基于对比学习的输电复合绝缘子污秽识别方法及装置

    公开(公告)号:CN116894818A

    公开(公告)日:2023-10-17

    申请号:CN202310851644.0

    申请日:2023-07-11

    摘要: 本申请涉及图像识别领域,特别是涉及一种基于对比学习的输电复合绝缘子污秽识别方法、装置、计算机设备和存储介质,所述方法包括:获取目标检测图像,所述目标检测图像中包含输电复合绝缘子;将所述目标检测图像输入训练完成的目标检测模型,得到所述输电复合绝缘子的目标区域图像;将所述目标区域图像输入训练完成的对比学习网络模型,得到所述输电复合绝缘子的污秽识别结果。本发明通过目标检测模型得到所述输电复合绝缘子的目标区域图像,缩小检测范围,提高输电复合绝缘子的污秽识别的准确度,通过对比学习网络模型,得到所述输电复合绝缘子的污秽识别结果,进一步提高输电复合绝缘子的污秽识别的准确度。

    红外图像线夹过热识别方法、装置和计算机设备

    公开(公告)号:CN116543354A

    公开(公告)日:2023-08-04

    申请号:CN202310763232.1

    申请日:2023-06-27

    摘要: 本申请涉及一种红外图像线夹过热识别方法、装置和计算机设备。所述方法包括:获取目标输电线路的待检测红外图像;确定待检测红外图像的高温区域分布标识;根据待检测红外图像的高温区域分布标识,确定针对待检测红外图像的线夹识别模型;将待检测红外图像输入至线夹识别模型,得到待检测红外图像中目标过热线夹对应的线夹位置。采用本方法能够基于输电线路红外图像中的高温区域分布情况,确定针对输电线路红外图像进行线夹过热识别所需的线夹识别模型,针对性地利用对应的线夹识别模型,确定输电线路中的过热线夹,提高电网系统中线夹发热识别结果的准确度。

    电力设备异常少样本缺陷分类模型训练方法、装置

    公开(公告)号:CN115439721A

    公开(公告)日:2022-12-06

    申请号:CN202211388920.6

    申请日:2022-11-08

    摘要: 本申请涉及一种电力设备异常少样本缺陷分类模型训练方法。所述方法包括:获取目标电力设备的设备样本图像;将设备样本图像输入至待训练的上述分类模型,通过上述分类模型获取设备样本图像对应的样本图像特征,并基于样本图像特征,得到样本图像特征对应的重建图像以及重建图像对应的重建图像特征;当设备样本图像为异常样本图像时,基于样本图像特征以及重建图像特征,得到第一损失值;当设备样本图像为正常样本图像时,基于设备样本图像、样本图像特征、重建图像以及重建图像特征,得到第二损失值;利用第一损失值与第二损失值,对上述进行训练,得到训练完成的上述分类模型。采用本方法能够使得上述分类模型的分类结果更加准确。