本發(fā)明涉及圖像處理領(lǐng)域，具體涉及一種低溫環(huán)境紫外光學(xué)探測(cè)設(shè)備的有效性評(píng)價(jià)方法及裝置。

背景技術(shù)：

1、線路絕緣子、金具等設(shè)備發(fā)生故障時(shí)，會(huì)在表面故障局部放電輻射紫外線，通過傳感設(shè)備可有效檢測(cè)到故障的放電電暈特征量。無人機(jī)系統(tǒng)具有機(jī)動(dòng)性強(qiáng)、敏捷安全的優(yōu)點(diǎn)，搭載紫外光學(xué)探測(cè)設(shè)備即可完成電暈放電的檢測(cè)任務(wù)。但在低溫和冰雪等惡劣氣象或者溫度條件下，紫外光學(xué)傳感器的圖像會(huì)受到雪花所干擾，識(shí)別程度低。極低溫度或者大溫差變化通過影響傳感器材料性能、電池性能等來間接影響紫外光學(xué)傳感器最終的成像質(zhì)量，給紫外光學(xué)傳感器的圖像監(jiān)測(cè)帶來一系列的問題。因此對(duì)紫外光學(xué)探測(cè)設(shè)備進(jìn)行有效性的評(píng)價(jià)，篩選出工作正常的紫外光學(xué)探測(cè)設(shè)備，是目前應(yīng)用紫外光學(xué)傳感器之前必須的一種技術(shù)手段，然而目前有關(guān)紫外光學(xué)傳感器有效性，缺乏對(duì)冰雪惡劣天氣和極低溫度或者大溫差變化情況下的評(píng)價(jià)和篩選方法。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種低溫環(huán)境紫外光學(xué)探測(cè)設(shè)備的有效性評(píng)價(jià)方法及裝置，基于pix2pix模型的補(bǔ)償網(wǎng)絡(luò)來補(bǔ)償不同傳感器種類、冰雪惡劣天氣和極低溫度或者大溫差變化等情況下所帶來的紫外圖像產(chǎn)生的差異，之后使用補(bǔ)償后統(tǒng)一化紫外圖像進(jìn)行有效性評(píng)價(jià)時(shí)可以忽略上述影響；相對(duì)的，傳統(tǒng)方法需要根據(jù)傳感器種類和溫度區(qū)間來調(diào)整評(píng)價(jià)參數(shù)，才可以完成有效性評(píng)價(jià)。該方法可以有效地提升對(duì)冰雪惡劣天氣和極低溫度或者大溫差變化情況下的評(píng)價(jià)準(zhǔn)確性和篩選通用性，并能夠快速和準(zhǔn)確地篩選出有效的紫外光學(xué)傳感器，為后續(xù)的數(shù)據(jù)分析處理提供依據(jù)，為進(jìn)一步探測(cè)提供參考。

2、本發(fā)明解決上述技術(shù)問題的方案如下：一種低溫環(huán)境紫外光學(xué)探測(cè)設(shè)備的有效性評(píng)價(jià)方法，包括以下步驟：

3、獲取多個(gè)紫外光學(xué)傳感器的工作狀態(tài)下的環(huán)境溫度和對(duì)應(yīng)溫度收集的圖像數(shù)據(jù)、對(duì)應(yīng)的紫外光學(xué)傳感器的工作參數(shù)及每次工作后傳感器有效性數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理，將處理好的數(shù)據(jù)劃分為第一數(shù)據(jù)集和第二數(shù)據(jù)集；

4、構(gòu)建圖像補(bǔ)償網(wǎng)絡(luò)；

5、采用第一數(shù)據(jù)集對(duì)圖像補(bǔ)償網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的圖像補(bǔ)償網(wǎng)絡(luò)；

6、將第二數(shù)據(jù)集輸入訓(xùn)練好的圖像補(bǔ)償網(wǎng)絡(luò)中，得到補(bǔ)償圖像與對(duì)應(yīng)傳感器有效性數(shù)據(jù)，并整合成第三數(shù)據(jù)集；具體是將補(bǔ)償圖像和對(duì)應(yīng)傳感器設(shè)備有效性數(shù)據(jù)命名為相同編號(hào)(圖像可為jpg、png、mat等格式，有效性數(shù)據(jù)可為txt等格式)，之后將所有補(bǔ)償圖像和傳感器設(shè)備有效性數(shù)據(jù)置于同一文件夾內(nèi)作為第三數(shù)據(jù)集；

7、構(gòu)建有效性評(píng)價(jià)網(wǎng)絡(luò)；

8、采用第三數(shù)據(jù)集對(duì)有效性評(píng)價(jià)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的有效性評(píng)價(jià)網(wǎng)絡(luò)；

9、將目標(biāo)紫外光學(xué)傳感器的工作狀態(tài)下的環(huán)境溫度和對(duì)應(yīng)溫度收集的圖像數(shù)據(jù)、對(duì)應(yīng)的紫外光學(xué)傳感器的工作參數(shù)輸入訓(xùn)練好的圖像補(bǔ)償網(wǎng)絡(luò)后，將得到的紫外光學(xué)拍攝圖像的補(bǔ)償圖像輸入訓(xùn)練好的有效性評(píng)價(jià)網(wǎng)絡(luò)，得到目標(biāo)紫外光學(xué)傳感器的設(shè)備有效性評(píng)價(jià)結(jié)果。

10、優(yōu)選的，所述數(shù)據(jù)預(yù)處理包括圖像灰度轉(zhuǎn)化和圖像尺寸一致化處理。

11、優(yōu)選的，所述對(duì)圖像灰度轉(zhuǎn)化步驟，具體為：gray＝

12、0.299*r+0.578*g+0.114*b

13、其中：r為圖像紅色通道分量；g為圖像綠色通道分量；b為圖像藍(lán)色通道分量；gray為圖像灰度圖像。

14、優(yōu)選的，所述圖像尺寸一致化步驟，是通過雙三次插值法，用于匹配后續(xù)神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)輸入形狀，具體如下：

15、

16、其中：(x,y)表示待插值的像素點(diǎn)坐標(biāo)，f(x，y)表示經(jīng)過計(jì)算待插值像素點(diǎn)應(yīng)該插入的值，(xi，yj)表示待插值像素點(diǎn)周圍4x4領(lǐng)域內(nèi)的像素點(diǎn)即i,j＝0,1,2,3，w(*)為bicubic函數(shù)，用來確定周圍像素點(diǎn)對(duì)與待插值像素點(diǎn)處應(yīng)該插入的值的影響大??；

17、w(*)可取如下形式：

18、

19、其中a＝-0.5,x為輸入的距離差值，即x-xi或y-yj。

20、優(yōu)選的，所述圖像補(bǔ)償網(wǎng)絡(luò)基于pix2pix模型構(gòu)建，包括生成器模塊和判別器模塊；

21、所述生成器模塊采用u-net網(wǎng)絡(luò)結(jié)構(gòu)，包括：編碼階段，解碼階段；用于將輸入的圖像轉(zhuǎn)換為特征圖再轉(zhuǎn)換成補(bǔ)償圖像輸出；編碼階段逐步縮小的輸入圖像的尺寸，提取圖像特征形成特征圖，為圖像補(bǔ)償提供各層次的圖像特征進(jìn)行學(xué)習(xí)；解碼階段逐步恢復(fù)圖像尺寸，編碼階段的特征圖與解碼階段的特征圖進(jìn)行拼接，將特征圖轉(zhuǎn)換為圖像輸出，將編碼的特征轉(zhuǎn)換為補(bǔ)償后的圖像并輸出；在兩個(gè)階段中隨著參數(shù)的迭代優(yōu)化，均進(jìn)行著圖像的補(bǔ)償，使最終輸出的補(bǔ)償圖像更接近于標(biāo)準(zhǔn)溫度下正常傳感器的紫外圖像。

22、所述判別器模塊采用patchgan網(wǎng)絡(luò)結(jié)構(gòu)，包括：卷積層，批量歸一層和sigmoid激活函數(shù)，用于消除輸入的圖像的噪聲和模糊。卷積層，批量歸一層和sigmoid激活函數(shù)，卷積層提取輸入圖像的特征，用于神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)；將特征送入歸一化層起到消除圖像特征數(shù)值上的范圍不統(tǒng)一帶來的誤差，最后經(jīng)過激活函數(shù)引入非線性，使神經(jīng)網(wǎng)絡(luò)可以更好的擬合目標(biāo)圖像。通過多層疊加可以在網(wǎng)絡(luò)參數(shù)迭代的過程中使神經(jīng)網(wǎng)絡(luò)的輸出圖像不斷接近于標(biāo)準(zhǔn)溫度正常傳感器的輸出圖像。

23、優(yōu)選的，所述第一數(shù)據(jù)集對(duì)圖像補(bǔ)償網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的圖像補(bǔ)償網(wǎng)絡(luò)，具體包括：

24、采用聯(lián)合損失函數(shù)作為圖像補(bǔ)償網(wǎng)絡(luò)的訓(xùn)練損失函數(shù)，如下：

25、

26、式中，lcgan表示條件生成對(duì)抗網(wǎng)絡(luò)的損失函數(shù)，l1表示l1距離損失函數(shù)，λ是一個(gè)權(quán)重參數(shù)；

27、將第一數(shù)據(jù)集隨機(jī)劃分為k份，k-1份作為訓(xùn)練集，1份作為驗(yàn)證集，在圖像補(bǔ)償網(wǎng)絡(luò)模型依次輪換訓(xùn)練集和驗(yàn)證集k次，以聯(lián)合損失函數(shù)作為補(bǔ)償網(wǎng)絡(luò)的損失函數(shù)參與訓(xùn)練和驗(yàn)證，得到訓(xùn)練好的圖像補(bǔ)償網(wǎng)絡(luò)。

28、優(yōu)選的，所述lcgan條件生成對(duì)抗網(wǎng)絡(luò)的損失函數(shù)，表達(dá)式為：

29、lcgan(g，d)＝ex，y[logd(x，y)]+ex，z[log(1-d(x，g(x，z)))]

30、式中，g代表生成器，d代表判別器，x為輸入的紫外圖像，y是為標(biāo)準(zhǔn)紫外圖像，z為隨機(jī)噪聲向量，ex，y表示對(duì)真實(shí)數(shù)據(jù)分布的期望,ex，z表示對(duì)生成數(shù)據(jù)分布的期望,g(x，z)表示對(duì)由生成器g生成的假樣本，d(x，y)表示判別器d對(duì)輸入x與y的相似性的概率估計(jì)；

31、所述l1為距離損失函數(shù)，表達(dá)式為：

32、

33、式中，g代表生成器，d代表判別器，x為輸入的紫外圖像，y是為標(biāo)準(zhǔn)紫外圖像。

34、優(yōu)選的，所述基于resnet模型的有效性評(píng)價(jià)網(wǎng)絡(luò)基于恒等塊單元和卷積塊單元構(gòu)建，具體通過不同個(gè)數(shù)的恒等塊單元和卷積塊單元連接形成不同的殘差塊，不同殘差塊的堆疊形成resnet模型的有效性評(píng)價(jià)網(wǎng)絡(luò)。

35、補(bǔ)償后圖像數(shù)據(jù)通過resnet中的多層卷積層提取特征，形成特征圖，特征圖經(jīng)過最后的全連接層等結(jié)構(gòu)可以轉(zhuǎn)化為一個(gè)1xn的值輸出，其中，每個(gè)值代表圖像屬于相應(yīng)類別的概率，

36、其中，第a個(gè)值表示輸入圖像數(shù)據(jù)屬于第a類的概率(0～1之間)，舉例而言，可以將n設(shè)為2，即0代表傳感器無效，1代表傳感器有效，則評(píng)價(jià)網(wǎng)絡(luò)的輸出為一個(gè)1x2的矩陣,n的數(shù)量需要與第三訓(xùn)練集中的傳感器有效性標(biāo)簽類別相同且具有相同含義。神經(jīng)網(wǎng)絡(luò)中的殘差塊用于防止梯度爆炸或消失而導(dǎo)致的無法訓(xùn)練問題且使用殘差塊使得resnet可以有很多層。在訓(xùn)練過程中，會(huì)使用第三數(shù)據(jù)集中補(bǔ)償后圖像數(shù)據(jù)輸入評(píng)價(jià)網(wǎng)絡(luò)，得到1xn的輸出，之后將第三訓(xùn)練集中的傳感器有效性標(biāo)簽與輸出中概率最大的一類進(jìn)行對(duì)比，若不為同一類，則說明模型預(yù)測(cè)錯(cuò)誤，反之正確，最后通過上述正確或錯(cuò)誤的結(jié)果計(jì)算損失函數(shù)用于更新神經(jīng)網(wǎng)絡(luò)的參數(shù)。

37、進(jìn)一步優(yōu)選，resnet模型具體采用的是resnet-101網(wǎng)絡(luò)，并引入殘差塊。

38、所述resnet-101深度殘差網(wǎng)絡(luò)由依次連接的輸入層、卷積層、殘差塊、池化層、全連接層、softmax等常規(guī)神經(jīng)網(wǎng)絡(luò)模塊構(gòu)成，其主要特點(diǎn)在于引入殘差連接，即將層次較淺的神經(jīng)網(wǎng)絡(luò)層的輸出作為層次較深的神經(jīng)網(wǎng)絡(luò)層的輸入，以此解決了梯度消失問題，使得神經(jīng)網(wǎng)絡(luò)可堆疊的層數(shù)更多。

39、優(yōu)選的，采用第三數(shù)據(jù)集對(duì)有效性評(píng)價(jià)網(wǎng)絡(luò)，得到訓(xùn)練好的有效性評(píng)價(jià)網(wǎng)絡(luò)，具體如下：

40、利用交叉熵?fù)p失函數(shù)(分類評(píng)價(jià)任務(wù)常規(guī)損失函數(shù))作為代價(jià)函數(shù)訓(xùn)練resnet-101深度殘差網(wǎng)絡(luò)模型，具體為：

41、

42、式中，i表示第i張圖片，gi表示真實(shí)的紫外放電圖像；si表示網(wǎng)絡(luò)的預(yù)測(cè)紫外放電圖像輸出，k是紫外放電圖像數(shù)據(jù)集中的類數(shù)；n表示具體紫外放電圖像輸出的空間分辨率；

43、將第三數(shù)據(jù)集隨機(jī)劃分為k份，k-1份作為訓(xùn)練集，1份作為驗(yàn)證集，在有效性評(píng)價(jià)網(wǎng)絡(luò)依次輪換訓(xùn)練集和驗(yàn)證集k次，以上述交叉熵?fù)p失函數(shù)作為有效性評(píng)價(jià)網(wǎng)絡(luò)的損失函數(shù)參與訓(xùn)練和驗(yàn)證，得到訓(xùn)練好的有效性評(píng)價(jià)網(wǎng)絡(luò)。

44、優(yōu)選的，所述將目標(biāo)紫外光學(xué)傳感器的工作狀態(tài)下的環(huán)境溫度和對(duì)應(yīng)溫度收集的圖像數(shù)據(jù)、對(duì)應(yīng)的紫外光學(xué)傳感器的工作參數(shù)輸入訓(xùn)練好的圖像補(bǔ)償網(wǎng)絡(luò)后，將得到的紫外光學(xué)拍攝圖像的補(bǔ)償圖像輸入訓(xùn)練好的有效性評(píng)價(jià)網(wǎng)絡(luò)，得到目標(biāo)紫外光學(xué)傳感器的設(shè)備有效性評(píng)價(jià)結(jié)果，具體包括：

45、將目標(biāo)紫外光學(xué)傳感器的工作狀態(tài)下的環(huán)境溫度和對(duì)應(yīng)溫度收集的圖像數(shù)據(jù)、對(duì)應(yīng)的紫外光學(xué)傳感器的工作參數(shù)進(jìn)行預(yù)處理，得到待測(cè)數(shù)據(jù)；

46、將待測(cè)數(shù)據(jù)輸入訓(xùn)練好的圖像補(bǔ)償網(wǎng)絡(luò)后，得到紫外光學(xué)拍攝圖像的補(bǔ)償圖像；

47、紫外光學(xué)拍攝圖像的補(bǔ)償圖像經(jīng)過去霧處理后，得到去霧圖像；

48、去霧圖像輸入進(jìn)有效性評(píng)價(jià)網(wǎng)絡(luò)，得到目標(biāo)紫外光學(xué)傳感器的有效性評(píng)價(jià)結(jié)果。

49、一種低溫環(huán)境紫外光學(xué)探測(cè)設(shè)備的有效性評(píng)價(jià)裝置，包括：

50、第一數(shù)據(jù)處理模塊，用于獲取多個(gè)紫外光學(xué)傳感器的工作狀態(tài)下的環(huán)境溫度和對(duì)應(yīng)溫度收集的圖像數(shù)據(jù)、對(duì)應(yīng)的紫外光學(xué)傳感器的工作參數(shù)及每次工作后有效性數(shù)據(jù)；并進(jìn)行數(shù)據(jù)預(yù)處理，將處理好的數(shù)據(jù)劃分為第一數(shù)據(jù)集和第二數(shù)據(jù)集；

51、網(wǎng)絡(luò)構(gòu)建模塊，用于構(gòu)建圖像補(bǔ)償網(wǎng)絡(luò)和構(gòu)建和的有效性評(píng)價(jià)網(wǎng)絡(luò)；

52、網(wǎng)絡(luò)訓(xùn)練模塊，用于采用第一數(shù)據(jù)集對(duì)圖像補(bǔ)償網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的圖像補(bǔ)償網(wǎng)絡(luò)，與采用第三數(shù)據(jù)集對(duì)有效性評(píng)價(jià)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到訓(xùn)練好的有效性評(píng)價(jià)網(wǎng)絡(luò)；

53、第二數(shù)據(jù)處理模塊，用于將第二數(shù)據(jù)集輸入訓(xùn)練好的圖像補(bǔ)償網(wǎng)絡(luò)中，得到紫外光學(xué)拍攝圖像的補(bǔ)償圖像與對(duì)應(yīng)傳感器設(shè)備有效性數(shù)據(jù)，并合成第三數(shù)據(jù)集；

54、目標(biāo)評(píng)價(jià)模塊，用于將目標(biāo)紫外光學(xué)傳感器的工作狀態(tài)下的環(huán)境溫度和對(duì)應(yīng)溫度收集的圖像數(shù)據(jù)、對(duì)應(yīng)的紫外光學(xué)傳感器的工作參數(shù)輸入訓(xùn)練好的圖像補(bǔ)償網(wǎng)絡(luò)后，將得到的紫外光學(xué)拍攝圖像的補(bǔ)償圖像輸入訓(xùn)練好的有效性評(píng)價(jià)網(wǎng)絡(luò)，得到目標(biāo)紫外光學(xué)傳感器的設(shè)備有效性評(píng)價(jià)結(jié)果。

55、一種計(jì)算機(jī)存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上所述低溫環(huán)境紫外光學(xué)探測(cè)設(shè)備的有效性評(píng)價(jià)方法的步驟。

56、一種電子設(shè)備，包括存儲(chǔ)器和處理器：所述存儲(chǔ)器用于存儲(chǔ)計(jì)算機(jī)可執(zhí)行指令，所述處理器用于執(zhí)行所述計(jì)算機(jī)可執(zhí)行指令，所述計(jì)算機(jī)可執(zhí)行指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)如上述低溫環(huán)境紫外光學(xué)探測(cè)設(shè)備的有效性評(píng)價(jià)方法的步驟。

57、本發(fā)明的有益效果是：

58、(1)使用pix2pix作為補(bǔ)償網(wǎng)絡(luò)，在溫度會(huì)直接或間接影響成像的情況下，相較于基于理論模型推導(dǎo)出的補(bǔ)償公式具有更好的魯棒性和泛化能力，同時(shí)神經(jīng)網(wǎng)絡(luò)可以實(shí)時(shí)動(dòng)態(tài)補(bǔ)償；

59、(2)引入殘差連接，使得梯度能夠更加順利地傳播回淺層，緩解了梯度消失問題，有助于訓(xùn)練更深的網(wǎng)絡(luò)；

60、(3)構(gòu)建深層的模型，能夠有效地提取圖像的特征，從而提升模型的評(píng)估的準(zhǔn)確率；

61、(4)通過殘差連接，網(wǎng)絡(luò)可以將前一層的特征直接傳遞給后一層，使得網(wǎng)絡(luò)更加高效，能降低過擬合風(fēng)險(xiǎn)，并且減少了網(wǎng)絡(luò)中的參數(shù)數(shù)量和計(jì)算量。

62、上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，并可依照說明書的內(nèi)容予以實(shí)施，以下以本發(fā)明的較佳實(shí)施例并配合附圖詳細(xì)說明如后。本發(fā)明的具體實(shí)施方式由以下實(shí)施例及其附圖詳細(xì)給出。