(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 202211180361.X (22)申请日 2022.09.27 (71)申请人 云南电网有限责任公司电力科 学研 究院 地址 650000 云南省昆明市经济技 术开发 区云大西路10 5号 (72)发明人 许志松　于虹　周帅　 (74)专利代理 机构 深圳中细软知识产权代理有 限公司 4 4528 专利代理师 田丽丽 (51)Int.Cl. G06V 10/20(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06V 20/17(2022.01)G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 图像预处理方法和缺陷检测方法、 装置及计 算机设备 (57)摘要 本发明公开了一种图像预处理方法和缺陷 检测方法、 装置及计算机设备， 属于图像处理领 域； 首先获取无人机采集的图像样本， 然后根据 图像样本得到目标生成对抗网络， 最后根据目标 生成对抗网络生成图像样本集。 本申请方案采用 生成对抗网络生成图像样本集， 能够得到较多的 用于训练的图像样本集， 避免数据过拟合， 保证 了训练得到的模 型检测效果好。 此外由于生成对 抗网络的获取是根据图像样本及其类别特征训 练得到， 这样得到的生成对抗网络生成的图像样 本集类别较多， 解决了 现有方式只能生成单一类 样本的问题， 能够使后续检测模 型训练时训练效 果更好， 保证 了模型的检测效果。 权利要求书2页 说明书8页 附图2页 CN 115496890 A 2022.12.20 CN 115496890 A 1.一种图像预处 理方法， 其特 征在于， 包括以下步骤： 获取无人机采集的图像样本； 根据所述图像样本及其类别特 征得到目标生成对抗网络； 根据所述目标生成对抗网络生成图像样本集， 所述图像样本集用于缺陷检测模型的训 练。 2.根据权利要求1所述的方法， 其特征在于： 所述根据所述图像样本及其类别特征得到 目标生成对抗网络， 包括： 将所述图像样本添加随机噪声并输入到初始生成对抗网络中的初始判别网络中对所 述初始判别网络进行训练得到中间判别网络； 根据所述中间判别网络对所述初始生成对抗网络的初始生成网络进行训练得到中间 生成网络； 当所述中间生成网络和所述中间判别网络达到平衡后， 得到中间生成对抗网络， 所述 中间生成对抗网络包括平衡时的中间生成网络和平衡时的中间判别网络； 根据所述图像样本的类别特征对所述中间生成对抗网络进行训练得到目标生成对抗 网络。 3.根据权利要求2所述的方法， 其特征在于： 所述根据所述图像样本的类别特征对所述 中间生成对抗网络进行训练得到目标生成对抗网络， 包括： 获取所述图像样本的标签， 将带有标签的图像样本输入到所述中间生成对抗网络的中 间判别网络中， 以便所述中间判别网络的骨干网提取所述带有标签的图像样本的类别特 征； 将所述类别特 征分别存 储到不同的网络层得到目标判别网络； 根据所述目标判别网络得到目标生成网络， 所述目标生成对抗网络包括所述目标判别 网络和目标生成网络 。 4.根据权利要求1所述的方法， 其特 征在于， 还 包括： 在生成图像样本集后， 对所述图像样本集的样本 图像进行数据增强， 以便数据增强后 的图像样本集用于所述 缺陷检测模型的训练。 5.根据权利要求4所述的方法， 其特征在于： 所述对所述图像样本集的数据进行数据增 强， 包括普通数据增强， 所述普通数据增强包括采用以下任意 一种或多种方式： 对所述图像样本集中的样本图像进行旋转、 平移、 缩放、 镜像和裁剪中的一种或多种操 作； 改变所述样本图像中的色调、 饱和度和明亮度中的一种或多种特 征。 6.根据权利要求4所述的方法， 其特征在于： 所述对所述图像样本集的数据进行数据增 强， 还包括： 选取所述图像样本集中任意数量的初始样本图像； 将各个初始样本图像放置在基准点所在预设区域的不同位置， 并将各个初始样本图像 中超出预设区域的像素去掉； 将目标区域的像素填充到预设区域的对应位置得到目标样本图像。 7.一种图像缺陷检测方法， 其特 征在于， 包括以下步骤： 根据权利要求1 ‑6任一项所述的方法获取图像样本集；权　利　要　求　书 1/2 页 2 CN 115496890 A 2根据所述图像样本集对缺陷检测模型进行训练得到目标缺陷检测模型； 将待检测图像输入到目标缺陷检测模型中得到检测结果。 8.一种图像预处 理装置， 其特 征在于， 包括： 图像样本获取模块， 用于获取 无人机采集的图像样本； 目标生成对抗网络训练模块， 用于根据所述图像样本及其类别特征得到目标生成对抗 网络； 图像样本集获取模块， 用于根据所述目标生成对抗网络生成图像样本集， 所述图像样 本集用于缺陷检测模型的训练。 9.一种图像缺陷检测装置， 其特 征在于， 包括： 样本集获取模块， 用于根据权利要求1 ‑6任一项所述的方法获取图像样本集； 检测模型训练模块， 用于根据 所述图像样本集对缺陷检测模型进行训练得到目标缺陷 检测模型； 检测结果获取模块， 用于将待检测图像输入到目标缺陷检测模型中得到检测结果。 10.一种计算机设备， 其特 征在于， 包括： 处理器； 用于存储所述处 理器的可 执行指令； 所述处理器被配置为用于执行权利要求1 ‑6任一项所述的方法， 或用于执行权利要求7 所述的方法。权　利　要　求　书 2/2 页 3 CN 115496890 A 3