一种电力缺陷小样本生成方法及存储介质与流程

1.本发明涉及输电线路巡检图像缺陷检测技术领域，具体涉及一种电力缺陷小样本生成方法及存储介质。


背景技术：

2.随着我国高压、特高压输电等级的不断提高，长距离、高负荷的输电线路在全国范围内广泛架设，输电线路的安全稳定和高效运行是保障全国人民生产、生活的重要基础。我国输电线路分布错综复杂，点多面广，且架设区域地貌复杂气候多变。输电线路中的各种部件长期暴露在野外，受到持续机械张力、太阳暴晒、冰雪覆盖、雨水侵蚀以及人为破坏等因素影响，极易发生断裂、磨损、腐蚀、挂物等故障，成为目前电力系统安全与稳定的极大隐患。
3.由于目前关于输电线路巡检图像缺陷检测技术正处在起步阶段，目前我们收集到的缺陷样本数量是很少的，而且获取新的独立样本图像比较困难，无法满足深度学习对高质量独立样本的需求。


技术实现要素：

4.针对上述问题，发明人提供了一种电力缺陷小样本生成方法，采用vae生成模型自动生成训练数据，实现样本数据的自动扩充，解决了电力设备缺陷样本少，获取难度大的问题。
5.根据第一方面，本发明提供了一种电力缺陷小样本生成方法，包括以下步骤：
6.步骤s1：获取原缺陷图像数据，基于原缺陷图像数据构建vae生成模型；
7.步骤s2：从所述vae生成模型的隐藏表示中进行随机采样，得到隐藏变量；
8.步骤s3：利用解码器将所述隐藏变量进行重建，得到随机样本。
9.进一步地，所述步骤s1还包括：
10.步骤s11：构建专属于原缺陷图像数据的后验分布，所述后验分布是正态分布；
11.步骤s12：确定所述后验分布的均值和方差；
12.步骤s13：从正态分布中进行随机采样，得到正态分布随机样本；
13.步骤s14：基于所述均值、方差和正态分布随机样本得到隐藏表示。
14.进一步地，所述隐藏表示z为：
15.z＝μ(x) ε
×
σ(x)，ε～n(0，1)
16.其中，μ(x)表示均值；ε表示潜在正态分布随机样本；σ(x)表示方差；n(0，1)表示正态分布。
17.根据第二方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序能够被处理器执行以实现如上所述的方法的步骤。
18.相比现有技术，本发明的有益效果：
19.本发明提供了一种电力缺陷小样本生成方法，利用原缺陷图像数据训练vae模型，
从vae模型的隐藏表示中随机采样，再解码重建，形成随机样本，解决了电力设备缺陷样本少、获取困难的问题。
附图说明
20.图1为本发明提供的电力缺陷小样本生成方法的流程框图；
21.图2为本发明样本生成的流程图。
具体实施方式
22.下面通过具体实施方式结合附图对本发明作进一步详细说明。
23.vae：变分自动编码器，是一种生成模型。
24.实施例1
25.如图1-2所示，本发明提供了一种电力缺陷小样本生成方法，包括以下步骤：
26.步骤s1：获取原缺陷图像数据，基于原缺陷图像数据构建vae生成模型。具体包括：
27.首先使用双曲正切函数将输入的原缺陷图像数据x压缩到[-1，1]区间内，实现了对数据的归一化操作。
[0028]
然后，构建专属于原缺陷图像数据x的后验分布p(x|z)，后验分布p(x|z)是正态分布，即p(x|z)＝n(0，1)。后验分布p(x|z)用于描述由z生成x的模型。
[0029]
接着，标准正态分布可计算出后验分布的均值μ(x)和方差σ(x)。
[0030]
然后从正态分布中进行随机采样ε，得到正态分布随机样本。
[0031]
最后，将方差σ(x)与采样ε相乘后与均值μ(x)相加，得到隐藏表示z。即
[0032]
z＝μ(x) ε
×
σ(x)，ε～n(0，1)
[0033]
步骤s2：隐藏表示z中进行随机采样，得到一组隐藏变量z；
[0034]
步骤s3：利用解码器将隐藏变量进行解码重建，即可得到随机样本。
[0035]
事实上，我们还需要在重构图片的精确度和分布的拟合度上进行权衡。
[0036]
由于vae会预设一个隐藏表示向量，故得到的编码结果并不是某个确定的值，而是一个范围，如此网络便可以学习到关于输电线路图像的连续的、高度结构化的隐藏表达。利用这个高度结构化的隐藏表达可以控制、改变生成输电线路图像的一些特征(改变导线、绝缘子缺陷位置和导线方向)，甚至在完好的输电线路图像上生成缺陷。而在解码的过程中，存在噪声干扰等外界条件，使生成的图像存在多样性，由此得到更具泛化性和多样性的输电线路缺陷图像样本库。
[0037]
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。


技术特征：
1.一种电力缺陷小样本生成方法，其特征在于，包括以下步骤：步骤s1：获取原缺陷图像数据，基于原缺陷图像数据构建vae生成模型；步骤s2：从所述vae生成模型的隐藏表示中进行随机采样，得到隐藏变量；步骤s3：利用解码器将所述隐藏变量进行重建，得到随机样本。2.如权要求1所述的方法，其特征在于，所述步骤s1还包括：步骤s11：构建专属于原缺陷图像数据的后验分布，所述后验分布是正态分布；步骤s12：确定所述后验分布的均值和方差；步骤s13：从正态分布中进行随机采样，得到正态分布随机样本；步骤s14：基于所述均值、方差和正态分布随机样本得到隐藏表示。3.如权利要求2所述的方法，其特征在于，所述隐藏表示z为：z＝μ(x) ε
×
σ(x)，ε～n(0,1)其中，μ(x)表示均值；ε表示潜在正态分布随机样本；σ(x)表示方差；n(0,1)表示正态分布。4.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序能够被处理器执行以实现如权利要求1-3中任一项所述的方法的步骤。

技术总结
本发明公开了一种电力缺陷小样本生成方法及存储介质，方法包括步骤S1、获取原缺陷图像数据，基于原缺陷图像数据构建VAE生成模型；步骤S2、从所述VAE生成模型的隐藏表示中进行随机采样，得到隐藏变量；步骤S、利用解码器将所述隐藏变量进行重建，得到随机样本；该方法利用原缺陷图像数据训练VAE模型，再由VAE生成模型自动生成训练数据，实现了样本数据的自动扩充，解决了电力设备缺陷样本少、获取难度大的问题。的问题。的问题。


技术研发人员：陈恩邦 赵李强 任莹 师智良
受保护的技术使用者：昆明能讯科技有限责任公司
技术研发日：2021.12.28
技术公布日：2022/4/26