[发明专利]一种电力仪表设备的智能分类方法

权利要求书

1.一种电力仪表设备的智能分类方法，其特征在于，包括：

根据已知类别的电力仪表设备图片集建立具有所述已知类别的 电力仪表设备图片集的特征库的分类模型；

获取需要分类的电力仪表设备图片；

预处理所述需要分类的电力仪表设备图片，获取所述需要分类的 电力仪表设备图片的特征信息；

根据所述特征信息和所述分类模型对所述需要分类的电力仪表 设备图片进行分类；

输出所述需要分类的电力仪表设备的分类结果。

2.根据权利要求1所述的电力仪表设备的智能分类方法，其特 征在于，所述根据已知类别的电力仪表设备图片集建立具有所述已知 类别的电力仪表设备图片集的特征库的分类模型包括：

创建具有三层卷积神经网络的第一分类模型；

获取所述已知类别的电力仪表设备图片集的特征信息；

根据所述已知类别的电力仪表设备图片集的特征信息，训练所述 第一分类模型，获得所述具有已知类别的电力仪表设备图片集的特征 库的分类模型。

3.根据权利要求2所述的电力仪表设备的智能分类方法，其特 征在于，训练所述第一分类模型包括：

根据所述已知类别的电力仪表设备图片集的特征信息相对应的 类别信息对所述第一分类模型进行训练。

4.根据权利要求1至3任一项所述的电力仪表设备的智能分类 方法，其特征在于，所述预处理所述需要分类的电力仪表设备图片， 获取所述需要分类的电力仪表设备图片的特征信息包括：

灰度化所述需要分类的电力仪表设备图片；

提取所述需要分类的电力仪表设备图片经过灰度化后的HOG特 征；

获取对应的所述需要分类的电力仪表设备图片的特征矩阵。

5.根据权利要求4所述的电力仪表设备的智能分类方法，其特 征在于，在所述灰度化所述需要分类的电力仪表设备图片之前，还包 括：压缩所述需要分类的电力仪表设备图片。

6.根据权利要求5所述的电力仪表设备的智能分类方法，其特 征在于，在所述获取所述已知类别的电力仪表设备图片集的特征信息 之前，还包括：

灰度化所述已知类别的电力仪表设备图片集；

提取所述已知类别的电力仪表设备图片集经过灰度化后的HOG 特征；

获取对应的所述已知类别的电力仪表设备图片集的特征矩阵。

7.根据权利要求6所述的电力仪表设备的智能分类方法，其特 征在于，所述具有三层卷积神经网络的分类模型，包括：

用于接收所述已知类别的电力仪表设备图片集的输入层；

用于处理所述已知类别的电力仪表设备图片集的处理层；

用于输出所述已知类别的电力仪表设备图片集的分类类别的全 连接输出层。

8.根据权利要求7所述的电力仪表设备的智能分类方法，其特 征在于，在所述获得所述具有已知类别的电力仪表设备图片集的特征 库的分类模型之后，还包括：

判断所述分类模型是否符合预设分类精度要求；

若所述分类模型不符合所述预设分类精度要求，则对所述分类模 型的预设参数进行调整，继续训练所述分类模型；

若所述分类模型符合所述预设分类精度要求，则保存所述分类模 型。

9.根据权利要求8所述的电力仪表设备的智能分类方法，其特 征在于，在判断所述分类模型是否符合预设分类精度要求之前，还包 括：

判断训练所述第一分类模型的迭代次数是否达到预设的迭代上 限；

若达到迭代上限，则保存所述分类模型；

若未达到迭代上限，则判断所述分类模型是否符合预设分类精度 要求。