[發(fā)明專利]基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810960128.0
• 申請(qǐng)日: 2018-08-22
• 公開（公告）號(hào): CN109389146A
• 公開（公告）日: 2019-02-26
• 發(fā)明（設(shè)計(jì)）人: 邵煥新;趙憲;黃龍
• 申請(qǐng)（專利權(quán)）人: 中翔科技（杭州）有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 廣州市越秀區(qū)哲力專利商標(biāo)事務(wù)所(普通合伙) 44288
• 代理人: 胡擁軍;糜婧

1.基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋方法，所述設(shè)備狀態(tài)反饋方法應(yīng)用在交通監(jiān)控系統(tǒng)，其特征在于包括：

圖片獲取，獲取原始圖片集和待檢測(cè)設(shè)備圖片，所述原始圖片集為含有若干不同狀態(tài)的設(shè)備圖片；

原始圖片集劃分，將所述原始圖片集劃分為訓(xùn)練集和驗(yàn)證集；

生成訓(xùn)練模型，將所述訓(xùn)練集輸入至神經(jīng)網(wǎng)絡(luò)圖像分類算法進(jìn)行訓(xùn)練并得到訓(xùn)練模型；

設(shè)備圖片檢測(cè)，將所述待檢測(cè)設(shè)備圖片輸入至所述訓(xùn)練模型，所述訓(xùn)練模型輸出分類結(jié)果；

設(shè)備狀態(tài)判斷，根據(jù)所述分類結(jié)果判斷所述待檢測(cè)設(shè)備圖片對(duì)應(yīng)的待檢測(cè)設(shè)備的設(shè)備狀態(tài)，并將所述設(shè)備狀態(tài)發(fā)送至運(yùn)維管理平臺(tái)。

2.如權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋方法，其特征在于：所述神經(jīng)網(wǎng)絡(luò)圖像分類算法采用采用Inception V1架構(gòu)。

3.如權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋方法，其特征在于：當(dāng)所述設(shè)備狀態(tài)為發(fā)生故障時(shí)，所述運(yùn)維管理平臺(tái)將所述設(shè)備狀態(tài)采用短信方式發(fā)送至維保單位。

4.如權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋方法，其特征在于：所述原始圖片集劃分之前還包括圖像預(yù)處理，對(duì)所述原始圖片集進(jìn)行旋轉(zhuǎn)處理、隨機(jī)剪裁處理以及添加噪聲處理。

5.如權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋方法，其特征在于：在所述設(shè)備圖片檢測(cè)之前還包括模型驗(yàn)證，將所述驗(yàn)證集輸入值所述訓(xùn)練模型中，所述訓(xùn)練模型輸出驗(yàn)證分類結(jié)果，若所述驗(yàn)證分類結(jié)果與所述驗(yàn)證集對(duì)應(yīng)的預(yù)設(shè)驗(yàn)證集分類結(jié)果相同，則為驗(yàn)證合格，若所述驗(yàn)證分類結(jié)果與所述驗(yàn)證集對(duì)應(yīng)的預(yù)設(shè)驗(yàn)證集分類結(jié)果不相同，則為驗(yàn)證不合格。

6.如權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋方法，其特征在于：當(dāng)所述分類結(jié)果為角度異常或色偏或樹葉遮擋或黑屏?xí)r，所述設(shè)備狀態(tài)為發(fā)生故障。

7.如權(quán)利要求1所述的基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋方法，其特征在于：所述原始圖片集包括若干原始圖片，隨機(jī)選取所述原始圖片集中的80％的原始圖片作為訓(xùn)練集，將所述原始圖片集中的剩余20％的原始圖片作為驗(yàn)證集。

8.基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋系統(tǒng)，所述設(shè)備狀態(tài)反饋系統(tǒng)應(yīng)用在交通監(jiān)控系統(tǒng)，其特征在于包括：

圖片獲取模塊，所述圖片獲取模塊用于獲取原始圖片集和待檢測(cè)設(shè)備圖片，所述原始圖片集為含有若干不同狀態(tài)的設(shè)備圖片；

原始圖片集劃分模塊，所述原始圖片集劃分模塊用于將所述原始圖片集劃分為訓(xùn)練集和驗(yàn)證集；

訓(xùn)練模型生成模塊，所述訓(xùn)練模型生成模塊用于將所述原始圖片集劃分為訓(xùn)練集和驗(yàn)證集；

設(shè)備圖片檢測(cè)模塊，所述設(shè)備圖片檢測(cè)模塊用于將所述待檢測(cè)設(shè)備圖片輸入至所述訓(xùn)練模型，所述訓(xùn)練模型輸出分類結(jié)果；

設(shè)備狀態(tài)判斷模塊，所述設(shè)備狀態(tài)判斷模塊用于根據(jù)所述分類結(jié)果判斷所述待檢測(cè)設(shè)備圖片對(duì)應(yīng)的待檢測(cè)設(shè)備的設(shè)備狀態(tài)，并將所述設(shè)備狀態(tài)發(fā)送至運(yùn)維管理平臺(tái)。

9.如權(quán)利要求8所述的基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋系統(tǒng)，其特征在于：還包括圖像預(yù)處理模塊，所述圖像預(yù)處理模塊用于對(duì)所述原始圖片集進(jìn)行旋轉(zhuǎn)處理、隨機(jī)剪裁處理以及添加噪聲處理。

10.如權(quán)利要求8所述的基于神經(jīng)網(wǎng)絡(luò)圖像分類算法的設(shè)備狀態(tài)反饋系統(tǒng)，其特征在于：還包括模型驗(yàn)證模塊，所述模型驗(yàn)證模塊用于將所述驗(yàn)證集輸入值所述訓(xùn)練模型中，所述訓(xùn)練模型輸出驗(yàn)證分類結(jié)果，若所述驗(yàn)證分類結(jié)果與所述驗(yàn)證集對(duì)應(yīng)的預(yù)設(shè)驗(yàn)證集分類結(jié)果相同，則為驗(yàn)證合格，若所述驗(yàn)證分類結(jié)果與所述驗(yàn)證集對(duì)應(yīng)的預(yù)設(shè)驗(yàn)證集分類結(jié)果不相同，則為驗(yàn)證不合格。