图像的缺陷类别识别结果的过程包括以下步骤：

提取电力设备巡检图像的特征数据；

对特征数据进行池化操作，得到池化处理结果；

将池化处理结果与各缺陷类别对应的权重矩阵相乘并添加偏置项，得到分类器输入数据；

将分类器输入数据转换为类别概率分布，得到各缺陷类别的概率分布结果；

根据各缺陷类别的概率分布结果，得到电力设备巡检图像的缺陷类别识别结果。

在其中一个实施例中，电力设备缺陷检测模型基于生成式对抗神经网络训练得到；

电力设备缺陷检测模型对电力设备巡检图像进行缺陷检测包括：

将电力设备巡检图像输入至电力设备缺陷检测模型中的生成器，生成电力设备巡检近似图像；