仪器仪表学报

作者：仲林林，吴 奇，叶俊杰，高丙团

单位：仲林林,1. 东南大学电气工程学院,,吴 奇,1. 东南大学电气工程学院,,叶俊杰,1. 东南大学电气工程学院，2. 国网上海市电力公司市区供电公司,,高丙团,1. 东南大学电气工程学院,

关键词：变电设备;缺陷检测;图像检测;元学习;小样本

基金：江苏省自然科学基金 (BK20231427)、国家自然科学基金 (92066106)、东南大学“至善青年学者”支持计划(中央高校基本科研业务费) (2242022R40022)项目资助

缺陷图像检测是变电设备运维的重要技术手段。然而由于缺陷样本的稀缺,传统的基于海量数据训练的深度学习模型在实际应用中面临小样本缺陷检测的挑战。为此,本文引入元学习思想,提出一种面向变电设备小样本缺陷图像检测的深度学习模型。该模型的核心是前端网络权重的优化和面向小样本测试任务的模型微调。前者通过基于语义信息的任务生成策略,使模型能够快速适应新任务;后者则通过基于元学习的网络优化方法对模型进行微调,使模型能够在新任务上获得优异性能。实验结果表明,本文提出的改进方法可以使模型的综合检测精度提升7.33%,新增类别的检测精度提升11.48%,显著改善了模型对小样本缺陷和新增类别缺陷的检测性能。

来源：2024年第10期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2024年第10期