【技术实现步骤摘要】
本专利技术属于缺陷检测领域，涉及一种基于图像生成的数据增强方法。
技术介绍
1、在现代轨道交通系统中，变电站绝缘子的性能和安全状态对整个系统的稳定运行至关重要。绝缘子作为关键的高压电气元件，其完好无损是保障电力系统安全的基础。绝缘子的损坏或缺陷可能导致严重的安全事故，比如电气短路或设备故障。因此，对绝缘子进行有效的缺陷检测和状态监测是维护轨道交通安全的重要环节。
2、传统的人工检查方法需要大量劳动力，效率低下，易受主观判断和检查环境的影响，准确率和可靠性难以保证。
3、随着技术的发展，特别是人工智能和深度学习技术的兴起，自动化的绝缘子缺陷检测方法开始受到关注。通过利用先进的图像处理和机器学习算法，可以更准确、更快速地识别绝缘子上的缺陷。当前针对绝缘子缺陷检测其研究大多属于目标检测方法。然而，目标检测方法依靠大量训练数据，当绝缘子缺陷图像缺失时，目标检测方法的识别精度将难以保证。近年来，重建方法受到了工业环境缺陷检测领域的广泛关注，这是一种无需缺陷样本，仅靠正常图像即可进行训练，并缺陷检测的方法，但该方法的缺陷检测精度较低。在重建网络训练时引入数据增强方法，可以有效增加网络的缺陷检测能力。
4、现有的基于重建的缺陷检测技术受数据集的数据量与图像质量影响较大，而大部分现有的绝缘子缺陷检测技术依赖于有限的数据集。由于高质量的缺陷图像难以大量获取，导致增强训练出的模型无法充分学习和适应各种缺陷类型，尤其是罕见或微妙的缺陷。有限且单一的训练数据还会导致网络缺乏多样性和泛化能力，以及对复杂背景和变化条件适
技术实现思路
1、针对绝缘子负样本稀缺与重建网络缺陷检测精度低的问题，本专利技术提出了一种基于图像生成的新型数据增强方法，旨在提高重建模型在绝缘子缺陷检测方面的性能，尤其是在面对有限的训练数据或多样化的缺陷类型时，能够大幅度提高模型的准确性和泛化能力，从而为轨道交通变电站提供更加可靠和高效的绝缘子状态监测解决方案。
2、为了实现上述目的，本专利技术所采用的技术方案为：一种基于图像生成的数据增强方法，包括以下步骤：
3、步骤1：获取包含绝缘子的初始图像；
4、步骤2：对初始图像进行预处理：分割初始图像的背景部分，并在原背景处填充黑色；
5、步骤3：将预处理后的绝缘子图像分为a、b、c三组；
6、步骤4：使用完整带缺陷绝缘子图像生成方法对a组绝缘子图像进行处理，用于将其中无缺陷绝缘子图像转化成带缺陷的风格，以生成新的带缺陷绝缘子图像；
7、步骤5：使用局部绝缘子缺陷图像生成方法对b组绝缘子图像进行处理，包括缺陷局部生成与矩形缺陷生成两部分，前者用于生成风格与原缺陷图像更加接近的图像，后者用于随机生成大量矩形缺陷；
8、步骤6：使用原始图像随机矩形遮盖方法对步骤4处理后的a组绝缘子图像、步骤5处理后的b组绝缘子图像和未经过特殊处理的c组绝缘子图像进行覆盖。
9、进一步的，所述步骤3中：a、b、c三组绝缘子图像的比例为(30-35)：(30-35)：(30-40)。
10、进一步的，所述步骤4中，完整带缺陷绝缘子图像生成方法具体为：
11、步骤4.1：将绝缘子图像分为无缺陷绝缘子图像和带缺陷绝缘子图像两部分，作为循环生成网络cyclegan的两个输入数据集；
12、步骤4.2：对循环生成网络cyclegan进行训练，训练后的循环生成网络cyclegan将无缺陷绝缘子图像按照带缺陷绝缘子图像的图像风格重新生成，获得全新的带缺陷绝缘子图像。
13、进一步的，所述步骤5中，局部绝缘子缺陷图像生成方法具体为：
14、步骤5.1：将绝缘子真实缺陷局部图像作为循环生成网络cyclegan的输入数据集之一；
15、步骤5.2：获取工业环境下类似材料的公开缺陷数据集，并同样提取其缺陷部分，再把其余背景部分填充黑色，作为循环生成网络cyclegan的另一输入数据集；
16、步骤5.3：以上述两数据集训练循环生成网络cyclegan，生成缺陷局部图像；训练好的循环生成网络cyclegan能够将绝缘子真实缺陷局部样本在形状不变的情况下，转化为公开缺陷数据集的风格，丰富绝缘子缺陷部分的纹理和颜色特征信息；
17、步骤5.4：将生成的缺陷局部图像通过原缺陷形状裁剪为新缺陷局部图像，并将其覆盖在无缺陷绝缘子图像上，即可得到最终生成的带缺陷绝缘子图像。
18、进一步的，所述步骤6中，原始图像随机矩形遮盖方法具体为：向绝缘子图像中加入位置和大小均随机的黑色矩形遮盖，用于强化绝缘子缺陷检测重建模型对被遮盖的未知信息的预测能力。
19、与现有技术相比，本专利技术具有以下优点和有益效果：
20、(1)提高缺陷检测数据集的多样性与代表性：
21、本专利技术的方法通过合成缺陷和模拟不同缺陷场景，有效地增加了数据集中的缺陷类型和样式，使模型训练更全面。合成的缺陷相比目前主流的数据增强方法，更接近真实世界的复杂情况，提高了模型对实际应用中遇到的缺陷的识别能力。
22、(2)提升检测准确性与可靠性：
23、通过本专利技术提供的数据增强技术，能显著提高绝缘子缺陷检测的准确性。增强后的数据集使得检测模型能更好地处理各种真实世界中的缺陷，包括那些罕见或细微的缺陷类型。这些方法增强了模型在不同环境和条件下的稳健性，减少了因环境变化导致的误判或漏判，从而提升了整个检测系统的可靠性。
24、(3)提高检测系统的适应性与泛化能力：
25、本技术方案使得检测模型能够适应多变的环境和背景条件，如不同的光照和天气状况，从而在各种实际应用场景中都能保持高效的检测性能。另外，通过对训练数据进行高度的增强和多样化处理，提升了模型对未见缺陷的泛化能力，增强了模型在面对新的或变化的缺陷类型时的适应能力。
26、(4)降低对大量实际缺陷数据的依赖：
27、本专利技术减少了收集和标记大量实际缺陷图像的需求，通过合成和模拟技术，可以有效地扩展训练数据集，而无需实际采集大量复杂且多样的缺陷样本。在提高检测效果的同时，还降低了整体的成本开销。
本文档来自技高网...【技术保护点】
1.一种基于图像生成的数据增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像生成的数据增强方法，其特征在于，所述步骤3中：A、B、C三组绝缘子图像的比例为(30-35)：(30-35)：(30-40)。
3.根据权利要求1所述的一种基于图像生成的数据增强方法，其特征在于，所述步骤4中，完整带缺陷绝缘子图像生成方法具体为：
4.根据权利要求1所述的一种基于图像生成的数据增强方法，其特征在于，所述步骤5中，局部绝缘子缺陷图像生成方法具体为：
5.根据权利要求1所述的一种基于图像生成的数据增强方法，其特征在于，所述步骤6中，原始图像随机矩形遮盖方法具体为：向绝缘子图像中加入位置和大小均随机的黑色矩形遮盖，用于强化绝缘子缺陷检测重建模型对被遮盖的未知信息的预测能力。
【技术特征摘要】
1.一种基于图像生成的数据增强方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于图像生成的数据增强方法，其特征在于，所述步骤3中：a、b、c三组绝缘子图像的比例为(30-35)：(30-35)：(30-40)。
3.根据权利要求1所述的一种基于图像生成的数据增强方法，其特征在于，所述步骤4中，完整带缺陷绝缘子图像生成方法具体为：...
【专利技术属性】
技术研发人员：宗起振，刘若鹏，徐贵力，李佑文，褚红健，詹妍，王声柱，
申请(专利权)人：南京国电南自轨道交通工程有限公司，
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。