[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

本發明公開了基于電網的模型訓練方法及裝置，該方法包括：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電網圖像進行圖像特征標注，得到已標注圖像集合，已標注圖像集合包括已標注圖像特征的每個電網對象的電網圖像；對已標注圖像集合中每個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；根據復核圖像集合對識別模型進行訓練，得到目標識別模型；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，操作包括標注操作。可見，實施本發明通過識別模型對多個電網圖像執行標注操作，提高電網圖像的標注效率，保證標注質量，通過標注且復核后的電網圖像訓練識別模型，能夠提高識別模型的訓練準確性及可靠性。

技術領域

本發明涉及電網數據處理技術領域，尤其涉及基于電網的模型訓練方法及裝置。

背景技術

隨著大數據及人工智能的快速發展，人工智能已經應用在電網的各個方面中，如輸電通道隱患檢測、變電站施工人員穿戴檢測、配電塔頭溫度檢測等，而上述功能的實現離不開對電網圖片中的電網特征進行識別。

目前，通過人工對電網圖片進行標注是識別電網特征的主流方法，而該主流方法存在標注效率低，耗費時間長，且容易出現因個人的理解不同而造成錯標、漏標等問題，難以保證標注質量。

同時，由于電網特征的種類較多，且部分電網特征較為復雜，即使采用現有的識別模型進行標注的方式，也難以準確標注出每個電網特征，無法保證標注質量。

發明內容

本發明所要解決的技術問題在于，提供基于電網的模型訓練方法及裝置，能夠采用訓練出的目標識別模型對電網對象執行標注操作，提高了標注效率，保證標注質量，且通過復核圖像集合訓練目標識別模型，能夠提高該目標識別模型的識別準確率，提高了標注質量。

為了解決上述技術問題，本發明第一方面公開了基于電網的模型訓練方法，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。

作為一種可選的實施方式，在本發明第一方面中，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。

作為一種可選的實施方式，在本發明第一方面中，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；