[發明專利]一種電線檢測方法、系統、設備以及介質在審
| 申請號: | 202010723576.6 | 申請日: | 2020-07-24 |
| 公開(公告)號: | CN111968077A | 公開(公告)日: | 2020-11-20 |
| 發明(設計)人: | 楊風光 | 申請(專利權)人: | 蘇州浪潮智能科技有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06K9/62;G06N3/04;G06N3/08;G01N21/95;G01N21/952;G01N21/88 |
| 代理公司: | 北京連和連知識產權代理有限公司 11278 | 代理人: | 宋薇薇;楊帆 |
| 地址: | 215100 江蘇省蘇州市吳*** | 國省代碼: | 江蘇;32 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 電線 檢測 方法 系統 設備 以及 介質 | ||
1.一種電線檢測方法,其特征在于,包括以下步驟:
實時采集預設位置的電線的圖像,并每隔預設時間段將若干個采集到的圖像上傳到云端作為歷史圖像;
利用訓練好的神經網絡模型對采集的圖像進行識別;
響應于識別到所述電線異常,將對應的實時圖像上傳到云端以根據多個所述歷史圖像進行驗證;
響應于驗證結果仍為電線異常,進行反饋。
2.如權利要求1所述的方法,其特征在于,利用訓練好的神經網絡模型對采集的圖像進行識別,進一步包括:
構建訓練集和神經網絡;
利用所述訓練集對所述神經網絡進行迭代訓練,以確定所述神經網絡的卷積核參數和神經網絡結構參數。
3.如權利要求2所述的方法,其特征在于,利用所述訓練集對所述神經網絡進行迭代訓練,以確定所述神經網絡的卷積核參數和神經網絡結構參數,進一步包括:
每次迭代訓練后,根據softmax函數的導數確定下一次迭代訓練對應的所述卷積核參數和所述神經網絡結構參數的調整尺度,并根據真實值減去預測值的正負值確定下一次迭代訓練對應的所述卷積核參數和所述神經網絡結構參數的調整方向。
4.如權利要求1所述的方法,其特征在于,將對應的實時圖像上傳到云端以根據多個所述歷史圖像進行驗證,進一步包括:
將所述對應的實時圖像和所述上傳的多個歷史圖像分別進行同態濾波處理;
將經過同態濾波處理后的所述對應的實時圖像和所述上傳的多個歷史圖像轉換成向量;
計算所述實時圖像對應的向量分別與每一個歷史圖像對應的向量之間的余弦距離。
5.如權利要求4所述的方法,其特征在于,響應于驗證結果仍為電線異常,進行反饋,進一步包括:
響應于所述實時圖像對應的向量與其中一個歷史圖像對應的向量的余弦距離大于閾值,則驗證結果為電線出現異常。
6.如權利要求4所述的方法,其特征在于,將所述對應的實時圖像和所述上傳的多個歷史圖像分別進行同態濾波處理,進一步包括:
提取所述實時圖像和多個歷史圖像的三通道數字矩陣;
對所述數字矩陣中的每一個點取自然對數后,做傅里葉變換;
將做傅里葉變換后的數字矩陣通過濾波器,并做傅里葉反變換;
對做傅里葉反變換后的數字矩陣中的每一個點取指數。
7.如權利要求1所述的方法,其特征在于,響應于驗證結果仍為電線異常,進行反饋,進一步包括:
通過電話、短信和/或郵件進行反饋。
8.一種電線檢測系統,其特征在于,包括:
采集模塊,所述采集模塊配置為實時采集預設位置的電線的圖像,并每隔預設時間段將若干個采集到的圖像上傳到云端作為歷史圖像;
識別模塊,所述識別模塊配置為利用訓練好的神經網絡模型對采集的圖像進行識別;
上傳模塊,所述上傳模塊配置為響應于識別到所述電線異常,將對應的實時圖像上傳到云端以根據多個所述歷史圖像進行驗證;
反饋模塊,所述反饋模塊配置為響應于驗證結果仍為電線異常,進行反饋。
9.一種計算機設備,包括:
至少一個處理器;以及
存儲器,所述存儲器存儲有可在所述處理器上運行的計算機程序,其特征在于,所述處理器執行所述程序時執行如權利要求1-7任意一項所述的方法的步驟。
10.一種計算機可讀存儲介質,所述計算機可讀存儲介質存儲有計算機程序,其特征在于,所述計算機程序被處理器執行時執行如權利要求1-7任意一項所述的方法的步驟。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于蘇州浪潮智能科技有限公司,未經蘇州浪潮智能科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010723576.6/1.html,轉載請聲明來源鉆瓜專利網。





