[發明專利]一種基于卷積神經網絡的保護壓板狀態識別方法

在審

• 申請號: 201811046237.8
• 申請日: 2018-09-07
• 公開（公告）號: CN109472268A
• 公開（公告）日: 2019-03-15
• 發明（設計）人: 李俊達;陳文娟;劉玲;黃建明;黎奕俊;胡榮興;孫景濤;麥富滿;羅文豪;郭杰廣;陳模生;李繼光;李孟杰;莫穎生;李強;周圓;王哲強
• 申請（專利權）人: 廣東電網有限責任公司;廣東電網有限責任公司佛山供電局
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06N3/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于卷積神經網絡的保護壓板狀態識別方法，其特征在于，包括以下步驟：

S10.輸入變電站現場某種位置類型的保護壓板圖像進行RGB顏色特征分解，并將圖像每個像素點的紅光、綠光、藍光的像素數以矩陣的形式,作為卷積神經網絡的輸入；

S20.進行特征識別，通過卷積神經網絡對像素組進行卷積運算，設置步長來對整個輸入矩陣進行掃描，進而完成對輸入圖像的特征檢測；

S30.在卷積神經網絡中引入修正線性單元來增加非線性模式識別；

S40.通過扁平化對得到相鄰特征檢測矩陣進行降維得到二維特征矩陣：在相鄰特征檢測矩陣中僅僅保留最大值，從而獲得圖像的關鍵信息；

S50.特征扁平化：將上述獲得的二維特征矩陣轉換為一個列向量像素進行輸出；

S60.在扁平化特征向量和保護壓板狀態輸出值之間初始化設置一組權重和偏置；

S70.通過運算得到三種保護壓板的狀態判斷輸出的置信度加權概率，概率最高的即為該方法判斷得出的保護壓板狀態;

S80.使用交叉熵作為卷積神經網絡的損失函數用來比較預測和實際值的差距，在卷積神經網絡訓練的過程中，隨著網絡權重/偏置的調正，來改進模型的判斷準確度;

S90.將卷積神經網絡中輸出的每個保護壓板的狀態與數據庫中保護壓板的正常狀態數據進行對比，標識出有變化的保護壓板。

2.根據權利要求1所述的基于卷積神經網絡的保護壓板狀態識別方法，其特征在于，S20的步驟具體為：

S201.通過在輸入像素矩陣邊界補零的方式來避免學習過程中像素的丟失；

S202.設置加權卷積矩陣對輸入像素矩陣進行卷積運算，完成對輸入像素矩陣進行兩個特征映射，初始化卷積運算的權重設置在0.01到0.1之間；

S203.設置步移為2對輸入像素矩陣特征進行全面查看。

3.根據權利要求1所述的基于卷積神經網絡的保護壓板狀態識別方法，其特征在于，S70的步驟具體為兩個部分：Logit分數和Softmax運算。

4.根據權利要求3所述的基于卷積神經網絡的保護壓板狀態識別方法，其特征在于，所述的Logit分數具體步驟為，每個輸出的Logit得分是一個基本的線性函數：Logit得分=特征量×權重+偏置，得分最高的為判斷模型的猜測。

5.根據權利要求3或4所述的基于卷積神經網絡的保護壓板狀態識別方法，其特征在于，所述的Softmax運算步驟具體為，為了得到模型猜測的置信度，以自然對數e為底數，以Logit得分為指數，從而得到保護壓板狀態輸出的置信度；將每個狀態輸出置信度除以所有置信度得分之和，就得到了置信度加權概率，概率最高的即為判斷得出的保護壓板狀態。

6.根據權利要求1~5任一項所述的基于卷積神經網絡的保護壓板狀態識別方法，其特征在于，所述的保護壓板的識別狀態包括投入、退出與備用。