【技术实现步骤摘要】
基于协同表征双边自编码器的电网输电线路缺陷检测方法
[0001]本专利技术涉及基于协同表征双边自编码器的电网输电线路缺陷检测方法,涉及电网输电线路缺陷检测
技术介绍
[0002]随着我国经济飞速发展,电网的规模、复杂性、电压等级持续增长,电力消费需求和使用可靠性要求不断增加,电网安全与经济、民生、国家安全愈来愈密不可分,电网企业亟需对电网中缺陷进行高效和有效的识别。通常的电网巡检需要人工干预,这类方式存在高风险、高难度、耗时耗力,以及缺陷检测不及时等问题;电网输电线上的缺陷主要包括存在异物、部分零部件(如螺栓、绝缘子等)损坏或缺失等。
[0003]针对电网巡检的上述问题,沈茂东等在对Faster R
‑
CNN深入研究的基础上提出了新的输电线异物检测网络TLFOD Net,该模型在识别速度和精度上都有所提高。钱金菊等提出采用图像处理技术对输电线路进行检测,并使用Adaboost算法对目标进行缺陷识别;Yao等提取巡检图像中输电线和天空背景的颜色和纹理特征,以此作为SVM分类器的训练数据。在检测阶段,根据预训练的SVM分类器得到不同区域的得分,以此为依据将图像分割为天空区域、非天空区域和不确定区域,通过不确定区域周围的像素点属性逐渐将不确定区域归类合并,最终剩下的未合并区域就是异物所在位置。Wang等则采用了SSD作为异物检测的主要算法,作者通过多次的对比实验证明数据增强对该任务模型的平均精度值有较大提升。Guo等采用了Faster R
‑
CNN作为线上异物的检测算法 ...
【技术保护点】
【技术特征摘要】
1.基于协同表征双边自编码器的电网输电线路缺陷检测方法,包括对电网输电线图像元数据预处理,再利用协同表征双边自编码器学习有效的数据表征,其特征在于:所述预处理获取输入信息对其所属簇的模糊信息,利用协同表征双边自编码器算法对获取的模糊信息训练,在隐藏层中习得元数据的协同判别表征,并输入分类识别模型输出识别结果。2.如权利要求1所述的基于协同表征双边自编码器的电网输电线路缺陷检测方法,其特征在于:所述电网输电线图像预处理包括:从样本和特征两个角度对元数据进行双边划分;对划分得到的特征簇和样本簇使用模糊集思想对样本和特征信息进行概括并生成隶属度信息。3.如权利要求2所述的基于协同表征双边自编码器的电网输电线路缺陷检测方法,其特征在于:所述元数据进行双边划分:设计高斯混合模型,可以得到K个特征簇和L个样本簇:可以得到K个特征簇和L个样本簇:式中,表示第K个特征簇,表示第L个样本簇;输入数据被表示为一个数据矩阵X∈R
D
×
N
,包含N个样本,每个样本有D维度特征;第j个特征向量被定义为行向量f
j
={x
j1
,...,x
ji
,...,x
jN
},第i个样本向量被定义为列向量x
j
={x
1i
;...;x
ji
;...;x
Di
}
c
,x
ij
表示数据矩阵中的第i个样本的第j个特征;基于划分得到的特征簇和样本簇,使用模糊集思想对样本和特征信息进行概括并生成隶属度信息。4.如权利要求3所述的基于协同表征双边自编码器的电网输电线路缺陷检测方法,其特征在于:所述隶属度信息的生成:对具有D维度特征和N个样本输入元数据划分了K个特征簇并生成D个特征隶属度,划分L个特征簇并生成N个特征隶属度;每个特征向量f
s
对其所属的特征簇具有大于零的隶属度ω
sk
,而对其他特征簇隶属度则为零;每个样本向量x
t
对其所属的样本簇具有大于零的隶属度v
tl
,而对其他样本簇隶属度则为零,如下式:如下式:特征隶属度和样本隶属度的具体计算公式如下:
为特征向量f
s
对其所属特征簇的隶属度函数;的分布定义为多维独立高斯分布,其中第n列特征向量的分布为其中第n列特征向量的分布为分别为第n列的均值和方差;与...
【专利技术属性】
技术研发人员:张凌浩,常政威,徐厚东,唐勇,向思屿,庞博,王胜,张颉,刘雪原,陈亮,
申请(专利权)人:国网四川省电力公司电力科学研究院,
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。