CN109166123A - 缺陷图像命名方法及装置 - Google Patents

Abstract

本发明实施例提供一种缺陷图像命名方法及装置，涉及图像处理领域，该方法包括：获得需要进行缺陷标识的缺陷图像，为其添加对应的缺陷标识信息，通过添加缺陷标识信息使其有准确的缺陷标识，从而具有明显的辨识度，最后根据缺陷标识信息再对其进行重命名，根据缺陷标识信息进行重命名后得到的缺陷标识图像有准确的缺陷标识。通过对需要进行缺陷标识的缺陷图像添加对应的缺陷标识信息，并根据对应的缺陷标识信息对缺陷标识图像进行重命名，从而实现缺陷图像有准确的缺陷标识，且缺陷标识图像的名称与缺陷标识信息一致，工作人员通过缺陷标识图像的名称直接对缺陷进行辨识，进而提高工作人员的工作效率，以实现输电线路巡检工作进度加快。

Description

缺陷图像命名方法及装置

技术领域

本发明涉及图像处理领域，具体而言，涉及一种缺陷图像命名方法及装置。

背景技术

随着对输电线路的运维质量和管理水平要求的提升，精细化验收与巡视成为输电线路巡检的一项重要内容。由于需要进行输电线路精细化验收和巡视的目标部件数量多，同时还要满足拍摄角度，这会造成图片量极大，对于巡检后得到的大量图像难以进行整理。

传统的方式为工作人员手动去对需要进行缺陷标识的缺陷图像进行标识处理，从而获得缺陷标识的缺陷图像，这种传统的方式需要工作人员对需要进行缺陷标识的缺陷图像进行标识，通常由于不同工作人员的标识方法不同从而造成相同缺陷有不同的缺陷标识，工作效率低且缺陷图片的标识不准确，进而导致输电线路巡检工作进度慢。并且，由于在获得的缺陷图像一般是系统自身初始设置的名称，以至于所有的缺陷图像的名称均是统一的，不具有标识性，工作人员无法通过名称来对缺陷图像的缺陷标识进行有效辨别。

发明内容

有鉴于此，本发明实施例的目的在于提供一种缺陷图像命名方法及装置，以改善上述问题。

第一方面，本发明实施例提供了一种缺陷图像命名方法，所述方法包括：获得需要进行缺陷标识的缺陷图像；为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像；根据所述缺陷标识信息对所述缺陷标识图像进行重命名。

进一步地，获取需要进行缺陷标识的缺陷图像之前，包括：获取多张初始图像；通过训练后的机器学习模型对所述多张初始图像进行识别，获得所述多张初始图像中的缺陷图像；将所述缺陷图像存储至进行缺陷标识的第一存储空间。

进一步地，获取多张初始图像之前，所述方法还包括：获取多张训练图像，所述多张训练图像包括多张缺陷图像以及多张非缺陷图像；将所述多张训练图像以及所述多张训练图像的标识信息作为机器学习模型的输入，将缺陷图像及所述缺陷图像的标识信息作为输出对所述机器学习模型进行训练，获得训练后的机器学习模型。

进一步地，为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像，包括：响应对所述缺陷图像添加缺陷标识信息的操作指令；基于所述操作指令为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像。

进一步地，根据所述缺陷标识信息对所述缺陷标识图像进行重命名，包括：根据所述缺陷标识信息生成所述缺陷标识图像对应的当前名称；获取所述缺陷标识图像的原始名称；判断所述缺陷标识图像的原始名称是否与所述当前名称一致；在不一致时，利用所述当前名称对所述缺陷标识图像进行重命名。

进一步地，所述缺陷标识信息包括缺陷发现人、缺陷分类和自定义缺陷内容，所述缺陷分类包括一级分类、二级分类和三级分类。

第二方面，本发明实施例提供了一种缺陷图像命名装置，所述装置包括：缺陷图像获取模块，用于获得需要进行缺陷标识的缺陷图像；缺陷图像标识模块，用于为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像；命名模块，用于根据所述缺陷标识信息对所述缺陷标识图像进行重命名。

进一步地，所述缺陷图像命名装置，还包括：初始图像获取模块，用于获取多张初始图像；识别模块，用于通过训练后的机器学习模型对所述多张初始图像进行识别，获得所述多张初始图像中的缺陷图像；存储模块，用于将所述缺陷图像存储至进行缺陷标识的第一存储空间。

进一步地，所述缺陷图像命名装置，还包括：样本获取模块，用于获取多张训练图像，所述多张训练图像包括多张缺陷图像以及多张非缺陷图像；训练模块，用于将所述多张训练图像以及所述多张训练图像的标识信息作为机器学习模型的输入，将缺陷图像及所述缺陷图像的标识信息作为输出对所述机器学习模型进行训练，获得训练后的机器学习模型。

进一步地，缺陷图像标识模块，包括：指令响应单元，用于响应对所述缺陷图像添加缺陷标识信息的操作指令；指令执行单元，用于基于所述操作指令为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像。

第三方面，本发明实施例提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。

第四方面，本发明实施例提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。

本发明实施例的有益效果：

本发明实施例提供一种缺陷图像命名方法及装置，该缺陷图像命名方法通过获得需要进行缺陷标识的缺陷图像，然后为所述缺陷图像添加对应的缺陷标识信息，通过添加缺陷标识信息可以使缺陷图像有准确的缺陷标识，从而获得缺陷标识图像能够有明显的辨识度，再根据所述缺陷标识信息对所述缺陷标识图像进行重命名，根据缺陷标识信息进行重命名后得到的缺陷标识图像有准确的缺陷标识。本方案中，通过对需要进行缺陷标识的缺陷图像添加对应的缺陷标识信息，并根据对应的缺陷标识信息对缺陷标识图像进行重命名，从而实现缺陷图像有准确的缺陷标识，且缺陷标识图像的名称与缺陷标识信息一致，工作人员可以通过缺陷标识图像的名称直接对缺陷进行辨识，进而提高工作人员的工作效率，以实现输电线路巡检工作进度加快。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1为本发明实施例提供的一种电子设备的结构框图；

图2为本发明实施例提供的一种缺陷图像命名方法流程图；

图3为本发明实施例提供的一种缺陷图像命名方法中步骤S120的流程图；

图4为本发明实施例提供的一种缺陷图像命名方法中步骤S130的流程图；

图5为本发明实施例提供的另一种缺陷图像命名方法的流程图；

图6为本发明实施例提供的一种缺陷图像命名方法中模型训练的流程图；

图7为本发明实施例提供的一种缺陷图像命名装置的结构框图；

图8为本发明实施例提供的另一种缺陷图像命名装置的结构框图。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参照图1，图1示出了一种可应用于本申请实施例中的电子设备10的结构框图。电子设备10可以包括缺陷图像命名装置100、存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、音频单元106、显示单元107。

所述存储器101、存储控制器102、处理器103、外设接口104、输入输出单元105、音频单元106、显示单元107各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述缺陷图像命名装置100包括至少一个可以软件或固件(firmware)的形式存储于所述存储器101中或固化在缺陷图像命名装置100的操作系统(operating system，OS)中的软件功能模块。所述处理器103用于执行存储器101中存储的可执行模块，例如缺陷图像命名装置100包括的软件功能模块或计算机程序。

其中，存储器101可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器101用于存储程序，所述处理器103在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器103中，或者由处理器103实现。

处理器103可以是一种集成电路芯片，具有信号的处理能力。上述的处理器103可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器103也可以是任何常规的处理器等。

所述外设接口104将各种输入/输出装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

输入输出单元105用于提供给用户输入数据实现用户与所述服务器(或本地终端)的交互。所述输入输出单元105可以是，但不限于，鼠标和键盘等。

音频单元106向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。

显示单元107在所述电子设备10与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元107可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器103进行计算和处理。

所述外设接口104将各种输入/输入装置耦合至处理器103以及存储器101。在一些实施例中，外设接口104，处理器103以及存储控制器102可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

输入输出单元105用于提供给用户输入数据实现用户与处理终端的交互。所述输入输出单元105可以是，但不限于，鼠标和键盘等。

可以理解，图1所示的结构仅为示意，所述电子设备10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。

请参看图2，图2为本发明实施例提供的一种缺陷图像命名方法流程图，所述方法包括如下步骤：

步骤S110：获得需要进行缺陷标识的缺陷图像。

需要进行缺陷标识的缺陷图像，可以是直接在存储空间当中进行选取的，例如，可以是在无人机工作时进行拍摄操作获得的图像中进行选取的需要进行缺陷标识的缺陷图像，也可以是其他方式直接获得的需要进行缺陷标识的缺陷图像。

例如，工作人员控制无人机对输电线路需要巡检部位进行拍摄，经过拍摄得到的图像可以直接被用于该缺陷图像命名方法中，或者工作人员可以直接拍摄需要进行缺陷标识的缺陷图像，并用于该缺陷图像命名方法当中。

步骤S120：为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像。

根据缺陷图像的缺陷，对缺陷图像进行缺陷标识信息的添加操作，获得带有缺陷标识的缺陷标识图像。其中缺陷标识信息可以是缺陷图像中缺陷的信息，也可以是缺陷图像的相关信息。例如，缺陷标识信息可以是输电线路中的导线与地线、防护设施、杆塔以及绝缘子等缺陷标识信息。缺陷图像的相关信息可以是缺陷图像中的缺陷发现人，以及缺陷发现人的自定义缺陷信息。

具体地，请参看图3，图3为本发明实施例提供的一种缺陷图像命名方法中步骤S120的流程图。为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像，包括如下步骤：

步骤S121：响应对所述缺陷图像添加缺陷标识信息的操作指令。

操作指令是指对缺陷图像添加缺陷标识信息的操作，可以是工作人员在终端设备上点击的某个操作按钮，例如工作人员在终端设备的相关显示页面上点击“添加缺陷标识”的操作按钮，由此终端设备可接收到工作人员的点击操作，即操作指令，该操作指令也可以是机器学习模型通过对缺陷图像进行识别后，终端设备根据所识别到的缺陷结果生成的操作指令。例如，工作人员在对缺陷图像进行分析后，发现该缺陷图像的缺陷信息为导线与地线的问题，那么工作人员需要在终端设备的相关显示页面当中点击“添加缺陷标识”的操作按钮，由此终端设备接收到工作人员触发的操作指令。机器学习模型通过对缺陷图像进行识别后，终端设备根据所识别到的缺陷结果生成“添加缺陷标识”的操作指令。

作为一种实施方式，终端设备的相关显示页面中有添加缺陷标识的操作按钮，添加缺陷标识的操作按钮可以包括“添加发现人”、“添加缺陷一级分类”、“添加缺陷二级分类”以及“添加缺陷三级分类”等添加不同缺陷标识操作按钮。

步骤S122：基于所述操作指令为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像。

根据上述所说的操作指令在本步骤当中为缺陷图像添加对应的缺陷标识信息，并获得带有缺陷标识的缺陷标识图像。例如，上述的操作指令为根据缺陷信息为导线与地线的问题发出的，则根据操作指令会对缺陷图像进行关于导线与地线问题的标识，得到带有导线与地线问题的标识的缺陷标识图像。

步骤S130：根据所述缺陷标识信息对所述缺陷标识图像进行重命名。

根据缺陷标识信息对缺陷标识图像进行重命名后得到的缺陷标识图像可以有较高的辨识度。例如，工作人员在看到进行重命名后得到的缺陷标识图像后能够马上辨识出该缺陷标识图像是在具体的部位出现问题，从而能够快速的进行解决方案的策划。

具体地，所述缺陷标识信息包括缺陷发现人、缺陷分类和自定义缺陷内容，所述缺陷分类包括一级分类、二级分类和三级分类。发现人可以为发现该缺陷图像中缺陷的工作人员，也可以是对该缺陷图像中缺陷进行标识的工作人员。例如，发现该缺陷图像中缺陷的工作人员为张三，则该缺陷图像的缺陷标识信息中发现人就是张三，对该缺陷图像中缺陷进行标识的工作人员为李四，则该缺陷图像的缺陷标识信息中发现人就是李四。

一级分类、二级分类和三级分类可以为预先设定的缺陷标识。此外，一级分类、二级分类和三级分类之间的关系可以是递进关系，例如，若一级分类为导线与地线，则二级分类为导线或者地线，若二级分类为导线，则三级分类可以为导线驰度偏差、导线电弧烧伤等，若二级分类为地线，则三级分类可以为地线驰度偏差、地线电弧烧伤等。若一级分类为绝缘子，则二级分类为玻璃绝缘子、瓷绝缘子或者复合绝缘子，若二级分类为玻璃绝缘子，则三级分类可以为玻璃绝缘子电弧烧伤、玻璃绝缘子损伤等，若二级分类为瓷绝缘子，则三级分类可以为瓷绝缘子电弧烧伤、瓷绝缘子损伤等，若二级分类为复合绝缘子，则三级分类可以为复合绝缘子电弧烧伤、复合绝缘子损伤等。

另外，除了预先设定的缺陷标识之外，缺陷标识信息中还可以包括自定义的缺陷标识信息。例如，在缺陷图像中出现的缺陷是第一次出现或者十分罕见的缺陷，无法通过预先设定的缺陷标识进行标识的缺陷图片可以通过自定义的缺陷标识信息对缺陷图像进行缺陷标识。此外，自定义的缺陷标识也可以是为了具体地描述缺陷图像中的缺陷内容而进行添加的，例如，该缺陷属于导线中的导线电弧烧伤，但属于特殊的导线电弧烧伤的情况，则可以在自定义的缺陷标识信息中对该缺陷进行缺陷标识。

请参看图4，图4为本发明实施例提供的一种缺陷图像命名方法中步骤S130的流程图。根据所述缺陷标识信息对所述缺陷标识图像进行重命名，包括如下步骤：

步骤S131：根据所述缺陷标识信息生成所述缺陷标识图像对应的当前名称。

缺陷标识图像对应的当前名称，需要根据缺陷图像对应的缺陷标识信息生成，保证工作人员在看到缺陷标识图像的名称后能够迅速辨识出该缺陷。例如，缺陷标识信息中的发现人为张三，一级分类为绝缘子，二级分类为玻璃绝缘子，三级分类为玻璃绝缘子电弧烧伤，则生成该缺陷标识图像对应的当前名称为“张三-玻璃绝缘子电弧烧伤”。若缺陷标识信息中的发现人为张三，一级分类为绝缘子，二级分类为玻璃绝缘子，则生成该缺陷标识图像对应的当前名称为“张三-玻璃绝缘子”。

步骤S132：获取所述缺陷标识图像的原始名称。

例如，缺陷标识图像的原名称为拍摄日期“XXXXXX”，或者为包括缺陷标识信息的名称“发现人-缺陷内容”

步骤S133：判断所述缺陷标识图像的原始名称是否与所述当前名称一致。

步骤S134：在不一致时，利用所述当前名称对所述缺陷标识图像进行重命名。

经过判定缺陷标识图像的原始名称与所述当前名称是否一致之后，若一致则不需进行重新命名，若不一致，则将缺陷标识图像根据缺陷标识信息进行重命名。

例如，缺陷标识图像的原始名称为“123456”，该原始名称与缺陷标识信息无关，且经过判定与根据缺陷标识信息生成缺陷标识图像对应的当前名称“张三-玻璃绝缘子电弧烧伤”不一致，则进行重命名，修改原名称“123456”为“张三-玻璃绝缘子电弧烧伤”。若缺陷标识图像的原始名称为“李四-玻璃绝缘子电弧烧伤”，该原始名称与缺陷标识信息不一致，且经过判定与根据缺陷标识信息生成缺陷标识图像对应的当前名称“张三-玻璃绝缘子电弧烧伤”不一致，则进行重命名，修改原名称“李四-玻璃绝缘子电弧烧伤”为“张三-玻璃绝缘子电弧烧伤”。此外，若缺陷标识图像的原始名称为“张三-玻璃绝缘子电弧烧伤”，经判定该原始名称与缺陷标识信息一致，则不需对缺陷标识图像进行重命名。

请参看图5，图5为本发明实施例提供的另一种缺陷图像命名方法的流程图，该缺陷图像命名方法包括如下步骤：

步骤S140：获取多张初始图像。

步骤S150：通过训练后的机器学习模型对所述多张初始图像进行识别，获得所述多张初始图像中的缺陷图像。

步骤S160：将所述缺陷图像存储至进行缺陷标识的第一存储空间。

这种缺陷图像命名方法是通过将初始图像输入至训练过的缺陷图像识别机器学习模型中，获得经过缺陷标识的图像。例如，一张名为“xxxx”的初始图像通过该机器学习模型，得到缺陷图像命名后的名为“缺陷标识信息”的图像。这个机器学习模型可以对初始图像进行初步的缺陷标识处理，后续工作人员可以进一步的对缺陷图像进行缺陷管理。

请参看图6，图6为本发明实施例提供的一种缺陷图像命名方法中模型训练的流程图，该缺陷图像命名方法还包括如下步骤：

步骤S170：获取多张训练图像，所述多张训练图像包括多张缺陷图像以及多张非缺陷图像。

步骤S180：将所述多张训练图像以及所述多张训练图像的标识信息作为机器学习模型的输入，将缺陷图像及所述缺陷图像的标识信息作为输出对所述机器学习模型进行训练，获得训练后的机器学习模型。

上述步骤可以建立一个经过训练后的机器学习模型，能够对缺陷图像中的缺陷标识信息进行标识。训练中多张训练图像可以为缺陷已知，带有相关缺陷标识信息以及有与缺陷标识信息一致的名称的训练图像。此外训练图像的数量可以为一万张，或者其他大量的训练图像，训练图像的数量大训练出来的机器学习模型的正确识别率高。

请参看图7，图7为本发明实施例提供的一种缺陷图像命名装置的结构框图。本发明实施例提供一种缺陷图像命名装置100，所述缺陷图像命名装置100包括：

缺陷图像获取模块110，用于获得需要进行缺陷标识的缺陷图像。

缺陷图像标识模块120，用于为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像。

具体地，缺陷图像标识模块120包括：

指令响应单元，用于响应对所述缺陷图像添加缺陷标识信息的操作指令。

指令执行单元，用于基于所述操作指令为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像。

命名模块130，用于根据所述缺陷标识信息对所述缺陷标识图像进行重命名。

具体地，所述命名模块130包括：

名称生成单元，用于根据所述缺陷标识信息生成所述缺陷标识图像对应的当前名称。

原始名称获取单元，用于获取所述缺陷标识图像的原始名称。

名称判断单元，用于判断所述缺陷标识图像的原始名称是否与所述当前名称一致。

重命名单元，用于在不一致时，利用所述当前名称对所述缺陷标识图像进行重命名。

请参看图8，图8为本发明实施例提供的另一种缺陷图像命名装置的结构框图，所述缺陷图像命名装置100，还包括：

初始图像获取模块140，用于获取多张初始图像。

识别模块150，用于通过训练后的机器学习模型对所述多张初始图像进行识别，获得所述多张初始图像中的缺陷图像。

存储模块160，用于将所述缺陷图像存储至进行缺陷标识的第一存储空间。

具体地，所述缺陷图像命名装置100，还包括：

样本获取模块，用于获取多张训练图像，所述多张训练图像包括多张缺陷图像以及多张非缺陷图像。

训练模块，用于将所述多张训练图像以及所述多张训练图像的标识信息作为机器学习模型的输入，将缺陷图像及所述缺陷图像的标识信息作为输出对所述机器学习模型进行训练，获得训练后的机器学习模型。

本发明实施例提供一种可读取存储介质，所述计算机程序被处理器执行时，执行如图2所示方法实施例中电子设备所执行的方法过程。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

综上所述，本发明实施例提供一种缺陷图像命名方法及装置，该缺陷图像命名方法通过获得需要进行缺陷标识的缺陷图像，然后为所述缺陷图像添加对应的缺陷标识信息，通过添加缺陷标识信息可以使缺陷图像有准确的缺陷标识，从而获得缺陷标识图像能够有明显的辨识度，再根据所述缺陷标识信息对所述缺陷标识图像进行重命名，根据缺陷标识信息进行重命名后得到的缺陷标识图像有准确的缺陷标识。本方案中，通过对需要进行缺陷标识的缺陷图像添加对应的缺陷标识信息得到，并根据对应的缺陷标识信息对缺陷标识图像进行重命名，从而实现缺陷图像有准确的缺陷标识，进而提高工作人员的工作效率，以实现输电线路巡检工作进度加快。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种缺陷图像命名方法，其特征在于，所述方法包括：

获得需要进行缺陷标识的缺陷图像；

为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像；

根据所述缺陷标识信息对所述缺陷标识图像进行重命名。

2.根据权利要求1所述的缺陷图像命名方法，其特征在于，获取需要进行缺陷标识的缺陷图像之前，包括：

获取多张初始图像；

通过训练后的机器学习模型对所述多张初始图像进行识别，获得所述多张初始图像中的缺陷图像；

将所述缺陷图像存储至进行缺陷标识的第一存储空间。

3.根据权利要求2所述的缺陷图像命名方法，其特征在于，获取多张初始图像之前，所述方法还包括：

获取多张训练图像，所述多张训练图像包括多张缺陷图像以及多张非缺陷图像；

将所述多张训练图像以及所述多张训练图像的标识信息作为机器学习模型的输入，将缺陷图像及所述缺陷图像的标识信息作为输出对所述机器学习模型进行训练，获得训练后的机器学习模型。

4.根据权利要求1所述的缺陷图像命名方法，其特征在于，为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像，包括：

响应对所述缺陷图像添加缺陷标识信息的操作指令；

基于所述操作指令为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像。

5.根据权利要求1所述的缺陷图像命名方法，其特征在于，根据所述缺陷标识信息对所述缺陷标识图像进行重命名，包括：

根据所述缺陷标识信息生成所述缺陷标识图像对应的当前名称；

获取所述缺陷标识图像的原始名称；

判断所述缺陷标识图像的原始名称是否与所述当前名称一致；

在不一致时，利用所述当前名称对所述缺陷标识图像进行重命名。

6.根据权利要求1所述的缺陷图像命名方法，其特征在于，所述缺陷标识信息包括缺陷发现人、缺陷分类和自定义缺陷内容，所述缺陷分类包括一级分类、二级分类和三级分类。

7.一种缺陷图像命名装置，其特征在于，所述装置包括：

缺陷图像获取模块，用于获得需要进行缺陷标识的缺陷图像；

缺陷图像标识模块，用于为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像；

命名模块，用于根据所述缺陷标识信息对所述缺陷标识图像进行重命名。

8.根据权利要求7所述的缺陷图像命名装置，其特征在于，所述缺陷图像命名装置，还包括：

初始图像获取模块，用于获取多张初始图像；

识别模块，用于通过训练后的机器学习模型对所述多张初始图像进行识别，获得所述多张初始图像中的缺陷图像；

存储模块，用于将所述缺陷图像存储至进行缺陷标识的第一存储空间。

9.根据权利要求8所述的缺陷图像命名装置，其特征在于，所述缺陷图像命名装置，还包括：

样本获取模块，用于获取多张训练图像，所述多张训练图像包括多张缺陷图像以及多张非缺陷图像；

训练模块，用于将所述多张训练图像以及所述多张训练图像的标识信息作为机器学习模型的输入，将缺陷图像及所述缺陷图像的标识信息作为输出对所述机器学习模型进行训练，获得训练后的机器学习模型。

10.根据权利要求7所述的缺陷图像命名装置，其特征在于，所述缺陷图像标识模块，包括：

指令响应单元，用于响应对所述缺陷图像添加缺陷标识信息的操作指令；

指令执行单元，用于基于所述操作指令为所述缺陷图像添加对应的缺陷标识信息，获得缺陷标识图像。