[发明专利]基于神经网络图像分类算法的设备状态反馈方法及系统

说明书

本发明提供的基于神经网络图像分类算法的设备状态反馈方法，包括获取原始图片集和待检测设备图片，原始图片集为含有若干不同状态的设备图片；原始图片集划分，将原始图片集划分为训练集和验证集；将训练集输入至神经网络图像分类算法进行训练并得到训练模型；将待检测设备图片输入至训练模型，训练模型输出分类结果；根据分类结果判断待检测设备图片对应的待检测设备的设备状态，并将设备状态发送至运维管理平台；本发明的基于神经网络图像分类算法的设备状态反馈方法，可以同时对数以万计的交通监控设备进行状态检测，使对于交通监控设备的检测不再有局限性，同时也提高了检测结果的精准率，节省了大量的人力成本。

技术领域

本发明涉及设备状态反馈领域，尤其涉及基于神经网络图像分类算法的设备状态反馈方法及系统。

背景技术

随着经济的发展，每个城市的车辆保有量也在逐年增加，因此对于车辆的监控也比较重要，目前交通部门在各个路段都安装有交通监控设备，对于如此多的交通监控设备日常的运行状态的监控是交通部门所要做的重要工作之一，目前对于交通部门投放的交通监控设备的监控还是处于人工根据得到的监控图片对交通监控设备进行判断是否发生故障。传统的对于交通监控设备的监控判断具有很大局限性，而且增加了很大的人力成本，而且监控判断的结果的准确性也不够高。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供基于神经网络图像分类算法的设备状态反馈方法，其能解决传统的对于交通监控设备的监控判断具有很大局限性，而且增加了很大的人力成本，而且监控判断的结果的准确性也不够高的问题。

本发明的目的之二在于提供基于神经网络图像分类算法的设备状态反馈系统，其能解决传统的对于交通监控设备的监控判断具有很大局限性，而且增加了很大的人力成本，而且监控判断的结果的准确性也不够高的问题。

本发明提供目的之一采用以下技术方案实现：

基于神经网络图像分类算法的设备状态反馈方法，所述设备状态反馈方法应用在交通监控系统，包括：

图片获取，获取原始图片集和待检测设备图片，所述原始图片集为含有若干不同状态的设备图片；

原始图片集划分，将所述原始图片集划分为训练集和验证集；

生成训练模型，将所述训练集输入至神经网络图像分类算法进行训练并得到训练模型；

设备图片检测，将所述待检测设备图片输入至所述训练模型，所述训练模型输出分类结果；

设备状态判断，根据所述分类结果判断所述待检测设备图片对应的待检测设备的设备状态，并将所述设备状态发送至运维管理平台。

进一步地，所述神经网络图像分类算法采用采用Inception V1架构。

进一步地，当所述设备状态为发生故障时，所述运维管理平台将所述设备状态采用短信方式发送至维保单位。

进一步地，所述原始图片集划分之前还包括图像预处理，对所述原始图片集进行旋转处理、随机剪裁处理以及添加噪声处理。

进一步地，在所述设备图片检测之前还包括模型验证，将所述验证集输入值所述训练模型中，所述训练模型输出验证分类结果，若所述验证分类结果与所述验证集对应的预设验证集分类结果相同，则为验证合格，若所述验证分类结果与所述验证集对应的预设验证集分类结果不相同，则为验证不合格。

进一步地，当所述分类结果为角度异常或色偏或树叶遮挡或黑屏时，所述设备状态为发生故障。

进一步地，所述原始图片集包括若干原始图片，随机选取所述原始图片集中的80％的原始图片作为训练集，将所述原始图片集中的剩余20％的原始图片作为验证集。

本发明提供目的之二采用以下技术方案实现：