【发明公布】电力领域开放场景下基于弱监督协同学习的小尺度设备部件检测方法_山东大学;国网浙江省电力有限公司衢州供电公司;智洋创新科技股份有限公司;国网浙江省电力有限公司_202010103125.2 

申请/专利权人:山东大学;国网浙江省电力有限公司衢州供电公司;智洋创新科技股份有限公司;国网浙江省电力有限公司

申请日:2020-02-19

发明/设计人:聂礼强;郑晓云;战新刚;姚一杨;陈柏成;尹建华

公开(公告)日:2020-07-24

代理机构:济南竹森知识产权代理事务所(普通合伙)

公开(公告)号:CN111444939A

代理人:吕利敏;孙宪维

主分类号:G06K9/62(20060101)

地址:250000 山东省济南市历城区山大南路27号

分类号:G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101);G06Q50/06(20120101)

优先权:

专利状态码:在审-公开

法律状态:2020.07.24#公开

摘要:电力领域开放场景下基于弱监督协同学习的小尺度设备部件检测方法,基于设备部件小目标的特性,使用特征金字塔对浅层特征与深层特征相融合,得到更丰富的信息。当提取的多尺度特征输入至候选区域生成网络后,会生成不同尺度特征下的候选区域,根据候选区域的尺度大小对强弱监督学习网络的处理范围进行划分,以充分发挥强监督子网络的高性能和弱监督子网络的协同性。并在很大程度上降低了时间成本,做好效率与精度的均衡。同时,本发明利用了一种不同于经典的FasterR‑CNN模型的检测框架对目标进行检测,再次同时提高了小目标检测的精度以及速度。

主权项:1.电力领域开放场景下基于弱监督协同学习的小尺度设备部件检测方法,其特征在于,包括以下步骤:S1:对电力开放场景下的图像进行预处理:使用标注工具对归一化处理后的图形进行标注;S2:提取图像信息以及特征融合:提取包含图片不同尺度的特征图,使用ResNet的conv1-conv4卷积层进行特征提取,并在得到特征之后在conv3、conv4卷积层之间构建特征金字塔;S3:将特征金字塔中的特征图嵌入至后续的区域生成网络,生成基于不同尺度特征图的候选区域作为子网络的输入,将不同尺度的特征图对应的候选区域进行处理:划分强弱监督协同学习网络和单强监督子网络的处理范围;S4:搭建弱监督子网络:将划分后的不同尺度的特征图和其对应的候选区域接入空间金字塔池化层,并对候选区域的特征图进行归一化,用于后续的识别流和检测流,最后将识别流和检测流对应的两路合并起来得到图像级的预测类别;S5:搭建改进后的R-CNN强监督子网络:将不同划分中不同尺度的特征图分别接入候选区域池化层,用于后续网络预测目标类别得分,以及回归目标边界框的准确位置;S6:训练网络模型:将网络模型的训练分为两阶段式训练,通过梯度下降法最小化损失函数,以训练得到最终的网络模型;S7:在电力领域开放场景下进行小尺度设备部件检测,能够得到输电设备图像中缺陷部件的目标类别和位置坐标。

全文数据:

权利要求:

百度查询: 山东大学;国网浙江省电力有限公司衢州供电公司;智洋创新科技股份有限公司;国网浙江省电力有限公司 电力领域开放场景下基于弱监督协同学习的小尺度设备部件检测方法