【技术实现步骤摘要】
本专利技术涉及变电缺陷数据生成，具体是一种基于改进dcgan的变电缺陷数据扩充方法与系统。
技术介绍
1、随着电力领域智能化巡检技术的飞速发展，以目标检测、语义分割等深度学习任务为主的变电站缺陷识别的重要性日益显著。然而，变电站缺陷数据数据往往存在样本少的问题，并不能很好的支持缺陷识别模型的进一步训练。为进一步获取更高精度的缺陷识别模型，需引入更多的训练数据，然而，在变电站的日常巡检中，出现设备缺陷的情况较少，能采集到的缺陷样本数有限。
2、因此，亟需一种基于改进dcgan的变电缺陷数据扩充方法与系统来解决上述问题。
技术实现思路
1、本专利技术的目的在于提供基于改进dcgan的变电缺陷数据扩充方法与系统，它能实现获取更丰富的图像信息，生成大量的缺陷样本。
2、本专利技术为实现上述目的，通过以下技术方案实现：
3、一种基于改进dcgan的变电缺陷数据扩充方法，包括以下步骤：
4、s1：采集变电站缺陷数据集，进行预处理后获取训练数据集；
5、s2：构建改进的dcgan算法模型进行模型训练，所述改进的dcgan算法包括：替换原始relu激活函数替换为frelu激活函数，加速模型收敛，替换原始模型中损失函数为wasserstein距离，引入bra注意力机制；
6、s3：使用训练好的改进的dcgan模型的生成器，生成大量变电缺陷图像数据。
7、优选的，所述步骤s1中采集变电站缺陷数据集，进行预处理获取训练数
8、采集变电场景下真实巡检存在缺陷图片，经预处理后获取训练数据，所述预处理操作包括数据清洗与弱数据增强方法，所述弱数据增强方式包括：旋转、翻转以及添加噪声。
9、优选的，所述步骤s2中构建改进的dcgan算法模型具体为：
10、将生成器中relu激活函数替换为frelu激活函数，在激活函数中加入了空间上下文信息，所述frelu激活函数为：frelu＝max(x,t(x))，t(x)为上下文特征提取器；
11、替换原始模型中损失函数为wasserstein距离，所述wasserstein距离为生成数据分布与真实数据分布之间的距离，所述wasserstein距离的计算表达式为：w(p,q)＝infγ∈∏(p,q)e(x,y)[‖x-y‖]，式中，p为真实缺陷图像分布，q为生成器生成的缺陷图像分布，w是两个图像分布的wasserstein距离，γ∈∏(p,q)为真实缺陷图像与生成缺陷图像的联合分布，inf表示取最小值，x、y是从p、q中采样的随机变量，‖x-y‖为x与y之间的距离，e为对距离的期望值；
12、所述注意力机制为bi-level routing attenton动态稀疏注意力，即bra注意力机制，所述bra注意力机制具体方法包括：
13、将输入特征数据将其划分为s×s个不同区域，每个区域包含hw/s2个特征向量，其中，h、w分别为特征数据高、宽，通过线性映射得到三个输入query(q)、key(k)和value(v)，对q、k求平均值为q、k，通过q、k构建区域相关性的邻接矩阵向量：a_r＝qkt，式中，a_r为构建邻接矩阵向量，t代表矩阵转置；
14、保留每个区域的前n个连接的索引i＝topnindex(a_r)，式中，i为索引矩阵，聚集k、v，kg＝gather(k,i)，vg＝gather(v,i)，对聚集后的kg,vg使用注意力操作：式中，att为注意力函数，lce(·)使用深度可分离卷积进行参数化，sofmax为归一化指数函数。
15、一种基于改进dcgan的变电缺陷数据扩充系统，包括：
16、图像采集模块，用于采集变电站缺陷数据集；
17、预处理模块，用于对采集变电站缺陷数据集进行数据清洗与弱数据增强操作，获取训练数据集；
18、模型训练模块，用于对预处理后的训练数据集，基于改进的dcgan算法模型进行模型训练，获取具有变电缺陷数据生成能力的dcgan算法模型；
19、图像生成模块，用于模型训练模块中训练好的dcgan模型的生成器，生成大量变电缺陷图像数据。
20、对比现有技术，本专利技术的有益效果在于：
21、针对变电站缺陷数据样本较少的问题，利用弱数据增强方法提高训练数据集数据量，同时利用深度学习模型dcgan对已有缺陷数据集进行训练，获取更丰富的图像信息，生成大量的缺陷样本；
22、针对dcgan算法模型对变电复杂场景下的缺陷图片生成质量差的问题，本专利技术基于改进的dcgan算法模型对变电缺陷数据进行生成，采用wasserstein距离替代原始算法模型的损失函数，可以有效解决模型训练时梯度消失的问题，同时引入rba注意力机制，可以更好的建立全局特征之间的关系，以生成质量更高缺陷样本。
本文档来自技高网...【技术保护点】
1.一种基于改进DCGAN的变电缺陷数据扩充方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进DCGAN的变电缺陷数据扩充方法，其特征在于，所述步骤S1中采集变电站缺陷数据集，进行预处理获取训练数据集，具体为：
3.根据权利要求1所述的一种基于改进DCGAN的变电缺陷数据扩充方法，其特征在于，所述步骤S2中构建改进的DCGAN算法模型具体为：
4.一种基于改进DCGAN的变电缺陷数据扩充系统，其特征在于，包括：
【技术特征摘要】
1.一种基于改进dcgan的变电缺陷数据扩充方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于改进dcgan的变电缺陷数据扩充方法，其特征在于，所述步骤s1中采集变电站缺陷数据集，进行预处理获取训练数据集，具...
【专利技术属性】
技术研发人员：鲁雪丽，张万征，陈鑫，杨蓬，徐学来，
申请(专利权)人：智洋创新科技股份有限公司，
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。