控制与决策

作者：王鹏,赵春晖,周华良,苏战涛,王晶,王文海

单位：浙江大学 控制科学与工程学院,杭州 310027,,浙江大学 控制科学与工程学院,杭州 310027;浙江大学 NGICS大平台,杭州 310027,,国电南瑞科技股份有限公司, 南京 211106,,国电南瑞科技股份有限公司, 南京 211106,,国电南瑞科技股份有限公司, 南京 211106,,浙江大学 NGICS大平台,杭州 310027,

关键词：变电站巡检;多时相图像;抗干扰缺陷检测;风格迁移;三重孪生网络;空间一致性约束

基金：国家自然科学基金杰出青年基金项目(62125306)；国家自然科学基金重点项目(62133003)；工业控制技术国家重点实验室自主课题(ICT2021A15)；中央高校基本科研业务费专项资金项目(浙江大学NGICS大平台).

近年来,变电站中广泛采用机器视觉算法分析多时相巡检图像的差异变化,用于检测各类变电设备缺陷,以确保运行安全.然而,由于拍摄时刻不同,多时相图像间存在天气、光照、季节等各类干扰变化,对变电设备的缺陷检测提出了挑战.对此,提出一种基于多时相巡检图像的变电设备抗干扰缺陷检测方法.首先,利用风格迁移模型CycleGAN学习不同风格域之间的映射关系,并基于检测图生成足量存在天气、光照、季节干扰变化的干扰图;其次,基于参考图$+$检测图$+$干扰图三元组对三重孪生网络TripleNet进行协同训练,在特征层面提出空间一致性损失以抵抗各类干扰变化,用于提取三者鲁棒的多尺度差异特征;最后,搭建特征聚合网络PANet融合多尺度差异特征,输出多尺度的缺陷检测结果.在实际变电设备多时相巡检图像数据集上进行实验验证,结果表明,所提出方法相较于非孪生网络和一般孪生网络可提升2.09%和0.67%的mAP,且在原始样本与干扰样本上的检测精度更均衡,而且所提出方法可以在提升变电设备缺陷检测模型精度的同时增强模型的抗干扰能力.

来源：2024年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2024年第3期