[發明專利]一種基于深度學習的開關柜圖像開關狀態自動識別方法

在審

• 申請號: 201810491168.5
• 申請日: 2018-05-21
• 公開（公告）號: CN108710913A
• 公開（公告）日: 2018-10-26
• 發明（設計）人: 司文榮;黃華;陳璐;徐鵬;陸啟宇;高凱;傅晨釗
• 申請（專利權）人: 國網上海市電力公司;華東電力試驗研究院有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 楊宏泰

1.一種基于深度學習的開關柜圖像開關狀態自動識別方法，其特征在于，包括以下步驟：

1)讀取待識別的開關柜圖像并縮放；

2)根據訓練樣本的真實框數據通過聚類獲取多個先驗框；

3)構建卷積神經網絡，并且根據先驗框的數據對卷積神經網絡進行訓練；

4)將縮放后的輸入圖像作為訓練后的卷積神經網絡的輸入，獲得檢測信息，包括標簽、損壞概率和位置坐標；

5)采用非極大值抑制方法對檢測信息進行處理，得到最終的預測框；

6)在待識別的開關柜圖像中畫出預測框并且標出目標所屬類別標簽。

2.根據權利要求1所述的一種基于深度學習的開關柜圖像開關狀態自動識別方法，其特征在于，所述的步驟1)中，縮放后的開關柜圖像的尺寸大小為300*300。

3.根據權利要求1所述的一種基于深度學習的開關柜圖像開關狀態自動識別方法，其特征在于，所述的步驟2)具體包括以下步驟：

21)標記真實框：

在訓練樣本中手動標記真實框，并獲取訓練樣本真實框的數據，包括真實框的中心位置、寬度和高度；

22)生成默認框：

對每一張特征圖，按照不同的大小和長寬比生成k個默認框，并且確定每個默認框大小；

23)標記數據預處理：

對標簽信息進行預處理，并將其對應到相應的默認框上，根據默認框和標記數據框的相似系數重疊值獲取對應的默認框，并且選取相似系數重疊值超過0.5的默認框為正樣本，其它為負樣本。

4.根據權利要求3所述的一種基于深度學習的開關柜圖像開關狀態自動識別方法，其特征在于，所述的步驟22)中，默認框大小的計算式為：

其中，S_k為默認框大小，S_min為最底層特征圖默認框大小，S_max為最頂層特征圖默認框大小，m為特征圖數目。

5.根據權利要求4所述的一種基于深度學習的開關柜圖像開關狀態自動識別方法，其特征在于，每個默認框的寬為高為每個默認框的中心為其中，a_r為高寬比，且a_r＝{1,2,3,1/2,1/3}為，i為默認框序號，j為真實框序號，|f_k|為第k個特征圖尺寸。

6.根據權利要求1所述的一種基于深度學習的開關柜圖像開關狀態自動識別方法，其特征在于，所述的步驟3)具體包括以下步驟：

31)采用SSD模型結構，對每張特征圖采用3×3卷積生成默認框的偏移位置和類別置信度；

32)將SSD目標函數分為兩部分，分別對應默認框的位置和類別置信度，則SSD目標函數L(x,c,l,g)為：

其中，N為匹配的默認框，L_conf(x,c)為置信損失，L_loc(x,l,g)為定位損失，α為調節置信損失和定位損失之間的比例參數，c為置信度，smooth_L1(·)為Faster RCNN的計算距離損失，x為自變量，m為當前層數，Pos為Positive正樣本，cx、cy分別為默認框的中心坐標，w和h為默認框的寬和高，為第i個默認框與類別t的第j個真框的相似系數，為檢測出來的框，為數據集標注出來的框，為第i默認框與類別p的第j個真實框相匹配的相似系數，為分類的概率值。

7.根據權利要求1所述的一種基于深度學習的開關柜圖像開關狀態自動識別方法，其特征在于，所述的步驟5)具體包括以下步驟：

51)將神經網絡輸出的所有預測框概率降序排列，選取最高分及其對應的預測框；

52)在其余的預測框中，如果存在與當前最高分預測框的重疊面積大于閾值的預測框，則將其剔除；

53)遍歷其余的預測框，重復步驟52)獲取保留的最終的預測框。