公开(公告)号：CN114693665A

公开(公告)日：2022-07-01

申请号：CN202210396572.0

申请日：2022-04-15

Applicant: 华北电力大学(保定)

Inventor： 翟永杰 ,  杨珂 ,  赵振远

IPC: G06T7/00 ,  G06T7/11 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种绝缘子缺陷检测方法及系统，属于绝缘子领域，通过模拟绝缘子缺陷真实图像样本的几何结构、表面纹理等特征以及可能出现的环境条件，生成大规模且具有多样性的绝缘子缺陷人工图像样本数据集，并将人工样本和真实样本构成混合样本训练集，进一步通过混合样本的迁移学习模型减少了绝缘子缺陷检测对样本数量的依赖，实现少样本条件下的绝缘子缺陷检测，且通过均衡损失函数解决了绝缘子缺陷检测过程中存在的正负样本不平衡和难易样本不平衡的问题，在保证缺陷检测模型对简单缺陷检测能力的同时，提升模型对困难样本的检测能力，检测精度高。

公开(公告)号：CN114694128A

公开(公告)日：2022-07-01

申请号：CN202210360712.9

申请日：2022-04-07

Applicant: 华北电力大学(保定)

Inventor： 翟永杰 ,  赵振远 ,  杨珂

IPC: G06V20/60 ,  G06V10/22 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06V10/74 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提供一种基于抽象度量学习的指针式仪表检测方法及系统，属于机器视觉检测领域，指针式仪表检测方法包括：获取待检测仪表图像；根据待检测仪表图像，基于仪表检测模型，确定待检测仪表图像中的仪表类别和仪表位置；所述仪表检测模型为预先采用训练样本集，基于度量学习方法，对FasterR‑CNN网络进行训练得到的；训练样本集包括真实样本图像集、人工样本图像集以及真实样本图像集和人工样本图像集中的仪表标记；仪表标记包括类别标记和位置标记。通过相似度度量学习的方式，结合真实样本图像和人工样本图像对深度神经网络训练，大大减少了深度网络所依赖的样本数量，实现了在少样本情况下对指针式仪表的高精度检测。