(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211133996.4 (22)申请日 2022.09.16 (71)申请人 云南电网有限责任公司电力科 学研 究院 地址 650000 云南省昆明市经济技 术开发 区云大西路10 5号 (72)发明人 于虹　周帅　 (74)专利代理 机构 深圳中细软知识产权代理有 限公司 4 4528 专利代理师 袁文英 (51)Int.Cl. G06T 7/00(2017.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/22(2022.01)G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 输配电线路缺陷数据模型的构建方法及装 置 (57)摘要 本发明涉及一种输配电线路缺陷数据模型 的构建方法及装置， 所述方法包括采集输配电线 缺陷样本图片数据， 基于样本图片数据生成训练 集； 结合ResNet网络和FPN特征金字塔网络， 搭建 缺陷数据网络模 型； 改进交叉熵损失函数得到缺 陷数据网络模 型的加权损失函数， 对缺陷数据网 络模型进行训练， 通过自适应的权重计算方法加 大缺陷边缘区域产生的损失， 得到缺陷数据参数 模型； 利用训练集对缺陷数据参数模 型进行训练 至加权损失函数收敛， 得到输配电线路缺陷数据 模型。 本发明结合ResNet网络和FPN特征金字塔 网络解决随着网络层的加深而导致的梯度消失 的问题， 并通过交叉熵损失函数生成新的损失函 数， 使得输配电线路缺陷数据模 型的评估结果更 加准确， 提高了其 性能。 权利要求书2页 说明书8页 附图3页 CN 115457000 A 2022.12.09 CN 115457000 A 1.一种输配电线路缺陷数据模型的构建方法， 其特 征在于， 包括： 采集输配电线缺陷样本图片数据， 基于所述样本图片数据生成训练集； 结合ResNet网络和FPN特征金字塔 网络， 搭建缺陷数据网络模型； 其中， 所述FPN特征金 字塔网络使用预训练好权 重的ResNet网络作为基础网络； 通过改进交叉熵损失函数得到所述缺陷数据网络模型的加权损失函数， 对所述缺陷数 据网络模型进行训练， 通过自适应的权重计算方法加大缺陷边缘区域产生的损失， 得到缺 陷数据参数模型； 利用所述训练集对所述缺陷数据参数模型进行训练至所述加权损失函数收敛， 得到输 配电线路缺陷数据模型。 2.根据权利要求1所述的方法， 其特征在于， 所述ResNet网络由多个残差快构成， 每个 残差块包括输入层、 多个卷积层、 多个权 重层以及输出层； 如果输入的训练样本与和输出的样本数据的通道数不一致， 则利用卷积对输出的样本 数据进行升维或降维； 如果输入的训练样本与和输出的样本数据的通道数一致， 则将输出的样本数据作为下 一个连接网络的输入。 3.根据权利要求2所述的方法， 其特征在于， 所述卷积层包括多个卷积层， 每个卷积层 的特征提取是在前一层计算融合特征的基础上进一步提取卷积特征和相应的权值向量， 将 所述卷积特 征和所述权值向量相乘得到融合特 征。 4.根据权利要求3所述的方法， 其特 征在于， 所述FPN特 征金字塔网络， 包括： 自底而上bottm ‑up路径， 所述自底而上bottm ‑up路径由图像底层到高层特征， 由 ResNet网络构成； 自顶而下top ‑down路径， 所述自顶而下top ‑down路径的融合特征图由ResNet网络每个 阶段最后的残差bl ock的特征激活层的输出生成； 连接层， 所述连接层用于连接分类网路和边框网络 。 5.根据权利要求4所述的方法， 其特征在于， 所述自底而上bottm ‑up路径， 包括第一层 M2、 第二层M 3、 第三层M4及最上层M 5， 从最上层M5开始， 最上层M5为最后得到的融合特征图C5经过1 ×1的卷积降维后形成， 再经过3×3的卷积得到融合特征图P5； 第三层M4是最上层M5进行2倍上采样后与经过1 ×1 卷积处理后的融合特 征图C4相加形成， 第三层M4再 经过3×3卷积得到融合特 征图P4。 6.根据权利要求5所述的方法， 其特 征在于， 所述上采样采用最近邻上采样， 上采样后的特征图与所述自底而上bottom ‑up路径上 的特征图相加以增 加信息量。 7.根据权利要求1所述的方法， 其特征在于， 所述改进交叉熵损失函数得到所述缺陷数 据网络模型的加权损失函数， 包括： 在交叉熵损失函数中引入权 重， 得到权重损失函数； 在所述权 重损失函数中引入调节因子， 得到加权损失函数。 8.根据权利要求6所述的方法， 其特 征在于， 在每层特 征金字塔上分别使用分类子网络和边框回归子网络 。 9.根据权利要求6所述的方法， 其特征在于， 所述基于所述样本 图片数据生成训练集，权　利　要　求　书 1/2 页 2 CN 115457000 A 2包括： 对所述样本图片数据进行缺陷标注， 基于缺陷标注后的样本图片数据生成训练集。 10.一种输配电线路缺陷数据模型的构建装置， 其特 征在于， 包括： 采集模块， 用于采集输配电线缺陷样本图片数据， 基于所述样本图片数据生成训练集； 搭建模块， 用于结合ResNet网络和FPN特征金字塔 网络， 搭建缺陷数据网络模型； 其中， 所述FPN特 征金字塔网络使用预训练好权 重的ResNet网络作为基础网络； 训练模块， 用于改进交叉熵损 失函数得到所述缺陷数据网络模型的加权损 失函数， 对 所述缺陷数据网络模型进 行训练， 通过自适应的权重计算方法加大缺陷边缘区域产生的损 失， 得到缺陷数据参数模型； 输出模块， 用于利用所述训练集对所述缺陷数据参数模型进行训练至所述加权损失函 数收敛， 得到 输配电线路缺陷数据模型。权　利　要　求　书 2/2 页 3 CN 115457000 A 3