摘要
本发明公开了一种迁移微调驱动的跨场景缺陷识别方法及系统,涉及电力巡检技术领域,包括:使用通用电力图像数据集获得基础模型;构建三元组集合,形成电力缺陷领域知识图谱;采用CycleGAN对通用电力图像进行风格转换,通过三元组集合对图像样本进行语义一致性验证;构成状态向量;将状态向量输入强化学习控制器,对基础模型进行微调训练,得到微调缺陷识别模型;在目标域图像验证集上评估微调缺陷识别模型的性能,根据性能指标优化迁移策略选择机制。本发明能够解决目标域标注数据稀缺的问题,为模型微调提供足量数据支撑,避免因数据不足导致的模型过拟合,使得模型能够适配目标场景的视觉风格与缺陷分布规律,提升跨场景缺陷识别的泛化能力。
技术关键词
缺陷识别方法
学习控制器
图像
三元组
样本
实体
深度学习网络结构
分布特征
空间位置关系
场景
语义
策略
风格
置信度阈值
Lab颜色空间
图谱
缺陷识别系统
电力巡检技术
纹理特征
系统为您推荐了相关专利信息
分级分类方法
层次分析法
支持向量机算法
数据
熵权法
生物物种
生物识别
监测平台
监测方法
图像特征数据
深度学习模型
数控设备
多波段光源
人工智能视觉
缺陷尺寸
无人机路径规划
风险预测方法
深度神经网络模型
风险预测系统
图像特征向量