(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211162966.6 (22)申请日 2022.09.23 (71)申请人 云南电网有限责任公司电力科 学研 究院 地址 650000 云南省昆明市经济技 术开发 区云大西路10 5号 (72)发明人 李昊　于虹　张志强　段雨廷　 (74)专利代理 机构 深圳中细软知识产权代理有 限公司 4 4528 专利代理师 袁文英 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种探地雷达的输电线路走廊 隐性病害识 别方法 (57)摘要 本发明实施例公开了一种探地雷达的输电 线路走廊隐性病害识别方法， 包括： 通过训练好 的生成对抗网络对数据集进行扩充， 获得探地雷 达图像的合成数据集； 使用所述合成数据集训练 构建的FasterR ‑CNN模型， 获得训练好 的Faster   R‑CNN模型； 将待处理雷达图像输入所述训练好 的FasterR ‑CNN模型进行检测， 获得病害识别结 果， 可以扩充数据集以提高训练集的数据量和质 量， 并且提高探地雷达图像中隐性病害目标的识 别精度。 权利要求书2页 说明书10页 附图5页 CN 115471705 A 2022.12.13 CN 115471705 A 1.一种探地雷达的输电线路走廊隐性病害识别方法， 其特 征在于， 所述方法包括： 通过训练好的生成对抗网络对数据集进行扩充， 获得探地雷达图像的合成数据集； 使用所述 合成数据集训练构建的FasterR ‑CNN模型， 获得训练好的Faster  R‑CNN模型； 将待处理雷达图像输入所述训练好的Faster  R‑CNN模型进行检测， 获得病害识别结 果。 2.根据权利要求1所述方法， 其特征在于， 在所述通过训练好的生成对抗网络对数据集 进行扩充之前， 所述方法还 包括： 采用仿真软件构建仿真模型， 生成探地雷达图像的仿真图像数据； 基于所述仿真图像数据和随机噪声矢量， 对构建的生成对抗网络进行训练， 获得所述 训练好的生成对抗网络 。 3.根据权利要求2所述方法， 其特征在于， 所述采用仿真软件构建仿真模型， 生成探地 雷达图像的仿真图像数据， 包括： 采用gprMax仿真软件构建空间大小、 介电常数分布与实际输电线路走廊地下环境相符 合的仿真模型， 对路基中多种 病害类型进行正演模拟， 生成所述仿真图像数据。 4.根据权利要3所述方法， 其特征在于， 所述多种病害类型包括但不 限于采空区、 不密 实、 脱空以及含水脱空。 5.根据权利要求2所述方法， 其特征在于， 所述构建的生成对抗网络包括生成器和判别 器； 所述基于所述仿 真图像数据和随机噪声矢量， 对构建的生成对抗网络进行训练， 获得所 述训练好的生成对抗网络， 包括： 将所述随机噪声矢量输入所述 生成器， 输出合成图像数据； 将所述合成图像数据与所述仿真图像数据输入所述判别器， 评估所述合成图像数据为 真实的概 率； 基于所述构建的生成对抗网络的目标函数进行训练， 实现最大化所述合成图像数据为 真实的概 率， 获得所述训练好的生成对抗网络 。 6.根据权利要求5所述方法， 其特 征在于， 所述目标函数为： V(G,D)＝Ex[logD(x)]+Ez[log(1‑D(G(z)))]， 其中， D(·)表示评估数据为真实的概率， 所述x表示所述仿真图像数据， 所述G(z)表示 所述合成图像数据， Ex[·]表示所述仿真图像数据的概率分布的期望 值， Ez[·]表示所述合 成图像数据判别为真的期望值； 所述基于所述构建的生成对抗网络的目标函数进行训练， 实现最大化所述合成图像数 据为真实的概 率， 包括： 基于所述目标函数进行训练， 实现最大化第一 概率D(x)， 最小化第二 概率1‑D(G(z))。 7.根据权利 要求1所述方法， 其特征在于， 所述使用所述合成数据集训练构建的Faster   R‑CNN模型， 获得训练好的Faster  R‑CNN模型， 包括： 步骤1： 使用预训练模型对RPN网络进行初始化， 并调整所述RPN网络的参数以生成候选 框； 步骤2： 使用所述预训练模型对FasterR ‑CNN网络进行初始化， 并使用所述候选框训练 检测网络； 步骤3： 利用所述步骤2中所述Faster  R‑CNN网络的参数初始化所述RPN网络， 固定共享权　利　要　求　书 1/2 页 2 CN 115471705 A 2卷积层并只调整所述RPN网络的参数； 步骤4： 保持所述共享卷积层固定， 使用所述步骤3中调整参数后的所述RPN网络生成的 候选框， 单独对所述检测网络进行调整， 获得 所述训练好的Faster  R‑CNN模型。 8.一种探地雷达的输电线路走廊隐性病害识别装置， 其特 征在于， 包括： 数据处理模块， 用于通过训练好的生成对抗网络对数据集进行扩充， 获得探地雷达 图 像的合成数据集； 训练模块， 用于使用所述合成数据集训练构建的Faster  R‑CNN模型， 获得训练好的 Faster R‑CNN模型； 识别模块， 用于将待处理雷达图像输入所述训练好的Faster  R‑CNN模型进行检测， 获 得病害识别结果。 9.一种电子设备， 其特征在于， 包括存储器和 处理器， 所述存储器存储有计算机程序， 所述计算机程序被所述处理器执行时， 使得所述处理器执行如权利要求1 ‑7中任一项所述 方法的步骤。 10.一种计算机可读存储介质， 存储有计算机程序， 其特征在于， 所述计算机程序被处 理器执行时， 使得 所述处理器执行如权利要求1 ‑7中任一项所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 115471705 A 3