[发明专利]一种基于变电站仪表的视觉缺陷检测方法

权利要求书

1.一种基于变电站仪表的视觉缺陷检测方法，其特征在于，包括五个过程，分别为对图片进行初步的采集和分类的数据辅助标定过程、对图片进行预处理来提高处理精度的图像增强过程、基于深度学习的仪表特征抽取过程、基于图像的仪表缺陷判定过程、定期定量对误判图片进行批量重新训练的误判仪表图像持续学习过程；通过标定的缺陷图片、改进的SSD算法、损失函数的修改及图像数据增强，结合深度学习算法所提取到的特征，精准判定所需要处理的图像中的是否存在缺陷。

2.根据权利要求1所述的一种基于变电站仪表的视觉缺陷检测方法，其特征在于，所述数据辅助标定过程包括灰度图处理、自适应阈值计算、图像的二值处理和图像二值特征的聚类处理。

3.根据权利要求1所述的一种基于变电站仪表的视觉缺陷检测方法，其特征在于，所述图像增强过程包括RGB直方图统计、像素概率分布计算和直方图像素分布均衡，所述直方图像素分布均衡是使用每个像素值与其所应对的累积概率相乘做为新的像素值，并替换之前的值。

4.根据权利要求1所述的一种基于变电站仪表的视觉缺陷检测方法，其特征在于，所述基于深度学习的仪表特征抽取过程包括激活函数改进、特征下采样调优和仪表特征抽取，其中激活函数改进中引入ELU的函数做为卷积网络中的非线性激活函数。

5.根据权利要求1所述的一种基于变电站仪表的视觉缺陷检测方法，其特征在于，所述基于图像的仪表缺陷判定过程包括Gini系数计算、缺陷图像分类判定。

6.根据权利要求5所述的一种基于变电站仪表的视觉缺陷检测方法，其特征在于，所述缺陷图像分类判定包括以下步骤：

S1:假设训练的数据集为D，对于每一个特征A，对其可能取的值a，进行A＝a的测试为“有缺陷”及“无缺陷”进行分割为D1及D2两个数据集，然后计算Gini系数；

S2:对于所有的可能特征A及可能的切分点a中，选择Gini系数最小的特征及切分点作为最优特征及最优切分点；

S:对于新生成的两个子节点递归的调用继续生成子节点，并将训练集按上述的特征分配到新的子节点中；

S4：当样本中的数量少于某个值或是Gini系数小于某个预设的值之后，则表示CART树生成完毕，则可以用于判定后续的仪表特征是否有缺陷。

7.根据权利要求1所述的一种基于变电站仪表的视觉缺陷检测方法，其特征在于，所述误判仪表图像持续学习过程包括算法模型定期优化和模型热部署及替换。