基于改进生成对抗网络的玻璃绝缘子自爆缺陷检测方法

阅读量：

201

作者：

王道累，孙嘉珺，张天宇，李明山，朱瑞

展开

摘要：

为实现玻璃绝缘子自爆缺陷的无监督检测,该文提出一种基于改进生成对抗网络的无监督玻璃绝缘子自爆缺陷检测模型,该模型仅用正常玻璃绝缘子数据进行训练,以学习正常样本的特征分布,并基于目标与重建之间的偏差来检测缺陷.该方法利用U-Net网络搭建新生成器,使用跳跃连接结构捕捉正常样本的多尺度特征,并在图像空间和潜在空间重建目标,通过改进的差异评分来评估目标与正常分布的偏离程度,较高的差异分数代表缺陷的存在.研究结果表明:在该文所提出模型下,测试集的受试者工作特性曲线下的面积值达到0.846,相较已有的无监督学习检测方法平均提升35%左右,相较有监督学习检测方法平均提升4.4%左右.该文研究结果可为电力设备缺陷的无监督检测提供参考.

展开

关键词：

玻璃绝缘子 生成对抗网络 缺陷检测 无监督学习 电力巡检 深度学习

年份：

2022