本技术涉及目标检测，更具体的说，涉及一种缺陷检测模型构建方法、缺陷检测方法及装置。
背景技术：
1、随着电网规模的不断扩大，电力计量设备的安全稳定问题引起了广泛关注。其中，电力计量设备是用于电力测量的计量型设备，方便统计电能使用情况，在电力事业中起着重要的作用。
2、当电力计量设备存在缺陷时，会严重影响供电运行的稳定性。因此，如何实现对电力计量设备的缺陷检测成为一项亟需解决的技术问题。
技术实现思路
1、有鉴于此，本技术实施例公开缺陷检测模型构建方法、缺陷检测方法及装置，提高目标缺陷检测模型的缺陷检测准确性，从而实现对电力计量设备进行有效的缺陷检测。
2、本技术实施例提供的技术方案如下：
3、第一方面，本技术实施例提供了一种缺陷检测模型构建方法，所述方法包括：
4、利用多张电力计量设备有缺陷样本和多张电力计量设备无缺陷样本训练待训练对比学习模型，得到目标对比学习模型；所述目标对比学习模型包括：目标特征提取网络；
5、利用所述目标特征提取网络构造所述待训练缺陷检测模型的骨干网络；
6、利用多对有无缺陷样本对训练所述待训练缺陷检测模型，得到目标缺陷检测模型；其中，一对有无缺陷样本对包括：同一电力计量设备的一张有缺陷图像和一张无缺陷图像，所述目标缺陷检测模型用于对待检测电力计量设备图像进行缺陷检测。
7、在一种可能的实现方式中，所述待训练对比学习模型包括：特征提取网络和多层感知机mlp，所述利用多张电力计量设备有缺陷样本和多张电力计量设备无缺陷样本训练待训练对比学习模型，得到目标对比学习模型，包括：
8、将所述多张电力计量设备有缺陷样本和所述多张电力计量设备无缺陷样本输入所述特征提取网络，得到多个第一特征图；
9、将所述第一特征图输入所述mlp，得到输出向量；
10、利用多个所述输出向量计算对比学习损失，得到对比损失值；
11、基于所述对比损失值优化所述待训练对比学习模型，得到所述目标对比学习模型。
12、在一种可能的实现方式中，所述待训练缺陷检测模型包括：骨干网络、区域候选网络rpn和感兴趣区域对齐roi align，所述利用多对有无缺陷样本对训练所述待训练缺陷检测模型，得到目标缺陷检测模型，包括：
13、将有无缺陷样本对输入骨干网络，得到所述无缺陷图像对应的第二特征图和所述有缺陷图像对应的第三特征图；
14、将所述第二特征图和所述第三特征图输入所述rpn中，生成所述无缺陷图像对应的至少一个第一候选框，以及所述有缺陷图像对应的至少一个第二候选框；
15、利用所述roi align，对所述至少一个第一候选框对应的区域特征图和所述至少一个第二候选框对应的区域特征图进行尺度变换，得到至少一个第一区域特征图和至少一个第二区域特征图；
16、对所述至少一个第一区域特征图和所述至少一个第二区域特征图进行筛选，得到相似度最低的区域特征图对；
17、利用所述区域特征图对训练所述rpn，得到所述目标缺陷检测模型。
18、在一种可能的实现方式中，所述区域特征图对包括：所述至少一个第一区域特征图中的一个第一区域特征图，和所述至少一个第二区域特征图中的一个第二区域特征图，所述利用所述区域特征图对训练所述rpn，得到所述目标缺陷检测模型，包括：
19、利用所述区域特征图对中的第一区域特征图对应的第一候选框，确定所述无缺陷图像的可识别区域；
20、利用所述区域特征图对中的第二区域特征图对应的第二候选框，确定所述有缺陷图像的可识别区域；
21、利用所述无缺陷图像的可识别区域、所述有缺陷图像的可识别区域、所述无缺陷图像和所述有缺陷图像对所述rpn进行训练，得到所述目标缺陷检测模型。
22、在一种可能的实现方式中，所述多张电力计量设备有缺陷样本包括：多种电力计量设备对应的多张有缺陷样本，所述多张电力计量设备无缺陷样本包括：多种电力计量设备对应的多张无缺陷样本。
23、第二方面，本技术实施例提供了一种缺陷检测方法，所述方法包括：
24、获取待检测电力计量设备图像；
25、将所述待检测电力计量设备图像输入目标缺陷检测模型中，得到缺陷检测结果；其中，所述目标缺陷检测模型利用上述第一方面任一项所述的缺陷检测模型构建方法构建得到的。
26、第三方面，本技术实施例提供了一种缺陷检测模型构建装置，所述装置包括：
27、训练模块，用于利用多张电力计量设备有缺陷样本和多张电力计量设备无缺陷样本训练待训练对比学习模型，得到目标对比学习模型；所述目标对比学习模型包括：目标特征提取网络；
28、构造模块，用于利用所述目标特征提取网络构造所述待训练缺陷检测模型的骨干网络；
29、训练模块，还用于利用多对有无缺陷样本对训练所述待训练缺陷检测模型，得到目标缺陷检测模型；其中，一对有无缺陷样本对包括：同一电力计量设备的一张有缺陷图像和一张无缺陷图像，所述目标缺陷检测模型用于对待检测电力计量设备图像进行缺陷检测。
30、第四方面，本技术实施例提供了一种缺陷检测装置，所述装置包括：
31、获取模块，用于获取待检测电力计量设备图像；
32、检测模块，用于将所述待检测电力计量设备图像输入目标缺陷检测模型中，得到缺陷检测结果；其中，所述目标缺陷检测模型利用上述第一方面任一项所述的缺陷检测模型构建方法构建得到。
33、第五方面，本技术实施例提供了一种电子设备，包括：
34、存储器，用于存储指令；
35、处理器，用于执行所述存储器中的所述指令以执行上述第一方面任意一项所述的缺陷检测模型构建方法，或者上述第二方面所述的缺陷检测方法。
36、第六方面，本技术实施例提供了一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行上述第一方面任意一项所述的缺陷检测模型构建方法，或者上述第二方面所述的缺陷检测方法。
37、第七方面，本技术实施例提供一种计算机程序产品，所述计算机程序产品在终端设备上运行时，使得所述终端设备执行上述第一方面任意一项所述的缺陷检测模型构建方法，或者上述第二方面所述的缺陷检测方法。
38、基于上述技术方案，本技术具有以下有益效果：
39、本技术实施例公开了缺陷检测模型构建方法、缺陷检测方法及装置。其中，该方法包括：利用多张电力计量设备有缺陷样本和多张电力计量设备无缺陷样本训练待训练对比学习模型，得到目标对比学习模型；利用所述目标对比学习模型中的目标特征提取网络构造待训练缺陷检测模型的骨干网络；利用多对有无缺陷样本对训练待训练缺陷检测模型，得到目标缺陷检测模型。可见，本技术实施例中利用对比学习的方法训练得到目标特征提取网络，如此基于该目标特征提取网络构造的骨干网络对有无缺陷样本对进行特征提取，能使得无缺陷样本对中的有缺陷图像的特征提取结果和无缺陷样本对中的无缺陷图像的特征提取结果存在显著差异，从而基于该存在显著差异的特征提取结果进行后续的模型训练能更准确确定电力计量设备的缺陷位置，进而能提高训练得到的目标缺陷检测模型的检测准确性，如此基于该目标缺陷检测模型能实现对电力计量设备进行有效的缺陷检测。而且，利用多对有无缺陷样本对训练待训练缺陷检测模型，如此利用了同一电力计量设备有无缺陷的图像对之间的关联关系这一额外信息对待训练缺陷检测模型进行训练，能进一步提高训练得到的目标缺陷检测模型的检测准确性，如此基于该目标缺陷检测模型能实现对电力计量设备进行有效的缺陷检测。
1.一种缺陷检测模型构建方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述待训练对比学习模型包括：特征提取网络和多层感知机mlp，所述利用多张电力计量设备有缺陷样本和多张电力计量设备无缺陷样本训练待训练对比学习模型，得到目标对比学习模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述待训练缺陷检测模型包括：骨干网络、区域候选网络rpn和感兴趣区域对齐roi align，所述利用多对有无缺陷样本对训练所述待训练缺陷检测模型，得到目标缺陷检测模型，包括：
4.根据权利要求1所述的方法，其特征在于，所述区域特征图对包括：所述至少一个第一区域特征图中的一个第一区域特征图，和所述至少一个第二区域特征图中的一个第二区域特征图，所述利用所述区域特征图对训练所述rpn，得到所述目标缺陷检测模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述多张电力计量设备有缺陷样本包括：多种电力计量设备对应的多张有缺陷样本，所述多张电力计量设备无缺陷样本包括：多种电力计量设备对应的多张无缺陷样本。
6.一种缺陷检测方法，其特征在于，所述方法包括：
7.一种缺陷检测模型构建装置，其特征在于，所述装置包括：
8.一种缺陷检测装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行权利要求1至5任意一项所述的缺陷检测模型构建方法，或者执行权利要求6所述的缺陷检测方法。
