基于改进的DCGAN的输电线路图像增广方法及系统与流程

技术特征：
1.基于改进的dcgan的输电线路图像增广方法，其特征在于，包括以下步骤：采集输电线路的原始缺陷图像样本数据；对dcgan网络模型的结构进行改进，得到改进结构的dcgan网络模型；利用改进结构的dcgan网络模型对所述原始缺陷图像样本数据进行预处理，得到训练集；对改进结构的dcgan网络模型进行训练，直到生成器g与鉴别器d达到纳什均衡；利用所述生成器g，生成增广后的数据。2.根据权利要求1所述的基于改进的dcgan的输电线路图像增广方法，其特征在于，所述对dcgan网络模型的结构进行改进包括：在dcgan网络模型的生成式对抗网络中增加增广函数f；在dcgan网络模型的鉴别器d中加入cbam注意力机制。3.根据权利要求2所述的基于改进的dcgan的输电线路图像增广方法，其特征在于，所述利用改进结构的dcgan网络模型对所述原始缺陷图像样本数据进行预处理，得到训练集包括：利用增广函数f对原始缺陷图像样本数据进行翻转和旋转变换的预处理，得到预处理图像样本数据集f(x)；将预处理图像样本数据集f(x)与原始缺陷样本数据集x融合得到训练集。4.根据权利要求1所述的基于改进的dcgan的输电线路图像增广方法，其特征在于，对改进结构的dcgan网络模型进行训练包括：向生成器g中输入一个随机噪声z，得到生成数据g(z)；固定生成器g，从所述训练集和g(z)中随机抽取数据训练鉴别器d；固定鉴别器d的参数，训练生成器g；反复迭代直到生成器g与鉴别器d达到纳什均衡。5.根据权利要求3所述的基于改进的dcgan的输电线路图像增广方法，其特征在于，所述训练集的缺陷图像样本的总数量count(x)
′
用公式表示为：count(x)
′
＝count(x) count(f(x))，其中：x表示原始缺陷图像样本数据集，count(x)表示原始缺陷图像样本数量，f(x)表示经预处理得到的预处理图像样本数据集，count(f(x))表示经过预处理得到的预处理图像样本数量。6.根据权利要求4所述的基于改进的dcgan的输电线路图像增广方法，其特征在于，所述纳什均衡指鉴别器d辨别的概率为0.5。7.基于改进的dcgan的输电线路图像增广系统，其特征在于，包括：采集模块，用于采集输电线路的原始缺陷图像样本数据；网络模型改进模块，用于对dcgan网络模型的结构进行改进，得到改进结构的dcgan网络模型；预处理模块，用于利用所述改进结构的dcgan网络模型对所述原始缺陷图像样本数据进行预处理；训练模块，用于对改进结构的dcgan网络模型进行训练，直至生成器g与鉴别器d达到纳什均衡；
数据生成模块，用于利用所述生成器g，生成增广后的数据。8.根据权利要求7所述的其中，基于改进的dcgan的输电线路图像增广系统，其特征在于，所述预处理包括对所述原始缺陷图像样本数据进行翻转处理和旋转变换处理。9.根据权利要求7所述的其中，基于改进的dcgan的输电线路图像增广系统，其特征在于，所述纳什均衡指鉴别器d辨别的概率为0.5。

技术总结
本发明提供一种基于改进的DCGAN的输电线路图像增广方法及系统，其中方法包括：采集输电线路的原始缺陷图像样本数据；对DCGAN网络模型的结构进行改进，得到改进结构的DCGAN网络模型；利用改进结构的DCGAN网络模型对所述原始缺陷图像样本数据进行预处理，得到训练集；对改进结构的DCGAN网络模型进行训练，直到生成器G与鉴别器D达到纳什均衡；利用所述生成器G，生成增广后的数据。本发明通过使用增广函数对原数据进行预处理，可以为DCGAN的训练提供更多的训练数据，使网络学习到更全面的数据集特征，生成更有效的数据集。生成更有效的数据集。生成更有效的数据集。


技术研发人员：王江 王海霖 覃明生 唐锦鹏 邓春明 韦维 石忠诚 韦基毅 兰建蒙 崖望洲 谭堃 韦屹健 黄东 谭文海 蒋英俊
受保护的技术使用者：广西电网有限责任公司河池供电局
技术研发日：2021.07.01
技术公布日：2021/11/19