电力设备的检测方法及装置与流程

本公开涉及计算机，尤其涉及一种电力设备的检测方法及装置。

背景技术：

1、电力系统中的输电线路、变电站设备、配电设备等在长期运行过程中易受到环境老化、机械损耗、天气因素以及电气过载等影响，从而产生诸如绝缘破损、螺栓松动、金具锈蚀、异物挂靠、连接件烧伤、套管裂纹等多种缺陷。

2、传统检测手段主要依赖人工巡检和规则类视觉算法，不仅效率低下、主观性强，且难以应对光照变化、遮挡及设备外观差异等复杂场景。虽然基于深度学习的检测模型在一定程度上提升了识别精度，但该类模型基于视觉特征进行缺陷建模，难以精确区分裂纹与划痕、锈蚀与污渍等视觉相似度高的缺陷类型。

技术实现思路

1、本公开提供一种电力设备的检测方法及装置，以至少在一定程度上解决相关技术中的技术问题之一。本公开的技术方案如下：

2、根据本公开实施例的第一方面，提供一种电力设备的检测方法，包括：获取待检测的电力设备的输入图像，以及从行业知识库中提取的术语集合；对所述输入图像进行视觉特征编码，得到层级化视觉特征，以及对所述术语集合进行文本特征编码，得到文本语义向量；对所述层级化视觉特征和所述文本语义向量进行交叉注意力计算，得到注意力特征；将所述注意力特征与所述层级化视觉特征融合，生成语义增强视觉特征；将所述语义增强视觉特征输入至目标任务头，得到所述目标任务头输出的检测结果；其中，所述目标任务头是预设的多个任务头中的至少一个，所述多个任务头用于检测所述电力设备的缺陷信息和/或设备信息。

3、根据本公开实施例的第二方面，提供了一种电力设备的检测装置，包括：获取模块，用于获取待检测的电力设备的输入图像，以及从行业知识库中提取的术语集合；编码模块，用于对所述输入图像进行视觉特征编码，得到层级化视觉特征，以及对所述术语集合进行文本特征编码，得到文本语义向量；第一处理模块，用于对所述层级化视觉特征和所述文本语义向量进行交叉注意力计算，得到注意力特征；融合模块，用于将所述注意力特征与所述层级化视觉特征融合，生成语义增强视觉特征；第二处理模块，用于将所述语义增强视觉特征输入至目标任务头，得到所述目标任务头输出的检测结果；其中，所述目标任务头是预设的多个任务头中的至少一个，所述多个任务头用于检测所述电力设备的缺陷信息和/或设备信息。

4、根据本公开实施例的第三方面，提供一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如本公开第一方面实施例所述的电力设备的检测方法。

5、根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本公开第一方面实施例所述的电力设备的检测方法。

6、根据本公开实施例的第五方面，提供一种计算机程序产品，包括：计算机程序，所述计算机程序被处理器执行时实现如本公开第一方面实施例所述的电力设备的检测方法。

7、本公开的实施例提供的技术方案至少带来以下有益效果：

8、在本技术方案中，通过获取待检测的电力设备的输入图像，以及从行业知识库中提取的术语集合，能够将领域先验知识直接引入检测流程，有效弥补纯视觉数据在专业语义上的不足；之后，对输入图像进行视觉特征编码，得到层级化视觉特征，以及对术语集合进行文本特征编码，得到文本语义向量，可分别捕获从细粒度到粗粒度的视觉结构信息和术语间的深层语义关联，为后续跨模态对齐提供丰富且鲁棒的表示基础；再之后，对层级化视觉特征和文本语义向量进行交叉注意力计算，得到注意力特征，能够实现视觉特征与文本特征的深度交互，使视觉特征能自适应地聚焦于与术语语义相关的关键区域，显著提升特征对电力设备典型缺陷和关键部件的识别能力；然后，将注意力特征与层级化视觉特征融合，生成语义增强视觉特征，可使生成的语义增强视觉特征既保留了图像的原始视觉结构信息，又融入了专业知识引导的高层语义信息，极大增强了特征的判别表征能力；最后，将语义增强视觉特征输入至目标任务头，得到目标任务头输出的检测结果，其中，目标任务头是预设的多个任务头中的至少一个，多个任务头用于检测电力设备的缺陷信息和/或设备信息，可使目标任务头在推理过程中基于语义增强视觉特征充分挖掘判别信息，提升电力设备检测的准确性，同时目标任务头为多个任务头中的至少一个且各任务头共享同一增强特征，可在一次前向推理中协同完成多种检测任务，降低计算冗余与推理延迟，提升电力设备检测的鲁棒性。

9、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

1.一种电力设备的检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述目标任务头包括缺陷检测头；所述将所述语义增强视觉特征输入至目标任务头，得到所述目标任务头输出的检测结果，包括：

3.根据权利要求2所述的方法，其特征在于，所述第一缺陷检测结果包括缺陷的位置边界框和类别；所述基于所述目标特征图，输出第一缺陷检测结果，包括：

4.根据权利要求1所述的方法，其特征在于，所述目标任务头包括实例分割头；所述将所述语义增强视觉特征输入至目标任务头，得到所述目标任务头输出的检测结果，包括：

5.根据权利要求4所述的方法，其特征在于，所述第二缺陷检测结果包括缺陷的像素级掩膜；所述基于所述局部感受野注意力特征和所述形态先验特征，输出第二缺陷检测结果，包括：

6.根据权利要求1所述的方法，其特征在于，所述目标任务头包括关键点识别头；所述将所述语义增强视觉特征输入至目标任务头，得到所述目标任务头输出的检测结果，包括：

7.根据权利要求1所述的方法，其特征在于，所述目标任务头包括光学字符识别ocr文本识别头；所述将所述语义增强视觉特征输入至目标任务头，得到所述目标任务头输出的检测结果，包括：

8.根据权利要求1所述的方法，其特征在于，所述对所述层级化视觉特征和所述文本语义向量进行交叉注意力计算，得到注意力特征，包括：

9.根据权利要求1-8中任一项所述的方法，其特征在于，所述方法，还包括：

10.一种电力设备的检测装置，其特征在于，包括：