【技术实现步骤摘要】
本专利技术涉及图像处理技术，更具体地，涉及一种面向变压器内部机器鱼作业的缺陷目标检测方法及装置。
技术介绍
1、大型变压器作为电力系统的关键设备，其运行状态直接关系到电网的稳定性和安全性。然而，由于变压器内部结构复杂，且长期工作在高压、高温、高湿等恶劣环境下，导致其内部容易出现各种缺陷。随着机器人技术的快速发展，越来越多的机器人代替人类进行变压器内部状态检测，以提高检测效率和准确性。
2、然而，由于变压器内部长期受到高压、高温和电磁场的影响，导致变压器油变质、变色，并积累大量杂质，这些干扰因素使得拍摄的图像出现对比度低、颜色失真、清晰度差等问题，增加了误检和漏检的风险。此外，由于变压器内部结构复杂，光源难以均匀分布，导致图像中存在明暗不均的问题，且由于变压器内部空间狭小，机器人携带的光源可能无法充分照亮所有区域，进一步加剧了光照问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种面向变压器内部机器鱼作业的缺陷目标检测方法及装置。
2、本专利技术的一个方面提供了一种面向变压器内部机器鱼作业的缺陷目标检测方法，包括：响应于变压器内部状态检测请求，获取上述变压器内部的机器鱼采集的上述变压器的内部结构图像；基于上述内部结构图像，确定上述变压器内部的变压器油的品质信息；基于上述变压器油的品质信息，对上述内部结构图像进行校正，得到第一图像；基于上述第一图像进行对象检测，得到上述变压器的缺陷目标检测结果。
3、根据本专利技术的实施例，上述基于上述第一图像进
4、根据本专利技术的实施例，上述基于自适应直方图均衡化和自校准光照学习网络对上述第一图像进行图像增强处理，得到增强图像，包括：利用直方图均衡化方法对上述第一图像进行对比度增强，得到灰度图像；将上述灰度图像与上述第一图像按通道维度拼接，得到第二图像；对上述第二图像进行多尺度特征提取，得到第一特征图； 将上述第一特征图输入自校准光照学习网络，得到第二特征图；将上述第二特征图与上述灰度图像进行多尺度融合，得到第三特征图；利用残差网络处理上述第三特征图，输出得到上述增强图像。
5、根据本专利技术的实施例，上述对上述增强图像进行超分辨率重建，得到重建图像，包括：将上述增强图像输入到对抗网络的生成器中，以对上述增强图像进行超分辨率重建，得到上述重建图像。
6、根据本专利技术的实施例，上述对上述重建图像进行对象检测及实例分割，以得到上述变压器的缺陷目标检测结果，包括：将上述重建图像输入对象检测网络，得到目标检测特征图；对上述重建图像进行特征提取，得到第四特征图；利用注意力机制将上述目标检测特征图和上述第四特征图进行融合，得到交叉特征图；将上述交叉特征图输入实例分割网络，得到与检测目标相关的像素掩膜；基于上述像素掩膜，得到上述变压器的缺陷目标检测结果。
7、根据本专利技术的实施例，上述基于上述内部结构图像，确定上述变压器内部的变压器油的品质信息，包括：从上述内部结构图像中提取包含变压器构件的第一子图像和包含背景信息的第二子图像；基于上述第一子图像中变压器构件的形状特征和上述变压器构建的实际形状特征，确定上述变压器油的畸变信息；对上述第二子图像进行异常像素点检测，以确定至少一个第一异常像素块，上述第一异常像素块由多个异常像素点构成；基于上述第二子图像中除上述至少一个第一异常像素块之外的其他像素点的像素信息，得到上述变压器油的颜色信息；基于上述至少一个第一异常像素块各自包含的异常像素点的数量，确定上述变压器油的杂质信息，上述杂质信息用于表示异常像素块的大小概率分布。
8、根据本专利技术的实施例，上述基于上述变压器油的品质信息，对上述内部结构图像进行校正，得到第一图像，包括：对上述内部结构图像进行异常像素点检测，以确定多个第二异常像素块；基于上述多个第二异常像素块各自包含的异常像素点的数量和上述杂质信息表示的异常像素块的大小概率分布，确定上述多个第二异常像素块各自的置信度；基于置信度阈值，从上述多个第二异常像素块中确定至少一个目标异常像素块；将上述内部结构图像中的至少一个目标异常像素块进行剔除处理，得到第三图像；基于上述颜色信息对上述第三图像进行色彩校正，得到第四图像；基于上述畸变信息对上述第四图像进行校正，得到上述第一图像。
9、根据本专利技术的实施例，上述方法还包括：基于上述变压器的多个缺陷类型进行初始样本的数据增强，得到多个训练样本；利用上述多个训练样本来训练自校准光照学习网络、对抗网络、对象检测网络和实例分割网络。
10、根据本专利技术的实施例，上述基于上述变压器的多个缺陷类型进行初始样本的数据增强，得到多个训练样本，包括：对于每个上述缺陷类型，从缺陷库中提取与上述缺陷类型对应的第一缺陷目标图像；对上述第一缺陷目标图像进行随机缩放，得到第二缺陷目标图像；将上述第二缺陷目标图像叠加至上述初始样本，得到与上述缺陷类型对应的训练样本。
11、本专利技术的另一个方面提供了一种面向变压器内部机器鱼作业的缺陷目标检测装置，包括：获取模块，用于响应于变压器内部状态检测请求，获取上述变压器内部的机器鱼采集的上述变压器的内部结构图像；确定模块，用于基于上述内部结构图像，确定上述变压器内部的变压器油的品质信息；校正模块，用于基于上述变压器油的品质信息，对上述内部结构图像进行校正，得到第一图像；检测模块，用于基于上述第一图像进行对象检测，得到上述变压器的缺陷目标检测结果。
12、本专利技术的另一个方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，其中，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如上所述的方法。
13、本专利技术的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。
14、本专利技术的另一方面提供了一种计算机程序产品，上述计算机程序产品包括计算机可执行指令，上述指令在被执行时用于实现如上所述的方法。
15、根据本专利技术的实施例，通过分析变压器内部结构图像中的变压器油图像特征，能够准确地评估变压器油的品质信息，从而有助于及时发现油的老化、污染等问题，为变压器的维护和管理提供重要依据。此外，利用对象检测模型对校正后的内部结构图像进行特征提取等处理，以提高变压器内部的缺陷目标的检测精度，更好地判断变压器的运行状态。
本文档来自技高网...【技术保护点】
1.一种面向变压器内部机器鱼作业的缺陷目标检测方法，其特征在于，所述缺陷目标检测方法包括：
2.根据权利要求1所述的缺陷目标检测方法，其特征在于，所述基于所述第一图像进行对象检测，得到所述变压器的缺陷目标检测结果，包括：
3.根据权利要求2所述的缺陷目标检测方法，其特征在于，所述基于自适应直方图均衡化和自校准光照学习网络对所述第一图像进行图像增强处理，得到增强图像，包括：
4.根据权利要求2所述的缺陷目标检测方法，其特征在于，所述对所述增强图像进行超分辨率重建，得到重建图像，包括：
5.根据权利要求2所述的缺陷目标检测方法，其特征在于，所述对所述重建图像进行对象检测及实例分割，以得到所述变压器的缺陷目标检测结果，包括：
6.根据权利要求1所述的缺陷目标检测方法，其特征在于，所述变压器油的品质信息包括所述变压器油的畸变信息、颜色信息和杂质信息；
7.根据权利要求6所述的缺陷目标检测方法，其特征在于，所述基于所述变压器油的品质信息，对所述内部结构图像进行校正，得到第一图像，包括：
8.根据权利要求1~
9.根据权利要求8所述的缺陷目标检测方法，其特征在于，所述基于所述变压器的多个缺陷类型进行初始样本的数据增强，得到多个训练样本，包括：
10.一种面向变压器内部机器鱼作业的缺陷目标检测装置，包括：
...【技术特征摘要】
1.一种面向变压器内部机器鱼作业的缺陷目标检测方法，其特征在于，所述缺陷目标检测方法包括：
2.根据权利要求1所述的缺陷目标检测方法，其特征在于，所述基于所述第一图像进行对象检测，得到所述变压器的缺陷目标检测结果，包括：
3.根据权利要求2所述的缺陷目标检测方法，其特征在于，所述基于自适应直方图均衡化和自校准光照学习网络对所述第一图像进行图像增强处理，得到增强图像，包括：
4.根据权利要求2所述的缺陷目标检测方法，其特征在于，所述对所述增强图像进行超分辨率重建，得到重建图像，包括：
5.根据权利要求2所述的缺陷目标检测方法，其特征在于，所述对所述重建图像进行对象检测及实例分割，以得到所述变压...
【专利技术属性】
技术研发人员：刘力卿，贺春，冯军基，张弛，张贺，段明辉，姚创，魏菊芳，宁琦，赵思源，李隆基，
申请(专利权)人：国网天津市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。