[发明专利]基于视觉上下文约束学习的电网缺陷检测方法和装置

说明书

本申请涉及一种基于视觉上下文约束学习的电网缺陷检测方法、装置、计算机设备和存储介质。所述电网缺陷检测方法包括：获取待测电网图片；对所述待测电网图片进行场景识别，得到电网场景；其中，所述电网场景表征所述待测电网图片中输电线路所处的位置；根据所述电网场景对所述待测电网图片进行缺陷识别，得到缺陷检测结果。本发明利用缺陷与场景之间的依存关系，为缺陷检测提供有效的约束信息，在避免不合理的检测的同时，使不同场景的缺陷的区分度更大，从而提高电网缺陷识别的准确率。

技术领域

本申请涉及电网缺陷检测技术领域，特别是涉及一种基于视觉上下文约束学习的电网缺陷检测方法和装置。

背景技术

输电线路缺陷有上百种类型，严重影响线路的安全稳定运行。过去线路巡检主要采用人工巡检的方式，随着无人机技术的发展成熟，采用无人机对输电线路进行巡检的方式得到广泛推广和应用。无人机巡检时会拍摄大量图片，目前的智能识别算法对图片中缺陷的识别存在误识别率高，检出率低的问题，并且大部分还是依赖后期人工查看图片中的缺陷，劳动强度大。

发明内容

基于此，有必要针对上述技术问题，提供一种能够准确识别不同电网场景下的输电线路缺陷的基于视觉上下文约束学习的电网缺陷检测方法和装置。

第一方面，本申请的实施例提供一种基于视觉上下文约束学习的电网缺陷检测方法，包括：

获取待测电网图片；

对所述待测电网图片进行场景识别，得到电网场景；其中，所述电网场景表征所述待测电网图片中输电线路所处的位置；

根据所述电网场景对所述待测电网图片进行缺陷识别，得到缺陷检测结果。

上述电网缺陷检测方法，利用缺陷与场景之间的依存关系，为缺陷检测提供有效的约束信息，在避免不合理的检测的同时，使不同场景的缺陷的区分度更大，从而提高电网缺陷识别的准确率。

在上述第一方面的其中一个实施例中，所述根据所述电网场景对所述待测电网图片进行缺陷识别，得到缺陷检测结果包括：

根据所述电网场景提取所述待测电网图片的目标区域；

对所述目标区域进行缺陷识别，得到缺陷检测结果。

在上述第一方面的其中一个实施例中，所述根据所述电网场景提取所述待测电网图片的目标区域包括：

通过所述电网场景对应的区域提取模型对所述待测电网图片进行处理，得到所述待测电网图片对应的目标区域。

在上述第一方面的其中一个实施例中，所述电网场景对应的区域提取模型为第一改进的YOLOv4模型；所述第一改进的YOLOv4模型包括：第一主干网络层、第一Bneck模块层、第一FPN层、第二Bneck模块层、第一PAN层以及第一预测网络层；

所述通过所述电网场景对应的区域提取模型，对所述待测电网图片进行处理，得到所述待测电网图片对应的目标区域包括：

通过所述第一主干网络层对所述待测电网图片进行处理，得到多个不同尺度的第一电网特征图；

通过所述第一Bneck模块层中与各尺度对应的第一Bneck模块对所述多个不同尺度的第一电网特征图分别进行处理，得到多个不同尺度的第二电网特征图；

通过所述第一FPN层对所述多个不同尺度的第二电网特征图进行处理，得到多个不同尺度的第三电网特征图；

通过所述第二Bneck模块层中与各尺度对应的第二Bneck模块对所述多个不同尺度的第三电网特征图分别进行处理；得到多个不同尺度的第四电网特征图；

通过所述第一PAN层对所述多个不同尺度的第四电网特征图进行处理，得到多个不同尺度的第五电网特征图；