热力管网状况诊断方法、装置、终端设备和存储介质与流程

技术特征：
1.一种热力管网状况诊断模型训练方法，其特征在于，包括以下步骤：将含热力管网状况类别标签的随机噪声数据输入acgan生成器，得到含状况类别标签的伪样本，将已获得的热力管网图像真样本和acgan生成器新生成的含状况类别标签的伪样本输入acgan判别器进行判别真假训练和分类训练，并输入svm模型进行分类训练，将acgan判别器和svm模型的分类损失函数整合为统一损失函数，根据acgan判别真假的情况，更新所述acgan生成器参数，根据所述统一损失函数，更新所述acgan判别器参数，根据所述svm模型分类损失函数，更新所述svm模型参数；迭代以上步骤多次后，每迭代一定次数，就降低一次svm损失函数对所述统一损失函数的影响，直到所述统一损失函数不受所述svm损失函数影响；在所述统一损失函数不受所述svm损失函数影响后，使用acgan独立进行分类训练，根据训练好的acgan判别器，得到热力管网状况诊断模型。2.如权利要求1所述的方法，其特征在于，所述将含热力管网状况类别标签的随机噪声数据输入acgan生成器之前，包括以下步骤：获得热力管网图像真样本；根据所述热力管网图像真样本的状况类别，设置状况类别标签；生成含所述状况类别标签的随机噪声数据；根据所述状况类别，构建svm模型；构建acgan模型。3.如权利要求2所述的方法，其特征在于，所述获得热力管网图像真样本，包括以下步骤：分别采集不同状况类别下的热力管网图像样本若干个，所述状况类别包括：正常、管壁泄露、管道弯曲变形、管道保温层破损；对所采集的不同状况类别下的热力管网图像样本做数据增强处理中的至少一项，得到数据增强处理后的热力管网图像样本，所述数据增强处理包括图像旋转、裁剪、同类拼接、仿射变换、增加校验噪声、增加光照与阴影、调节对比度和调节饱和度；将数据增强处理后的热力管网图像样本进行同类样本的随机组合，得到随机组合后的热力管网图像样本；将所采集的不同状况类别下的热力管网图像样本、所述数据增强处理后的热力管网图像样本和所述随机组合后的热力管网图像样本，标记为热力管网图像真样本。4.如权利要求2所述的方法，其特征在于，所述根据所述状况类别，构建svm模型，包括以下步骤：根据所述状况类别数量n，构建n-1个svm子模型，其中，n为正整数。5.如权利要求2所述的方法，其特征在于，所述构建acgan模型，包括以下步骤：使用反卷积神经网络建立acgan生成器；使用卷积神经网络建立acgan判别器。6.如权利要求2所述的方法，其特征在于，所述生成含所述状况类别标签的随机噪声数据，包括以下步骤：采集多个随机噪声数据，每个随机噪声数据添加一个所述状况类别标签，每个所述状况类别标签都添加到所述多个随机噪声数据上。
7.如权利要求1所述的方法，其特征在于，所述将acgan判别器和svm模型的分类损失函数整合为统一损失函数，包括以下步骤：确定所述acgan判别器的分类损失函数l
c
；确定所述svm模型的分类损失函数l
svm
；根据分类损失函数l
c
和l
svm
，确定统一损失函数loss的表达式为：loss＝(1-λ)l
svm
λl
c
式中，λ为所述acgan判别器的分类结果置信占比，将大于0且小于1的任意数设置为λ的初值。8.如权利要求7所述的方法，其特征在于，所述每迭代一定次数，就降低一次svm损失函数对所述统一损失函数的影响，直到所述统一损失函数不受所述svm损失函数影响，包括以下步骤：每迭代一定次数，就以一定的增量增大所述统一损失函数loss表达式中的λ，直到λ增大到1。9.如权利要求7所述的方法，其特征在于，所述在所述统一损失函数不受所述svm损失函数影响后，使用acgan独立进行分类训练，根据训练好的acgan判别器，得到热力管网状况诊断模型，包括以下步骤：在λ增大到1后，将已获得的热力管网图像真样本和acgan生成器新生成的含状况类别标签的伪样本输入acgan判别器进行分类训练，根据统一损失函数，更新acgan判别器参数；在满足训练终止条件后，停止更新acgan判别器参数，根据训练好的acgan判别器，得到热力管网状况诊断模型。10.如权利要求9所述的方法，其特征在于，所述根据训练好的acgan判别器，得到热力管网状况诊断模型，包括以下步骤：将训练好的acgan判别器从acgan模型中剥离，取消所述训练好的acgan判别器对判别真假的输出，仅保留分类输出，得到热力管网状况诊断模型。11.一种热力管网状况诊断方法，其特征在于，包括以下步骤：将采集的热力管网图像输入使用权利要求1-10任一所述方法得到的热力管网状况诊断模型，得到所述热力管网状况诊断模型输出的状况诊断结果。12.一种热力管网状况诊断模型训练装置，其特征在于，包括：辅助分类模块，用于将含热力管网状况类别标签的随机噪声数据输入acgan生成器，得到含状况类别标签的伪样本，将已获得的热力管网图像真样本和acgan生成器新生成的含状况类别标签的伪样本输入acgan判别器进行判别真假训练和分类训练，并输入svm模型进行分类训练；损失函数整合模块，用于将acgan判别器和svm模型的分类损失函数整合为统一损失函数；参数更新模块，用于根据acgan判别真假的情况，更新所述acgan生成器参数，根据所述统一损失函数，更新所述acgan判别器参数，根据所述svm模型分类损失函数，更新所述svm模型参数；迭代以上步骤多次后，每迭代一定次数，就降低一次svm损失函数对所述统一损失函数的影响，直到所述统一损失函数不受所述svm损失函数影响；独立分类模块，用于在所述统一损失函数不受所述svm损失函数影响后，使用acgan独
立进行分类训练，根据训练好的acgan判别器，得到热力管网状况诊断模型。13.如权利要求12所述的装置，其特征在于，还包括：分类准备模块，用于获得热力管网图像真样本；根据所述热力管网图像真样本的状况类别，设置状况类别标签；生成含所述状况类别标签的随机噪声数据；根据所述状况类别，构建svm模型；构建acgan模型。14.如权利要求12所述的装置，其特征在于，所述损失函数整合模块，包括：判别器损失函数确定单元，用于确定所述acgan判别器的分类损失函数l
c
；svm损失函数确定单元，用于确定所述svm模型的分类损失函数l
svm
；损失函数整合单元，用于根据分类损失函数l
c
和l
svm
，确定统一损失函数loss的表达式为：loss＝(1-λ)l
svm
λl
c
式中，λ为所述acgan判别器的分类结果置信占比，将大于0且小于1的任意数设置为λ的初值。15.如权利要求13所述的装置，其特征在于，所述分类准备模块，包括：真样本获得单元，用于分别采集不同状况类别下的热力管网图像样本若干个，所述状况类别包括：正常、管壁泄露、管道弯曲变形、管道保温层破损；对所采集的不同状况类别下的热力管网图像样本做数据增强处理中的至少一项，得到数据增强处理后的热力管网图像样本，所述数据增强处理包括图像旋转、裁剪、同类拼接、仿射变换、增加校验噪声、增加光照与阴影、调节对比度和调节饱和度；将数据增强处理后的热力管网图像样本进行同类样本的随机组合，得到随机组合后的热力管网图像样本；将所采集的不同状况类别下的热力管网图像样本、所述数据增强处理后的热力管网图像样本和所述随机组合后的热力管网图像样本，构成所述热力管网图像真样本；状况类别标签设置单元，用于根据所述热力管网图像真样本的状况类别，设置状况类别标签；svm模型构建单元，用于根据所述状况类别数量n，构建由n-1个svm子模型，其中，n为正整数；acgan模型构建单元，用于使用反卷积神经网络建立acgan生成器；使用卷积神经网络建立acgan判别器；噪声数据获得单元，用于采集多个随机噪声数据，每个随机噪声数据添加一个所述状况类别标签，每个所述状况类别标签都添加到所述多个随机噪声数据上。16.一种热力管网状况诊断装置，其特征在于，包括：图像采集模块，用于采集的热力管网图像；状况诊断模块，用于将采集的热力管网图像输入使用权利要求1-10任一所述方法得到的热力管网状况诊断模型，得到所述热力管网状况诊断模型输出的状况诊断结果。17.一种终端设备，其特征在于，包括：存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-10任一所述的热力管网状况诊断模型训练方法。18.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机可执行指令，所述计算机可执行指令执行时实现权利要求1-10任一所述的热力管网状况诊断模型训
练方法。19.一种终端设备，其特征在于，包括：存储器、处理器及存储于存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求11所述的热力管网状况诊断方法。20.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机可执行指令，所述计算机可执行指令执行时实现权利要求11所述的热力管网状况诊断方法。

技术总结
本发明公开了一种热力管网状况诊断方法、装置、终端设备和存储介质。包括：将含热力管网状况类别标签的随机噪声数据输入ACGAN生成器，得到伪样本，将已获得的热力管网图像真样本和伪样本输入ACGAN判别器进行判别真假训练和分类训练，并输入SVM模型进行分类训练，将ACGAN判别器和SVM模型的分类损失函数整合为统一损失函数，根据统一损失函数，更新所述ACGAN判别器参数，逐步降低SVM损失函数对统一损失函数的影响，在统一损失函数不受所述SVM损失函数影响后，使用ACGAN独立进行分类训练，根据训练好的ACGAN判别器，得到热力管网状况诊断模型，将采集的热力管网图像输入热力管网状况诊断模型，得到状况诊断结果。能够对热力管网状况的诊断更加准确，效率更高。效率更高。效率更高。


技术研发人员：郑亚锋 但伟 屠学伟 桑士杰 王春雨 谭学靖 耿金月 杨新文 杨建辉 周海贝
受保护的技术使用者：国家电投集团东方新能源股份有限公司热力分公司 国电投峰和新能源科技（河北）有限公司
技术研发日：2022.03.21
技术公布日：2022/7/29