一种语义分割引导的呼吸器油位计异常检测方法

针对变电站异常数据量少、难以支撑深度神经网络训练的问题,以变压器的呼吸器油位计识别问题为例,提出一种融合虚拟数据和语义分割的呼吸器油位计异常检测方法,目标是提升变压器状态监测的识别能力。具体地,构建融合语义分割和分类器的异常检测模型,通过油位计图像的语义分割获取具有空间语义信息的特征,同时采用分类器获得准确的异常状态类别;提出融合虚拟数据和真实数据的模型训练方法,通过调整两种类型数据的比例,实现在少量真实数据下模型的有效训练。实验结果表明,虚拟数据能够有效缓解真实数据不足的问题,且该方法相比采用DCNN模型的直接分类,能够达到更高的异常检测精度。