本发明涉及传感器数据修复,特别是涉及一种红外传感器故障图像修复方法、系统、设备及介质。
背景技术:
1、变电站中工作的红外传感器,其产生的数据可用于各种目的,如数据处理、数据分析、系统运行,这些数据对变电站系统的日常运行有着重要作用。但变电站的工作环境是一个复杂的电磁、湿度、热量、设备振动和其他多物理场耦合的场景,这导致红外传感器在变电站的故障率明显高于其他应用场景。假如传感器的发生故障或者数据丢失,严重情况下会导致整个系统的瘫痪。因此,针对故障传感器采集到的数据,建立有效的数据恢复机制,对整个变电站系统的维护有着重要意义。
2、目前故障传感器信号恢复技术逐步受到重视并取得一定的成果,提出了一些丢失数据重构算法,主要为基于模型的方法,基于模型的重建方法可以借助有限元模型推导出故障测点与正常测点的转换关系,但建立精确的有限元模型对于变电站中红外传感器而言具有一定的难度。
技术实现思路
1、本发明的目的是提供一种红外传感器故障图像修复方法、系统、设备及介质,能够提高变电站中红外传感器的数据修复效率和效果。
2、为实现上述目的,本发明提供了如下方案:
3、一种红外传感器故障图像修复方法,包括:
4、获取目标变电站中红外传感器的图像数据;
5、根据所述图像数据和故障修复模型进行故障图像修复,输出修正图像;所述设定故障类型包括色偏、光晕、飘花和模糊;所述故障图像修复模型包括依次连接的生成器和判别器;所述生成器是根据卷积层、反卷积层和跳跃连接机制构建的;所述判别器是根据resnet-152模型和残差模块构建的。
6、可选地,所述故障修复模型的训练过程包括:
7、获取训练数据;所述训练数据包括传感器故障图像及对应的完好图像;
8、将所述训练数据输入所述生成器,将所述生成器输出的修正图像输入所述判别器中,以所述生成器输出的修正图像与所述传感器故障图像对应的完好图像之间的损失小于预定阈值为目标,进行相互对抗训练,并利用adam优化算法优化网络模型参数,得到故障修复模型。
9、可选地,在获取训练数据后,还包括:对所述训练数据进行预处理;所述预处理包括归一化、数据筛选和数据划分;
10、所述归一化为:利用min-max方法,对所述训练数据的图像像素点进行线性变换,将其结果值映射到[0,1]之间;
11、所述数据筛选为:对所述训练数据中的负荷值进行nan值去除,并将去除nan值后的数据特征向量按照设定时间顺序排序;
12、所述数据划分为:根据输入步长和输出步长建立输入数据和输出数据的对应关系。
13、可选地,在得到故障修复模型后,还包括:对输出的修正图像进行评估,在训练在达到预定batch轮数后,对输出结果利用ssim和psnr进行评估,利用所述psnr计算像素值对应的均方误差,以及利用所述ssim比较图像相似度。
14、可选地,所述生成器由多个卷积层和多个反卷积层组成,输入通过一系列逐步向下采样的卷积层,直到瓶颈层,接着,逐步上采样恢复原始图像,同时,基于u-net网络结构,在每个第i层和第n-i层之间直接相互连接,形成跳跃连接机制,其中n为层的总数;每个跳过连接将第i层上的所有通道与第n-i层上的通道连接起来,并在两层之间使用relu作为激活函数;
15、所述判别器是由多个卷积层构成,在resnet-152模型中加入残差模块,并将生成器输出的数据设置为0,将完好图像设置为1,用于优化模型参数。
16、本发明还提供了一种红外传感器故障图像修复系统,包括:
17、数据采集模块,用于获取目标变电站中红外传感器的图像数据;
18、故障修复模块,用于根据所述图像数据和故障修复模型进行故障图像修复,输出修正图像;所述设定故障类型包括色偏、光晕、飘花和模糊;所述故障图像修复模型包括依次连接的生成器和判别器;所述生成器是根据卷积层、反卷积层和跳跃连接机制构建的;所述判别器是根据resnet-152模型和残差模块构建的。
19、可选地,还包括:模型训练模块;
20、所述模型训练模块,具体包括:
21、训练数据获取单元,用于获取训练数据;所述训练数据包括传感器故障图像及对应的完好图像;
22、模型优化单元,用于将所述训练数据输入所述生成器,将所述生成器输出的修正图像输入所述判别器中,以所述生成器输出的修正图像与所述传感器故障图像对应的完好图像之间的损失小于预定阈值为目标,进行相互对抗训练,并利用adam优化算法优化网络模型参数,得到故障修复模型。
23、可选地,所述模型训练模块,还包括:预处理单元;
24、所述预处理单元,用于对所述训练数据进行预处理;所述预处理包括归一化、数据筛选和数据划分;
25、所述归一化为:利用min-max方法,对所述训练数据的图像像素点进行线性变换,将其结果值映射到[0,1]之间;
26、所述数据筛选为:对所述训练数据中的负荷值进行nan值去除,并将去除nan值后的数据特征向量按照设定时间顺序排序;
27、所述数据划分为:根据输入步长和输出步长建立输入数据和输出数据的对应关系。
28、本发明还提供了一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据上述的红外传感器故障图像修复方法。
29、本发明还提供了一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现如上所述的红外传感器故障图像修复方法。
30、根据本发明提供的具体实施例,本发明公开了以下技术效果:
31、本发明公开了一种红外传感器故障图像修复方法、系统、设备及介质,所述方法包括获取目标变电站中红外传感器的图像数据;根据所述图像数据和故障修复模型进行故障图像修复,输出修正图像;所述设定故障类型包括色偏、光晕、飘花和模糊;所述故障图像修复模型包括依次连接的生成器和判别器;所述生成器是根据卷积层、反卷积层和跳跃连接机制构建的;所述判别器是根据resnet-152模型和残差模块构建的。本发明通过构建dcgan模型,利用生成器生成图像,判别器对生成的图像做评估,两者相互对抗,从而对图像进行更好的修复,有效提高了修复精度和效率,能够提高变电站中红外传感器的故障数据修复效率和效果。
1.一种红外传感器故障图像修复方法,其特征在于,包括:
2.根据权利要求1所述的红外传感器故障图像修复方法,其特征在于,所述故障修复模型的训练过程包括:
3.根据权利要求2所述的红外传感器故障图像修复方法,其特征在于,在获取训练数据后,还包括:对所述训练数据进行预处理;所述预处理包括归一化、数据筛选和数据划分;
4.根据权利要求2所述的红外传感器故障图像修复方法,其特征在于,在得到故障修复模型后,还包括:对输出的修正图像进行评估,在训练在达到预定batch轮数后,对输出结果利用ssim和psnr进行评估,利用所述psnr计算像素值对应的均方误差,以及利用所述ssim比较图像相似度。
5.根据权利要求1所述的红外传感器故障图像修复方法,其特征在于,所述生成器由多个卷积层和多个反卷积层组成,输入通过一系列逐步向下采样的卷积层,直到瓶颈层,接着,逐步上采样恢复原始图像,同时,基于u-net网络结构,在每个第i层和第n-i层之间直接相互连接,形成跳跃连接机制,其中n为层的总数;每个跳过连接将第i层上的所有通道与第n-i层上的通道连接起来,并在两层之间使用relu作为激活函数;
6.一种红外传感器故障图像修复系统,其特征在于,包括:
7.根据权利要求6所述的红外传感器故障图像修复系统,其特征在于,还包括:模型训练模块;
8.根据权利要求7所述的红外传感器故障图像修复系统,其特征在于,所述模型训练模块,还包括:预处理单元;
9.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1-5中所述的红外传感器故障图像修复方法。
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5中所述的红外传感器故障图像修复方法。