[发明专利]一种基于卷积神经网络的变电站属性分类方法

权利要求书

1.一种基于卷积神经网络的变电站属性分类方法，其特征在于：包括如下步骤：

步骤一：构建变电站图像数据库，这个数据库包括变电站、变压器、刀闸、输电线路、绝缘子、营业厅、人七类图像；所有图像包括的内容都是现实的变电站相关场景和器件；所有图像均设置为256×256像素；

步骤二：构建属性表，对数据库中的所有图像构建属性表，所述属性表包括七个数值，所述七个数值分别对应变电站、变压器、刀闸、输电线路、绝缘子、营业厅、人七类属性，若图像中包括该项属性则对应数值设置为1，否则设置为0；

步骤三：预训练卷积神经网络模型，为避免过拟合现象，在图片库ImageNet上预训练卷积神经网络模型，所述图片库ImageNet包括1000类不同的图像，所述卷积神经网络的第8层参数均设置为1000；

步骤四：学习卷积神经网络，在步骤三的基础上，继续学习卷积神经网络模型；所述步骤四包括如下步骤：

4a：所有图像随机地划分成训练图像和测试图像，所述训练图像和测试图像各占50%；

4b：将训练图像全部作一个旋转，并将旋转后的图像扩充到训练图像中；

4c：将新加入的图像按照步骤二的方法建立属性表；

4d：将卷积神经网络结构的第8层设置为7，卷积神经网络模型学习率设置为0.000001，并按照0.7的丢失率随机地丢弃70%的参数；所述卷积神经网络模型Soft max层改为Sigmoid层；

步骤五：利用学习好的卷积神经网络模型对图像进行属性分类，包括如下步骤：

5a：利用所有训练图像的均值对图像进行归一化处理；

5b：利用训练好的卷积神经网络对图像进行测试，得到该图像的所有属性的分布概率；

5c：基于设定好的阈值0.5得到预测属性表，再对比所有测试图像的真实属性表和预测属性表，计算得到各类属性的分类准确率。