[发明专利]一种针对变电站的基于机器学习的语义标注方法

权利要求书

1.一种针对变电站的基于机器学习的语义标注方法，其特征在于：包括：

步骤1、采集数据集的图像并进行预处理；

步骤2、将预处理后的图像进行规范化；对于结构化的数据，包括数值数据、参数、变量、录入数据和采样数据的存储采用XML格式；针对非结构化数据的规范化转化方法是利用基于稀疏编码、视觉单词技术对非结构化图谱、视频数据进行规范化和特征量提取；

步骤3、将训练视频图像类集合所提取的特征信息聚类，生成视觉单词并进行关联，然后量化视觉单词，新的视觉单词作为半监督或弱监督机器学习方法的输入，学习获得最优参数，将最优参数下的半监督或弱监督机器学习方法用于对测试视频、图像进行标注；

步骤4、利用变电设备图像结构特征，对步骤3得到的数据进行视频压缩，剔除无关信息并保留特征信息，实现现场视频数据的高效压缩和高速传输；

步骤5、研究各类状态检测数据的高维混合数据标识技术，建立高效多级状态检测数据综合索引模型，实现检测数据的多级多维快速索引；

步骤6、基于各类检测数据的规范化模型与特征量，研究状态检测数据的分析诊断技术及个性化展示方法；

所述步骤2具体包括：

步骤2.1、提出局部不变特征提取技术，提取具有尺度，旋转，光照，模糊和视角不变性的局部关键点特征，实现特征点的高准确度匹配，提取有效的区域不变特征，描述局部区域的相关特性，实现仿射和旋转不变性；

步骤2.2、提出有效的具有判决力的图谱描述算子,概括图谱主要内容信息；利用局部不变特征，设计有效的视觉单词索引技术，有效捕获空域及其特征域信息；利用稀疏编码技术，实现有效的图谱结构化描述方法，提取低维的图谱描述符，用于大数据库图谱的有效分类；利用稠密的采样技术，设计基于像素的特征描述，并结合视觉单词技术描述整幅图谱/纹理特征；

步骤2.3、提出有语义的对象及其场景信息描述方法；设计有效的对象检测算法，达到前景和背景信息的可靠分离；利用对象和场景上下文关系，建立有特定语义的图谱统一描述方法；建立有效的数学描述模型，完成对象和场景的语义建模；

步骤2.4、研究具有几何结构的多尺度、多层次的特征描述，挖掘对象的类别空域分布信息，有效提取中层语义信息；对于无法直接进行处理的非结构化图谱数据，通过图谱特征描述技术，实现非结构化图谱数据的结构化转换。

2.根据权利要求1所述的一种针对变电站的基于机器学习的语义标注方法，其特征在于：所述步骤1具体包括：

步骤1.1、图像增强；突出图像中感兴趣的信息，使有用信息得到增强，便于区分和解释；

步骤1.2、图像复原；主要任务是去噪声，去模糊。