[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

本發明涉及一種基于深度學習的開關柜圖像開關狀態自動識別方法，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。與現有技術相比，本發明具有實時性、可以在Android設備運行、收斂快、選擇準確等優點。

技術領域

本發明涉及電力系統圖像處理技術領域，尤其是涉及一種基于深度學習的開關柜圖像開關狀態自動識別方法。

背景技術

隨著我國電力事業的快速發展，高壓機柜設備越來越多。開關柜設備誤操作事故是整個電力行業安全生產事故中最嚴重的事故，也是多發的事故之一。高壓開關柜誤操作事故的發生有著管理和人為方面的主觀原因，同時設備本身存在的安全隱患也是極其重要的客觀原因。誤操作事故后果輕則引起電力系統受損，重則危害人身安全。因此，迫切需要開發機柜開關的自動識別系統來對高壓開關柜進行開關檢測和識別。

目前在神經網絡領域，目標識別技術主要可以分為兩大類，其中一類是將識別作為分類問題進行處理，利用分類器判斷網絡給出的每一個候選框中是否包含物體以及其所屬類別；另一類則將識別作為回歸問題來處理，使用一個神經網絡通過端到端的方法對一整張圖像進行回歸，直接識別出圖像中存在的物體及其位置信息。

SSD算法是是UNC Chapel Hill(北卡羅來納大學教堂山分校)的Wei Liu大神在2016年ECCV一篇文章提到的。https://github.com/weiliu89/caffe/tree/ssd。一種直接預測目標類別和bounding box的多目標檢測算法。與faster rcnn相比，該算法沒有生成proposal的過程，這就極大提高了檢測速度。針對不同大小的目標檢測，傳統的做法是先將圖像轉換成不同大小(圖像金字塔)，然后分別檢測，最后將結果綜合起來(NMS)。而SSD算法則利用不同卷積層的feature map進行綜合也能達到同樣的效果。算法的主網絡結構是VGG16，將最后兩個全連接層改成卷積層，并隨后增加了4個卷積層來構造網絡結構。對其中5種不同的卷積層的輸出 (feature map)分別用兩個不同的3×3的卷積核進行卷積，一個輸出分類用的 confidence，每個default box生成21個類別confidence；一個輸出回歸用的localization，每個default box生成4個坐標值(x,y,w,h)。此外，這5個feature map還經過PriorBox層生成prior box(生成的是坐標)。上述5個feature map中每一層的defaultbox的數量是給定的(8732個)。最后將前面三個計算結果分別合并然后傳給loss層。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種基于深度學習的開關柜圖像開關狀態自動識別方法。

本發明的目的可以通過以下技術方案來實現：

一種基于深度學習的開關柜圖像開關狀態自動識別方法，包括以下步驟：

1)讀取待識別的開關柜圖像并縮放；

6)根據訓練樣本的真實框數據通過聚類獲取多個先驗框；

7)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；

8)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；

9)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。