[发明专利]识别巡检数据并更新识别模型的方法、装置及存储介质

说明书

本申请公开了一种识别巡检数据并更新识别模型的方法、装置及存储介质。其中，该方法包括：识别设备接收巡检数据，其中所述巡检数据包括与待巡检对象相关的巡检图像；所述识别设备利用从训练设备获取的识别模型对所述巡检数据进行标注；以及所述训练设备利用标注好的所述巡检数据更新所述识别模型。从而达到了自动化与智能化极高的图像处理闭环系统，基于深度学习的识别模型训练原理，不断滚动迭代巡检数据和识别模型，完成图像识别精度的不断提升。进而解决了现有技术中存在的线下训练和线上识别两个部分相互独立，没有实现标注数据更新增加和模型训练迭代更新的闭环，整个过程没有完整的服务体系的技术问题。

技术领域

本申请涉及图像识别领域，特别是涉及一种识别巡检数据并更新识别模型的方法、装置及存储介质。

背景技术

随着无人机及航拍技术的发展和逐步成熟，目前在输电线路、风电场及光伏电场中的巡检都会产生大量的巡检图像，拍摄这些巡检图像的目的是为了查看设备的状态是否异常及周围环境是否存在隐患等，而对于这些巡检图像的处理现在普遍采用人工查看的方式，通过图像内容筛查，勾画出设备出现异常的区域。面对海量巡检图像，这种工作模式耗时耗力且工作效率低，对数据的管理弱，没有对图像智能化识别的模块。

目前对于图像的处理最主流的算法都采用了深度学习技术，深度学习要求大量的标签数据集进行训练学习。而目前巡检图像不存在标记标签，要构建可以用于深度学习训练的标记标签，同样是耗时耗力的，且标注的质量无法保证，在此背景下，提出一种在标注很少样本的情况下，通过智能图像识别自动生成标注标签，并可以完成自主学习训练产生高精度识别模型的云服务平台。

目前的图像识别可以分为线下训练和线上识别两个部分，其中线下训练包括样本的收集，样本标注，模型调参训练等阶段，在线上识别时使用在线下训练的模型结果产生对图像的预测。目前这两个部分相互独立，没有实现标注数据更新增加和模型训练迭代更新的闭环，整个过程没有完整的服务体系。

针对上述的现有技术中存在的线下训练和线上识别两个部分相互独立，没有实现标注数据更新增加和模型训练迭代更新的闭环，整个过程没有完整的服务体系的技术问题，目前尚未提出有效的解决方案。

发明内容

本公开的实施例提供了一种识别巡检数据并更新识别模型的方法、装置及存储介质，以至少解决现有技术中存在的线下训练和线上识别两个部分相互独立，没有实现标注数据更新增加和模型训练迭代更新的闭环，整个过程没有完整的服务体系的技术问题。

根据本公开实施例的一个方面，提供了一种识别巡检数据并更新识别模型的方法，包括：识别设备接收巡检数据，其中巡检数据包括与待巡检对象相关的巡检图像；识别设备利用从训练设备获取的识别模型对巡检数据进行标注；以及训练设备利用标注好的巡检数据更新识别模型。

根据本公开实施例的另一方面，还提供了一种识别巡检数据的方法，包括：识别设备接收巡检数据，其中巡检数据包括与待巡检对象相关的巡检图像；识别设备利用从训练设备获取的识别模型对巡检数据进行标注；以及识别设备将标注好的巡检数据发送至管理设备，由管理设备将标注好的巡检数据发送至训练设备。

根据本公开实施例的另一方面，还提供了一种更新识别模型的方法，包括：训练设备从管理设备接收标注好的巡检数据，其中巡检数据包括与待巡检对象相关的巡检图像；以及训练设备利用标注好的巡检数据更新识别模型。

根据本公开实施例的另一个方面，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时由处理器执行以上任意一项所述的方法。

根据本公开实施例的另一个方面，还提供了一种识别巡检数据并更新识别模型的装置，包括：第一接收模块，用于通过识别设备接收巡检数据，其中巡检数据包括与待巡检对象相关的巡检图像；第一标注模块，用于通过识别设备利用从训练设备获取的识别模型对巡检数据进行标注；以及第一更新模块，用于通过训练设备利用标注好的巡检数据更新识别模型。