一种基于半监督学习的电力设备缺陷检测方法及设备
基本信息
| 申请号 | CN202210146676.6 | 申请日 | - |
| 公开（公告）号 | CN114693597A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114693597A | 申请公布日 | 2022-07-01 |
| 分类号 | G06T7/00（2017.01）I;G06V10/762（2022.01）I;G06V10/77（2022.01）I;G06V10/764（2022.01）I;G06K9/62（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 倪宏宇;宋金根;周辉;姚建立;黄苏;林祖荣;颜文旭;储杰 | 申请（专利权）人 | 江南大学 |
| 代理机构 | 杭州华鼎知识产权代理事务所（普通合伙） | 代理人 | - |
| 地址 | 312000浙江省绍兴市胜利东路58号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于半监督学习的电力设备缺陷检测方法及设备，获取电力设备的高维图像后，执行如下步骤：S1：基于拉普拉斯特征值映射的图像降维算法对高维图像进行降维操作，把降维后的数据作为输入样本；S2：根据输入样本的类标签，基于最优反向预测算法来设定目标函数；S3：特征空间最优分解，以得到半监督笛卡尔K均值模型；S4：采用拉普拉斯正则化的最优反向预测算法构建半监督的量化模型；S5：半监督的量化模型的优化；S6：基于图像的缺陷检测系统根据优化半监督的量化模型。本发明将标记数据集成到量化步骤中，以提供标签信息，减少数据重建误差，并给出了优化半监督笛卡尔k均值的算法，使函数能够得到最小值。 |
