-
公开(公告)号:CN114663751A
公开(公告)日:2022-06-24
申请号:CN202210173894.9
申请日:2022-02-24
Applicant: 国网通用航空有限公司
Abstract: 本申请涉及设备维护技术领域,本申请提供一种基于增量学习技术的输电线路缺陷识别方法和系统,所述方法包括获取原始巡检图像数据;基于元胞自动机算法剔除原始巡检图像数据中的背景冗余,得到抑制冗余背景的目标物体图像数据;采用基于特征提取的增量学习方式,在已知图像识别网络结构中新增识别部件,优化输电线路缺陷检测模型,通过输电线路缺陷检测模型提取目标物体图像数据中的图像特征,识别输电线路缺陷。本申请在获取原始巡检图像数据后,利用元胞自动机算法对巡检图像进行显著性检测,剔除冗余背景,然后采用增量学习方式在原有目标检测算法基础上改变网络结构实现增量学习,提高输电线路目标检测模型的识别准确率和泛化能力。
-
公开(公告)号:CN114663352A
公开(公告)日:2022-06-24
申请号:CN202210173003.X
申请日:2022-02-24
Applicant: 国网通用航空有限公司
Abstract: 本申请涉及设备维护技术领域,本申请提供一种输电线路缺陷高精度检测方法、系统及存储介质,所述方法包括获取原始图像数据;对获取的原始图像数据自适应去噪,获得去噪图像数据;针对所述去噪图像数据,采用两阶段目标检测神经网络算法对输电线路缺陷识别的卷积神经网络训练,训练后的卷积神经网络中输入去噪图像数据后输出电力目标检测结果。在获取原始巡检图像数据后,通过变换域和空间域对巡检图像自适应去噪,获得性能良好的去噪图像数据,然后采用两阶段目标检测神经网络算法对输电线路缺陷识别训练,为输电线路目标检测算法高精度研判提供高质量巡检图像数据,以提升缺陷检测精度。
-