[發明專利]基于電網的模型訓練方法及裝置

在審

• 申請號: 202210032628.4
• 申請日: 2022-01-12
• 公開（公告）號: CN114529782A
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 張國昌;路建成;黃杰;周子強;趙銘;林鎮鋒;周海;劉兆平;田松林
• 申請（專利權）人: 南方電網深圳數字電網研究院有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 江銀會

1.基于電網的模型訓練方法，其特征在于，所述方法包括：

采集針對至少一個樣本電網對象的電網圖像，并通過預置的識別模型對每個所述電網圖像進行圖像特征標注，得到已標注圖像集合；所述已標注圖像集合包括已標注圖像特征的每個所述電網對象的電網圖像；

對所述已標注圖像集合中每個所述電網圖像的圖像特征進行圖像特征復核，得到復核圖像集合；

根據所述復核圖像集合對所述識別模型進行訓練，得到目標識別模型；所述目標識別模型用于對電網平臺中的目標電網對象執行操作，所述操作包括標注操作。

2.根據權利要求1所述的基于電網的模型訓練方法，其特征在于，在所述通過預置的識別模型對每個所述電網圖像進行圖像特征標注，得到已標注圖像集合之前，所述方法還包括：

確定每個所述樣本電網對象的類別信息，并根據每個所述樣本電網對象的類別信息，確定每個所述樣本電網對象的電網圖像對應的優先級別；

根據每個所述電網圖像對應的優先級別，對所有所述電網圖像進行排序，得到電網圖像標注序列；所述電網圖像標注序列用于確定每個所述電網圖像的標注順序；

以及，所述通過預置的識別模型對每個所述電網圖像進行圖像特征標注，得到已標注圖像集合，包括：

通過預置的識別模型和所述電網圖像標注序列，對每個所述電網圖像進行圖像特征標注，得到已標注圖像集合。

3.根據權利要求2所述的基于電網的模型訓練方法，其特征在于，所述根據所述復核圖像集合對所述識別模型進行訓練，包括：

根據預置的隨機抽樣算法，對所述復核圖像集合進行分類，得到樣本訓練集合、樣本測試集合以及樣本驗證集合；

將所述樣本訓練集合和所述樣本測試集合輸入所述識別模型進行訓練，得到針對所述樣本訓練集合和所述樣本測試集合的訓練結果集合；

根據所述樣本驗證集合和所述訓練結果集合，驗證所述識別模型的識別率；

將所述識別模型的識別率與預置的識別期望閾值進行比較，并在所述識別模型的識別率小于所述識別期望閾值時，對所述識別模型的模型參數進行優化，得到優化后的識別模型；

將優化后的所述識別模型更新為預置的所述識別模型，并重新執行所述的根據所述復核圖像集合對所述識別模型進行訓練的操作，直至訓練后的所述識別模型的識別率大于所述識別率期望閾值。

4.根據權利要求3所述的基于電網的模型訓練方法，其特征在于，所述對所述識別模型的模型參數進行優化，得到優化后的識別模型，包括：

確定與每個所述電網圖像對應的識別場景，并確定每個所述電網圖像對應的識別場景的場景復雜度；

根據每個所述電網圖像對應的識別場景的場景復雜度以及預置的模型訓練策略，對所述識別模型的模型參數進行參數調優，得到優化后的識別模型；所述模型參數包括模型學習率參數、模型深度參數、模型寬度參數、訓練輪數、訓練數據量。

5.根據權利要求1至4任一項所述的基于電網的模型訓練方法，其特征在于，所述通過預置的識別模型對每個所述電網圖像進行標注，得到已標注圖像集合，包括：

分析每個所述電網圖像的圖像信息，得到每個所述電網圖像的圖像質量信息，并根據每個所述電網圖像的圖像質量信息，確定每個所述電網圖像對應的圖像質量指標；所述圖像信息包括圖像尺寸信息、圖像像素信息、顏色深度信息；

根據每個所述電網圖像對應的圖像質量指標和預設的圖像質量指標閾值，過濾所有所述電網圖像中所述圖像質量指標小于所述圖像質量指標閾值的目標電網圖像，并根據所有所述電網圖像中除所述目標電網圖像之外的所述電網圖像生成質量圖像集合；

通過預置的識別模型，依次標注所述質量圖像集合中所有所述電網圖像的圖像特征，并根據所有已標注的所述電網圖像生成已標注圖像集合。