(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211296046.3 (22)申请日 2022.10.21 (71)申请人 南方电网科 学研究院有限责任公司 地址 510663 广东省广州市萝岗区科 学城 科翔路11号J1栋3、 4、 5楼及J3 栋3楼 申请人 广东双电科技有限公司 (72)发明人 刘芹　刘国特　丁泽俊　文湧华　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 郑华丽 (51)Int.Cl. G06T 7/00(2017.01) G06V 20/17(2022.01) G06V 10/24(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06V 10/764(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 绝缘子缺陷检测模型训练方法、 检测方法及 相关设备 (57)摘要 本申请公开了绝缘子缺陷检测模型训练方 法、 检测方法及相关设备， 方法包括： 获取无人机 拍摄的绝缘子航拍图像， 并对所述绝缘子航拍图 像中存在的绝缘子缺陷部分进行人工标注； 通过 扩增仿射变换算法对所述人工标注的绝缘子航 拍图像进行数据增强， 形成训练绝缘子图像集； 以所述训练绝缘子图像集为训练数据， 以IC损失 算法检测的总损失小于预设值为训练目标， 对绝 缘子缺陷检测模 型的参数进行调整， 得到训练完 成的绝缘子缺陷检测模型。 通过扩增仿射变换算 法克服了航拍图像不足和训练图像正常与含缺 陷的图像比例不均导致的检测精度低困难， 通过 绝缘子缺陷检测模型自身携带的分类器， 实现了 在杂乱的背景和植被区域， 依旧保留原有模型的 高精性能。 权利要求书2页 说明书9页 附图3页 CN 115546177 A 2022.12.30 CN 115546177 A 1.一种绝 缘子缺陷检测模型的训练方法， 其特 征在于， 包括： 获取无人机拍摄的绝缘子航拍图像， 并对所述绝缘子航拍图像中存在的绝缘子缺陷部 分进行人工标注； 通过扩增仿射变换算法对所述人工标注的绝缘子航拍图像进行数据增强， 形成训练绝 缘子图像集； 以所述训练绝缘子图像集为训练数据， 以IC损失算法检测的总损失小于预设值为训练 目标， 对绝 缘子缺陷检测模型的参数进行调整， 得到训练完成的绝 缘子缺陷检测模型。 2.根据权利要求1所述的方法， 其特征在于， 所述绝缘子缺陷检测模型由6个依次连接 的VGG‑16网络、 一个CLAS S分类器以及一个NMS算法层组成； 所述VGG‑16网络通过 卷积操作生成特 征矩阵， 并提取 出特征值； 所述CLASS分类器基于各个所述VGG ‑16网络提取出的特征值， 生成若干候选缺陷部分 预测框； 所述NMS算法层筛 选出所述候选缺陷部分预测框中的最优预测框， 并作为输出 结果。 3.根据权利要求1所述的方法， 其特 征在于， 以IC损失算法检测总损失， 包括： 根据所述绝缘子缺陷检测模型输出的缺陷部分预测框的位置与所述人工标注的绝缘 子缺陷框的位置偏差， 确定 定位损失； 根据所述 绝缘子缺陷检测模型输出的缺陷部分预测的正确性， 确定 置信度损失； 基于所述定位损失和所述置信度损失计算得到总损失。 4.根据权利要求3所述的方法， 其特征在于， 基于所述定位损失和所述置信度损失计算 得到总损失的计算公式为： 其中， Ltotal为总损失， N为缺陷部分预测正确的预测框数量， Lconf为置信度损失， Lloc为 定位损失， 为定位损失的加权系数。 5.根据权利要求1所述的方法， 其特征在于， 通过扩增仿射变换算法对所述人工标注的 绝缘子航拍图像进行 数据增强， 形成训练绝 缘子图像集， 包括： 将所述人工标注的绝 缘子航拍图像转换为对应的原 始二维矩阵； 结合预置的图像像素矩阵以及预设的变换超参数， 对所述二维区域矩阵进行矩阵变 换， 生成扩增二维矩阵； 根据所述原 始二维矩阵和所述扩增二维矩阵还原的图像， 形成训练绝 缘子图像集。 6.根据权利要求5所述的方法， 其特征在于， 结合预置的图像像素矩阵以及预设的变换 超参数， 对所述 二维区域矩阵进行矩阵变换， 生成扩增二维矩阵的计算公式为： h＝[p,q,1]T 其中， Y为原始二维矩阵， y11、 y12、 y21和y22分别为原始二维矩阵四分部分矩阵， t1和t2为权　利　要　求　书 1/2 页 2 CN 115546177 A 2变换超参数， p和q分别为图像 像素矩阵对应的齐次矩阵的系数和余数。 7.一种绝 缘子缺陷检测方法， 其特 征在于， 包括： 获取无人机拍摄的待检测绝 缘子航拍图像； 将所述绝缘子航拍图像输入如权利要求1 ‑6中任一项所述的绝缘子缺陷检测模型的训 练方法训练得到的绝缘子缺陷检测模型中， 生成标注有缺陷部分预测框的绝缘子航拍图 像。 8.一种绝 缘子缺陷检测模型的训练装置， 其特 征在于， 包括： 图像获取单元， 用于获取无人机拍摄的绝缘子航拍图像， 并对所述绝缘子航拍图像中 存在的绝 缘子缺陷部分进行 人工标注； 仿射变换单元， 用于通过扩增仿射变换算法对所述人工标注的绝缘子航拍图像进行数 据增强， 形成训练绝 缘子图像集； 模型训练单元， 用于以所述训练绝缘子 图像集为训练数据， 以IC损失算法检测的总损 失小于预设值为训练目标， 对绝缘子缺陷检测模型 的参数进行调整， 得到训练完成的绝缘 子缺陷检测模型。 9.一种绝 缘子缺陷检测模型的训练设备， 其特 征在于， 包括存 储器和处 理器； 所述存储器， 用于存 储程序； 所述处理器， 用于执行所述程序， 实现如权利要求1 ‑6中任一项所述的绝缘子缺陷检测 模型的训练方法的各个步骤。 10.一种可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被处理 器执行时， 实现如权利要求1 ‑6中任一项所述的绝缘子缺陷检测模型的训练方法的各个步 骤。权　利　要　求　书 2/2 页 3 CN 115546177 A 3