雾天绝缘子缺陷检测方法、装置、电子设备和存储介质与流程

本发明涉及电力系统巡检，尤其涉及一种雾天绝缘子缺陷检测方法、装置、电子设备和存储介质。

背景技术：

1、绝缘子是高压输电系统中的关键组件，其缺陷是导致电力系统事故的重要因素之一。因此对于绝缘子的缺陷检测十分重要。

2、在晴朗天气条件下，由于有大量的标记数据以及各种精细化的技术，现有技术已能有效识别和定位绝缘子缺陷，但是在大雾等恶劣天气条件下，绝缘子缺陷检测仍然面临巨大的挑战。这主要是由于从晴天获取的图像数据训练的检测模型在多雾环境下遭受严重的性能衰退，原因在于晴天与雾天之间存在明显的域偏移问题，即不同天气条件下获取的图像特征分布存在显著差异。

3、传统的应对雾天影响的方法主要是通过图像处理技术改善图像的视觉清晰度，如去雾算法，这虽然在一定程度上改善了图像质量，但通常伴随高昂的计算成本，并且这些方法无法根本解决由于天气变化导致的图像特征分布的根本变化。此外，尽管直接在雾天条件下收集的图像数据上训练模型能在一定程度上改善性能，但这种方法的实施受限于数据收集和标注成本极高的问题。

技术实现思路

1、本发明提供了一种雾天绝缘子缺陷检测方法、装置、电子设备和存储介质，以解决因为去雾算法带来的计算成本高的问题，减少模型训练过程中对于大量标记数据的依赖，实现高效且准确的对于绝缘子缺陷的检测。

2、根据本发明的一方面，提供了一种雾天绝缘子缺陷检测方法，该方法包括：

3、获取训练集，所述训练集包括源域和目标域，所述源域为晴天条件下的有缺陷标记的绝缘子图像数据的集合，所述目标域为预设浓度雾天条件下无缺陷标记的绝缘子图像数据的集合；

4、基于所述训练集对预训练模型进行训练，获得目标yolo模型；所述预训练模型由预训练yolo模型和域分类器构成；所述目标yolo模型为所述预训练模型的目标损失小于或等于预设损失值时对应的预训练yolo模型，所述域分类器用于对图像特征信息进行域分类结果的预测；所述图像特征信息为基于所述预训练yolo模型从所述训练集中绝缘子图像数据中提取的从全局到局部的特征信息，所述域分类结果用于描述所述图像特征信息属于源域或目标域的概率值；

5、获取预设浓度雾气对应的目标绝缘子图像数据，基于所述目标yolo模型对所述目标绝缘子图像数据进行缺陷检测，获得绝缘子缺陷检测结果。

6、根据本发明的另一方面，提供了一种雾天绝缘子缺陷检测装置，该装置包括：

7、训练集获取模块，用于获取训练集，所述训练集包括源域和目标域，所述源域为晴天条件下的有缺陷标记的绝缘子图像数据的集合，所述目标域为预设浓度雾天条件下无缺陷标记的绝缘子图像数据的集合；

8、训练模块，用于基于所述训练集对预训练模型进行训练，获得目标yolo模型；所述预训练模型由预训练yolo模型和域分类器构成；所述目标yolo模型为所述预训练模型的目标损失小于或等于预设损失值时对应的预训练yolo模型，所述域分类器用于对图像特征信息进行域分类结果的预测；所述图像特征信息为基于所述预训练yolo模型从所述训练集中绝缘子图像数据中提取的从全局到局部的特征信息，所述域分类结果用于描述所述图像特征信息属于源域或目标域的概率值；

9、预测模块，用于获取预设浓度雾气对应的目标绝缘子图像数据，基于所述目标yolo模型对所述目标绝缘子图像数据进行缺陷检测，获得绝缘子缺陷检测结果。

10、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

11、至少一个处理器；以及

12、与所述至少一个处理器通信连接的存储器；其中，

13、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的雾天绝缘子缺陷检测方法。

14、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的雾天绝缘子缺陷检测方法。

15、本发明实施例的技术方案，获取训练集，训练集包括源域和目标域，源域为晴天条件下的有缺陷标记的绝缘子图像数据的集合，目标域为预设浓度雾天条件下无缺陷标记的绝缘子图像数据的集合；此训练集中的目标域的数据为未进行缺陷标记的数据，大大的减少了对大量标记数据的依赖，在实际应用中可以显著降低数据收集和标注的成本和工作量。进一步的基于训练集对预训练模型进行训练，获得目标yolo模型；因为，预训练模型由预训练yolo模型和域分类器构成；目标yolo模型为预训练模型的目标损失小于或等于预设损失值时对应的预训练yolo模型，域分类器用于对图像特征信息进行域分类结果的预测；图像特征信息为基于预训练yolo模型从训练集中绝缘子图像数据中提取的从全局到局部的特征信息，域分类结果用于描述图像特征信息属于源域或目标域的概率值；训练过程中域分类器的加入，有效对齐了源域(晴天图像)和目标域(雾天图像)之间的特征分布，显著减少了由于天气变化导致的域偏移问题；从而获取预设浓度雾气对应的目标绝缘子图像数据，基于目标yolo模型对目标绝缘子图像数据进行缺陷检测，获得绝缘子缺陷检测结果，提高了在雾天条件下绝缘子缺陷的检测精度和效率，提升了电力系统的运行安全和可靠性。

16、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种雾天绝缘子缺陷检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，获取训练集，包括：

3.根据权利要求2所述的方法，其特征在于，所述域分类器包括至少一个图像级域分类器和至少一个实例级域分类器，所述图像级域分类器用于处理绝缘子图像数据在全局图像层面上的特征分布差异，所述实例级域分类器用于处理绝缘子图像数据在局部图像层面上的特征分布差异，所述图像级域分类器由梯度反转层、卷积层、批标准化层和激活函数组成，所述实例级域分类器由梯度反转层、全连接层、激活函数和dropout层组成；

4.根据权利要求3所述的方法，其特征在于，基于所述训练集对预训练模型进行训练，获得目标yolo模型之前，所述方法包括：

5.根据权利要求4所述的方法，其特征在于，基于所述训练集对预训练模型进行训练，获得目标yolo模型，包括：

6.根据权利要求5所述的方法，其特征在于，基于所述第一域分类结果和所述第一域标签确定所述图像级域分类器的第一损失值，包括：

7.根据权利要求5或6所述的方法，其特征在于，基于所述训练集对预训练模型进行训练，获得目标yolo模型，包括：

8.一种雾天绝缘子缺陷检测装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述电子设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的雾天绝缘子缺陷检测方法。

技术总结
本发明公开了一种雾天绝缘子缺陷检测方法、装置、电子设备和存储介质。该方法包括：基于训练集对预训练模型进行训练，获得目标YOLO模型；预训练模型由预训练YOLO模型和域分类器构成；域分类器用于对图像特征信息进行域分类结果的预测；图像特征信息为基于预训练YOLO模型从训练集中绝缘子图像数据中提取的从全局到局部的特征信息，域分类结果用于描述图像特征信息属于源域或目标域的概率值；获取预设浓度雾气对应的目标绝缘子图像数据，基于目标YOLO模型对目标绝缘子图像数据进行缺陷检测，获得绝缘子缺陷检测结果。本发明解决因为去雾算法带来的计算成本高的问题，减少模型训练过程中对于大量标记数据的依赖，实现高效且准确的对于绝缘子缺陷的检测。

技术研发人员：张素丽,熊鑫欣,肖建华,徐敏,祝水根,黄祖伟,郑细烨,林心昊,陈耿,李飞,黄柏熊,喻磊,黄勇东,黄烁,陈佳鹏,段舒尹,刘超,谢庭军,陈锐忠,原吕泽芮,毛文瑞,吴永峰,罗宗文,刘胤良,张晓彬,李戎,彭汉明,曾威,林晓波,黄鸿杰,池小佳
受保护的技术使用者：广东电网有限责任公司
技术研发日：
技术公布日：2024/12/5