一种基于双图推理的变电设备渗漏油分割方法

    公开(公告)号:CN116630625A

    公开(公告)日:2023-08-22

    申请号:CN202310642125.3

    申请日:2023-06-01

    摘要: 本发明提供了一种基于双图推理的变电设备渗漏油分割方法,该方法包括构建数据集,以人工采集变电设备巡检图片为数据源,选出含渗漏油缺陷的变电设备巡检图像构建数据集,使用标注软件对数据集进行标注,并划分训练集及测试集,搭建渗漏油分割模型,基于训练集完成模型的迭代训练,利用在测试集完成模型分割效果的可视化和评价指标的计算。本发明提供的基于双图推理的变电设备渗漏油分割方法,利用了渗漏油的纹理和边缘特性,解决了渗漏油部件强相关、形态多变及扩散变化特性导致其缺陷特征提取困难、分割精度低与分割效果差的问题。

    一种变电设备缺陷图像数据扩充与数据清洗方法

    公开(公告)号:CN117079078A

    公开(公告)日:2023-11-17

    申请号:CN202311105621.1

    申请日:2023-08-30

    摘要: 本发明提供了一种变电设备缺陷图像数据扩充与数据清洗方法,包括:利用预设数据集对风格迁移网络进行训练,得到训练好的网络权重参数;遍历原始变电设备缺陷图像和弱光场景图像,并利用加载所述网络权重参数的所述风格迁移网络,根据所述原始变电设备缺陷图像和弱光场景图像对缺陷图像数据进行扩充,得到低光照变电设备缺陷图像数据,并验证风格迁移效果;滤除所述低光照变电设备缺陷图像数据中的低质量生成图像,并依托对抗验证方法利用分类模型筛选出与真实图像集合样本分布近似的生成图像,得到最终扩充的低光照变电设备缺陷图像集合。本发明有助于解决深度学习模型在弱光场景泛化性弱的问题。