申请/专利权人：南方电网电力科技股份有限公司

申请日：2021-09-07

公开（公告）日：2024-06-21

公开（公告）号：CN113762384B

主分类号：G06V10/764

分类号：G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2021.12.24#实质审查的生效;2021.12.07#公开

摘要：本发明公开了一种绝缘子图像的缺陷检测方法及装置，其方法包括：获取绝缘子训练集和绝缘子测试集；所述绝缘子图像集包括绝缘子本体图像及对应的缺陷标签；基于所述绝缘子数据集，构建优化的目标Cascade‑RCNN框架网络模型；将绝缘子图像输入到所述优化的目标Cascade‑RCNN框架网络模型，得到对应的预测图像；通过Cascade‑RCNN框架网络模型确定绝缘子的缺陷问题，从而提高绝缘子缺陷检测的准确性和效率。

主权项：1.一种绝缘子图像的缺陷检测方法，其特征在于，包括：获取绝缘子图像集；所述绝缘子图像集包括绝缘子本体图像及对应的缺陷标签；所述绝缘子图像集又划分为：绝缘子训练集和绝缘子测试集；基于所述绝缘子训练集中的绝缘子本体图像及对应的缺陷标签，对所构建的Cascade-RCNN模型进行迭代训练，得到训练后的Cascade-RCNN模型；基于所述绝缘子测试集中的绝缘子本体图像及对应的缺陷标签，对所述训练后的Cascade-RCNN模型进行测试，根据训练误差调整参数继续训练，得到优化的目标Cascade-RCNN模型；获取待测绝缘子本体图像，并输入所述优化的目标Cascade-RCNN模型，生成对应的绝缘子缺陷预测结果；所述绝缘子缺陷预测结果包括绝缘子绑扎线预测缺陷或绝缘子压片预测缺陷；所述基于所述绝缘子测试集中的绝缘子本体图像及对应的缺陷标签，对所述训练后的Cascade-RCNN模型进行测试，根据训练误差调整参数继续训练，得到优化的目标Cascade-RCNN模型，包括：将所述绝缘子测试集中的绝缘子本体图像输入所述训练后的Cascade-RCNN模型，生成对应的缺陷测试结果；根据所述绝缘子测试集中的绝缘子本体图像对应的缺陷测试结果和缺陷标签，确定所述训练误差；基于所述训练误差，对所述训练后的Cascade-RCNN模型进行调整，以得到最优网络参数，并采用所述最优网络参数生成所述优化的目标Cascade-RCNN模型；所述基于所述训练误差，对所述训练后的Cascade-RCNN模型进行调整，以得到最优网络参数，具体包括：基于所述缺陷测试结果与所述缺陷标签确定网络参数，并基于所述网络参数确定训练后的Cascade-RCNN模型在测试时的准确率和召回率是否符合巡检要求，若是则确定符合所述巡检要求的网络参数为最优网络参数，并保存和输出采用最优网络参数的优化的目标Cascade-RCNN模型，否则重新确定最优网络参数。

全文数据：

权利要求：

百度查询： 南方电网电力科技股份有限公司 一种绝缘子图像的缺陷检测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD