本公开提供了缺陷识别模型的训练方法、装置、电子设备及存储介质，涉及人工智能技术领域，尤其涉及计算机视觉、图像识别和深度学习技术，具体可应用于智慧城市和智能交通场景下。具体实现方案为：获取图像，对该图像进行预处理；对经过预处理的图像中的电网缺陷进行标注，得到标注好的样本；利用该标注好的样本对缺陷识别模型进行训练，其中，该缺陷识别模型利用外部记忆单元进行特征提取；在符合预设条件的情况下停止训练，获得训练好的缺陷识别模型。采用该训练方法，外部记忆单元中保存有训练数据集的全局记忆，可以进行更加精确的特征提取，得到更好更高效的缺陷识别模型，以实现自动化的电网缺陷识别。自动化的电网缺陷识别。自动化的电网缺陷识别。
【技术实现步骤摘要】
缺陷识别模型的训练方法、装置、电子设备及存储介质
[0001]本公开涉及人工智能
，尤其涉及计算机视觉、图像识别和深度学习技术，具体可应用于智慧城市和智能交通场景下。
技术介绍
[0002]随着经济社会的快速发展，国家电网输电线路数量不断增加，相应的输电线路硬件设施巡检任务的工作量和工作难度与日俱增。传统的人工巡检方式面临着巡检周期长、效率低、危险性高、应对复杂地形能力差等问题，难以及时发现电网的缺陷，难以满足电网运维的要求。
技术实现思路
[0003]本公开提供了一种缺陷识别模型的训练方法方法、装置、电子设备以及存储介质。
[0004]根据本公开的一方面，提供了一种陷识别模型的训练方法，包括：
[0005]获取图像，对该图像进行预处理；对经过预处理的图像中的电网缺陷进行标注，得到标注好的样本；利用该标注好的样本对缺陷识别模型进行训练，其中，该缺陷识别模型利用外部记忆单元进行特征提取；在符合预设条件的情况下停止训练，获得训练好的缺陷识别模型。
[0006]根据本公开的另一方面，提供了一种目标缺陷的识别方法，包括：
[0007]获取训练好的缺陷识别模型，该缺陷识别模型采用本公开任一训练方法获得的缺陷识别模型；将待识别图像输入该缺陷识别模型，得到缺陷识别结果。
[0008]根据本公开的另一方面，提供了一种缺陷识别模型的训练装置，包括：
[0009]预处理模块，用于获取图像，对该图像进行预处理；
[0010]标注模块，用于对经过预处理的图像中的电网缺陷进行标注，得到标注好的样本；
[0011]训练模块，用于利用该标注好的样本对缺陷识别模型进行训练，其中，该缺陷识别模型利用外部记忆单元进行特征提取；
[0012]获得模块，用于在符合预设条件的情况下停止训练，获得训练好的缺陷识别模型。
[0013]根据本公开的另一方面，提供了一种目标缺陷的识别装置，包括：
[0014]模型获取模块，用于获取训练好的缺陷识别模型，该缺陷识别模型采用本公开中任一缺陷识别模型的训练装置获得的缺陷识别模型；
[0015]结果获取模块，用于将待识别图像输入该缺陷识别模型，得到缺陷识别结果。
[0016]根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与该至少一个处理器通信连接的存储器；其中，该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。
[0017]根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。
[0018]根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现本公开任一实施例中的方法。
[0019]采用本公开的方案训练缺陷识别模型，利用外部注意力的特征提取方式来捕获训练数据全局的上下文信息，从而对图片中的目标特征建立起长远距离的依赖，从而提取出更强有力的特征，以更好地训练出对电网线路缺陷识别及定位更精准的模型。采用本公开方案训练好的模型进行电网缺陷识别，可以保证对于电网线路缺陷检测的准确率，检测效率远远高于人工检测。
[0020]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0021]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0022]图1是根据本公开一实施例的缺陷模型的训练方法的流程图；
[0023]图2是根据本公开一实施例的缺陷识别模型结构示意图；
[0024]图3是根据本公开一实施例的移位窗编码解码模块结构示意图；
[0025]图4是根据本公开一实施例的外部注意力特征提取模块结构示意图；
[0026]图5是根据本公开一实施例的目标缺陷的识别方法的流程图；
[0027]图6是根据本公开一实施例的缺陷模型的训练装置的示意图；
[0028]图7是根据本公开一实施例的目标缺陷的识别装置的示意图；
[0029]图8是用来实现本公开实施例的缺陷模型的训练方法或目标缺陷的识别方法的电子设备的框图。
具体实施方式
[0030]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
[0031]本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。本文中术语“第一”、“第二”表示指代多个类似的技术用语并对其进行区分，并不是限定顺序的意思，或者限定只有两个的意思，例如，第一特征和第二特征，是指代有两类/两个特征，第一特征可以为一个或多个，第二特征也可以为一个或多个。
[0032]另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
[0033]在建设智能电网和增强供电可靠性的大背景下，以无人机代替人工的智能巡检方式已是大势所趋。随着通用航空技术的普及和发展，特别是无人机技术的日趋完善，以无人
机为巡检载体、地面监控设备为支撑的输电线路巡检系统，因具有广覆盖、高效率、高可靠、低风险和低成本的优势，正在受到愈来愈广泛的关注。常用的无人机巡检平台配置高速图像采集模块以及图像处理模块用以完成综合巡检作业。其中，高速图像模块主要实现可见光的视频图像采集功能，图像处理模块主要完成输电线路缺点识别及定位功能，此类巡检方式对确保供电管网安全畅通、可靠运行有着重要意义，为输电线路缺陷故障的快速智能诊断提供了有力支撑。
[0034]对于图像处理模块而言，传统的图像处理技术多是基于经典的图像处理算法，如滤波、边缘检测、轮廓提取、小波变换、形态学运算以及模板匹配等。这些算法提取的手工特征(handcrafted feature)基本属于底层视觉特征，其识别能力及定位精度均有待提高。随着深度学习技术在计算机视觉领域的发展，基于深度学习的目标检测方法已经取得了较为广泛的应用，且大量实验证明基于深度学习的目标检测技术已经超过传统图像处理方法所达到的效率及精度，故将基于深度学习的目标检测方法本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种缺陷识别模型的训练方法，包括：获取图像，对所述图像进行预处理；对经过预处理的图像中的电网缺陷进行标注，得到标注好的样本；利用所述标注好的样本对缺陷识别模型进行训练，其中，所述缺陷识别模型利用外部记忆单元进行特征提取；在符合预设条件的情况下停止训练，获得训练好的缺陷识别模型。2.根据权利要求1所述的方法，其中，所述对经过预处理的图像中的电网缺陷进行标注，得到标注好的样本，包括：对经过预处理的图像中的电网缺陷位置和电网缺陷类型进行标注，得到标注好的样本。3.根据权利要求2所述的方法，其中，所述电网缺陷类型包括主要构件缺陷和辅助构件缺陷，所述主要构件缺陷包括：绝缘子缺陷、均压环缺陷、间隔棒缺陷、防震锤缺陷中至少一种；所述辅助构件缺陷包括：螺栓缺陷、销子缺陷、穿钉缺陷中至少一种。4.根据权利要求1所述的方法，其中，所述缺陷识别模型利用外部记忆单元进行特征提取，包括：所述缺陷识别模型利用移动窗口对所述标注好的样本进行划分，得到包含重合内容的多个目标窗口；利用外部记忆单元对所述多个目标窗口进行特征提取。5.根据权利要求4所述的方法，其中，所述利用所述外部记忆单元对所述多个目标窗口进行特征提取，包括：利用多个依次连接的外部记忆单元对所述多个目标窗口进行特征提取。6.根据权利要求1所述的方法，其中，所述对所述图像进行预处理，包括以下至少一种：将所述图像缩放至预设大小、按照预设的概率对所述图像进行翻转操作以及对所述图像的像素进行归一化操作。7.一种目标缺陷的识别方法，包括：获取训练好的缺陷识别模型，所述缺陷识别模型采用权利要求1
‑
6中任一所述缺陷识别模型的训练方法获得的模型；将待识别图像输入所述缺陷识别模型，得到缺陷识别结果。8.一种缺陷识别模型的训练装置，包括：预处理模块，用于获取图像，对所述图像进行预处理；标注模块，用于对经过预处理的图像中的电网缺陷进行标注，得到标注好的样本；训练模块，用于利用所述标注好的样本对缺陷识别模型进行训练，其中，所述缺陷识别模型利用外部记忆单元进行特征提取；获得模块，用于在符合预设条件的情况下停止训练，获得训练好的缺陷识别模型。...
【专利技术属性】
技术研发人员：王晓迪，韩树民，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。