【技术实现步骤摘要】
本专利技术属于图像识别领域，特别是涉及一种大分辨率电力部件缺陷图像生成方法。
技术介绍
1、大量且多样的高质量数据是神经网络算法模型的基础，对电力部件进行缺陷检测也是如此。但电力缺陷的种类细分比较多，缺陷的形态也多种多样，相对于正常样本图像，缺陷样本就十分稀少，这严重影响了缺陷检测模型的性能。
2、使用深度神经网络合成缺陷样本是一个解决方案，然而无人机巡检拍摄的图像分辨率往往较大，可达4096×2160甚至更高，如何生成这种高分辨率电力部件缺陷图就成了一个难题。
技术实现思路
1、针对现有技术的以上不足，本专利技术提供一种大分辨率电力部件缺陷图像生成方法。
2、本专利技术解决其技术问题所采用的技术方案是：一种大分辨率电力部件缺陷图像生成方法，包括如下步骤：
3、s1，采集包括无人机巡检拍摄的正常图像和缺陷图像在内的电力部件样本图像，构建可进行深度神经网络训练的数据集，构建并训练基于yolo系列模型或者detr系列模型的电力部件目标检测模型，输出图像目标的种类和位置；
4、s2，将一张电力部件正常图像img输入电力部件目标检测模型，电力部件目标检测模型通过数据集的训练精准识别图像中的电力部件并标出电力部件的位置，输出电力部件的种类，标记正常图像img中电力部件所在矩形框的左上角坐标为(x1，y1)，右下角坐标为(x2，y2)，由此确定电力部件的位置，将裁剪矩形框后剩余的周围区域作为背景图；
5、s3，构建基于cyclegan
6、s4，确定风格迁移模型的输入图像的尺寸w，训练从正常电力部件到缺陷电力部件的风格迁移网络：若x2-x1>w或y2-y1>w则无法将该电力部件从正常转换为异常，返回步骤s2，反之以电力部件所在矩形框为中心，裁剪w×w的图像区域记作img_crop，用作后续的风格迁移，记下裁剪区域的中心坐标(xc，yc)；
7、s5，将裁剪图像img_crop输入风格迁移网络，得到带有缺陷的电力部件图像img_crop′，带有缺陷的电力部件图像img_crop′和裁剪图像img_crop的尺寸相同；
8、s6，根据中心坐标(xc，yc)，用带有缺陷的电力部件图像img_crop′替换原图像中的裁剪图像img_crop区域，放回背景图，得到新的裁剪图像img′，新的裁剪图像img′就是大分辨率的电力部件缺陷图像。
9、进一步，所述的yolo模型由特征提取器和检测头组成，特征提取器采用深度卷积网络提取输入图像的深层语义特征，检测头负责确定并输出图像目标的种类和位置。
10、进一步，所述的detr系列模型使用transformer替代卷积神经网络，通过多头注意力机制来对目标进行检测，输出图像目标的种类和位置。
11、所述的一种大分辨率电力部件缺陷图像生成方法，其电力部件包括铁塔、铁塔基座、铁塔上的绝缘子、电线、螺钉、销栓。
12、所述的一种大分辨率电力部件缺陷图像生成方法，其正常图像和缺陷图像为包含电力部件及其周围环境在内的整张图像。
13、本专利技术的有益效果在于：本专利缺陷图像生成方法可以高效地生成多种类型的电力部件缺陷图，提高样本集的多样性和广泛性，提升后续的缺陷检测模型的准确性和泛化性能。
本文档来自技高网...【技术保护点】
1.一种大分辨率电力部件缺陷图像生成方法，其特征在于：包括如下步骤
2.根据权利要求1所述的一种大分辨率电力部件缺陷图像生成方法，其特征在于，所述的YOLO模型由特征提取器和检测头组成，特征提取器采用深度卷积网络提取输入图像的深层语义特征，检测头负责确定并输出图像目标的种类和位置。
3.根据权利要求1所述的一种大分辨率电力部件缺陷图像生成方法，其特征在于，所述的DETR模型使用Transformer替代卷积神经网络，通过多头注意力机制来对目标进行检测，输出图像目标的种类和位置。
4.根据权利要求2或3所述的一种大分辨率电力部件缺陷图像生成方法，其特征在于，所述的电力部件包括铁塔、铁塔基座、铁塔上的绝缘子、电线、螺钉、销栓。
5.根据权利要求2或3所述的一种大分辨率电力部件缺陷图像生成方法，其特征在于，所述的正常图像和缺陷图像为包含电力部件及其周围环境在内的整张图像。
【技术特征摘要】
1.一种大分辨率电力部件缺陷图像生成方法，其特征在于：包括如下步骤
2.根据权利要求1所述的一种大分辨率电力部件缺陷图像生成方法，其特征在于，所述的yolo模型由特征提取器和检测头组成，特征提取器采用深度卷积网络提取输入图像的深层语义特征，检测头负责确定并输出图像目标的种类和位置。
3.根据权利要求1所述的一种大分辨率电力部件缺陷图像生成方法，其特征在于，所述的detr模型使用tran...
【专利技术属性】
技术研发人员：郑敬浩，张瑞文，何亦舟，刘松，谭海，
申请(专利权)人：武汉华中天经通视科技有限公司，
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。