[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

说明书

本发明公布了一种针对变电站的基于机器学习的语义标注方法。其包括对训练视频和测试视频图像进行特征提取，对特征进行聚类，将生成的视觉单词进行关联和量化，机器模型依据特征描述后的视频和图像进行学习，将最优参数下的半监督或弱监督学习方法用于对测试视频、图片进行标注。本发明可实现现场作业标准化和数据规范化，实现现场侧和中心侧的数据和分析算法互享，提高现场侧的数据分析能力，加强现场运维的远程管控和实时技术支持能力。提高现场运维的专业化、智能化水平，提升运检工作效率、设备状态管控能力，强化状态检修和辅助决策。

技术领域

本发明涉及语义标注技术，具体涉及基于稀疏编码和机器学习的图像视频标注技术。

背景技术

随电力运维检修业务中，带电检测数据在完备性和正确性上很大程度上依赖于现场试验人员的专业水平，可靠性不高；由于带电检测仪器种类繁多，标准不同意，存在数据不规范，可利用效率低的情况；设备状态数据主要依赖人工整理、分析与运用，时效性不足。

发明内容

本发明的目的是：实现现场作业标准化和数据规范化，实现现场侧和中心侧的数据和分析算法互享，提高现场侧的数据分析能力，加强现场运维的远程管控和实时技术支持能力。提高现场运维的专业化、智能化水平，提高运检工作效率、设备状态管控能力，强化状态检修和辅助决策。

为实现本发明之目的，采用以下技术方案予以实现：

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，如数值数据、参数、变量、录入数据和采样数据等的存储采用XML格式；针对非结构化数据的规范化转化方法主要是利用基于稀疏编码、视觉单词等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等快速索引；

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。

在上述的一种针对变电站的基于机器学习的语义标注方法，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。

在上述的一种针对变电站的基于机器学习的语义标注方法，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；