申请/专利权人：南昌工程学院

申请日：2024-04-10

公开（公告）日：2024-07-05

公开（公告）号：CN118036701B

主分类号：G06N3/09

分类号：G06N3/09;G06N3/0475;G06N3/0455;G06N3/0464;G06N3/048;G06N3/084;G06V10/82;G06V10/778

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明公开了一种基于紫外图像的绝缘子电晕放电数据增强方法及系统，包括：获取绝缘子电晕放电的紫外图像，根据labelme工具对所述紫外图像中的绝缘子及放电区域采用多边形框进行标注，得到标注后的目标紫外图像；将所述目标紫外图像输入至预先构建的生成对抗网络模型中，所述对抗网络模型输出与所述目标紫外图像对应的虚拟紫外图像。对生成对抗网络损失函数进行优化，在生成对抗损失函数中加入了强学习区域损失实现局部监督学习，使得网络模型在小数据集上训练也能得到不错的效果，通过调节损失函数中强学习权值可控制监督学习参与权重来优化生成对抗网络模型性能。

主权项：1.一种基于紫外图像的绝缘子电晕放电数据增强方法，其特征在于，包括：获取绝缘子电晕放电的紫外图像，根据labelme工具对所述紫外图像中的绝缘子及放电区域采用多边形框进行标注，得到标注后的目标紫外图像；将所述目标紫外图像输入至预先构建的生成对抗网络模型中，所述对抗网络模型输出与所述目标紫外图像对应的虚拟紫外图像，其中，所述生成对抗网络模型包括双通道生成器以及判别器，所述双通道生成器包括编码结构、解码结构以及辅助解码结构，且所述生成对抗网络模型的生成对抗网络损失函数的表达式为： ，式中，为生成对抗网络损失函数，为在双通道生成器中由图像x生成的图像y，为在双通道生成器中由图像y生成的图像x，为x类型图像的概率，为y类型图像的概率，为判别器的生成对抗损失子函数，为x种类的图像集合，为y种类的图像集合，为判别器的生成对抗损失子函数，为对输入图像进行判别，得到输入图像为y种类的概率，为对输入图像进行判别，得到输入图像为x种类的概率，为循环一致性损失子函数，为强学习权值，，为强学习区域损失子函数；其中，所述强学习区域损失子函数的表达式为： ， ， ，式中，为二维平面Ω上的像素位置，为经过计算加权后的图像特征数据，为对做softmax函数计算，为in在真实特征标签所在通道上的输出概率，为卷积-S模块输出数据对应第k通道的值，为卷积-S模块输出数据对应第通道的值，为强学习特征类别总数加上背景数，为强学习特征类别权重，为像素点的权值，为特征像素点到其它特征或背景最近的边界距离，为特征像素到第二近的其它特征或背景边界距离，为距离权重缩放系数，Log为对数函数，e为自然对数。

全文数据：

权利要求：

百度查询： 南昌工程学院 一种基于紫外图像的绝缘子电晕放电数据增强方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD