基于元度量学习的小样本输电线路图像部件缺陷分类方法

作者：董超; 张珂; 谢志远; 石超君; 王宁; 赵振兵

来源：高电压技术, 2023, 1-11.

DOI：10.13336/j.1003-6520.hve.20230202

• 小样本分类
• 元度量学习
• 皮尔森相似度
• 局部描述符重加权
• 输电线路图像

对巡检图像缺陷准确分类是输电线路自动巡检领域中关键技术之一。针对因缺陷类别图片数量少而导致传统深度学习方法容易出现过拟合与精度低的问题，本文提出了一种基于元度量学习的小样本输电线路图像部件缺陷分类方法。首先，搭建了基于小样本学习的图像分类网络，采用基于深度残差结构的卷积层来增强网络特征表达能力。然后，在度量模块中引入基于皮尔森相似度的k-近邻算法与局部特征描述符重加权机制，以提高网络分类能力。最后，为验证所提出方法的有效性，利用巡检图像所构成的数据集对本文方法和其他基于元度量学习的小样本分类方法进行实验对比分析，结果表明本文所提出的方法在分类性能上有明显优势。同时，本文算法的平均准确率在每类缺陷的测试样本仅有15张图片的情况下达到80.24%。

• 出版日期2023
• 单位华北电力大学; 中国南方电网有限责任公司超高压输电公司