[发明专利]一种变电设备缺陷识别方法及系统

权利要求书

1.一种变电设备缺陷识别方法，其特征在于，包括：

获取电力设备图像信息并进行预处理；将获取的电力设备图像信息输入到训练好的卷积神经网络模型，输出缺陷分类结果及缺陷位置；

其中，所述卷积神经网络模型在训练过程中，为每一个分类类别分别设置类别编号和类别系数，用以决定主导训练的类别。

2.如权利要求1所述的一种变电设备缺陷识别方法，其特征在于，所述卷积神经网络模型的训练过程包括：

获取包含特定缺陷场景的图像并进行标定，构建训练样本集；

获取训练样本的卷积特征图；

通过区域生成网络在所述卷积特征图上生成预选框；

将预选框映射到卷积特征图的对应位置，将大小不同的卷积特征图池化成大小相同的卷积特征图；

输出预测分数最高的预选框作为检测输出。

3.如权利要求2所述的一种变电设备缺陷识别方法，其特征在于，对于训练样本，使用图像增强的方法对训练样本进行预处理；对于预处理后的训练样本，经过CNN网络处理后，得到卷积特征图。

4.如权利要求2所述的一种变电设备缺陷识别方法，其特征在于，输出预测分数最高的预选框作为检测输出，具体过程包括：

对于预测分数最高的预选框M之外的其余预选框M_i，分别求取M_i与M的重合度，根据重合度对预选框M_i的预测分数进行惩罚，对惩罚后的预测分数进行排序；i＝1,2,3…N。

5.如权利要求4所述的一种变电设备缺陷识别方法，其特征在于，

当预选框M_i与预选框M的重合度低于设定阈值时，预选框M_i的预测分数不受影响；

当预选框M_i与预选框M的重合度超过设定阈值时，所述重合度越高，其预测分数越低。

6.如权利要求4所述的一种变电设备缺陷识别方法，其特征在于，基于保留的预选框M_i，能够实现对除当前识别目标之外的其余目标的识别。

7.如权利要求1所述的一种变电设备缺陷识别方法，其特征在于，获取电力设备图像信息并进行预处理，具体的预处理过程包括：图像尺度调整和图像归一化处理。

8.一种变电站设备缺陷识别系统，其特征在于，包括：

图像获取模块，被配置为用于获取电力设备图像信息并进行预处理；

缺陷识别模块，被配置为用于将获取的电力设备图像信息输入到训练好的卷积神经网络模型，输出缺陷分类结果及缺陷位置；

其中，所述卷积神经网络模型在训练过程中，为每一个分类类别分别设置类别编号和类别系数，用以决定主导训练的类别。

9.一种终端设备，其包括处理器、GPU显卡和存储器，处理器用于实现各指令；GPU用于高效的矩阵计算和卷积计算；存储器用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-7任一项所述的变电设备缺陷识别方法。

10.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的变电设备缺陷识别方法。