[发明专利]用于变电站行为监测的卷积神经网络模型的建模方法有效
申请号: | 202011422798.0 | 申请日: | 2020-12-08 |
公开(公告)号: | CN113076683B | 公开(公告)日: | 2023-08-08 |
发明(设计)人: | 刘美杰;李忠伟;孟镇;邱鹏;王超 | 申请(专利权)人: | 国网辽宁省电力有限公司锦州供电公司;国家电网有限公司 |
主分类号: | G06F30/27 | 分类号: | G06F30/27;G06F119/02 |
代理公司: | 锦州辽西专利事务所(普通合伙) 21225 | 代理人: | 王佳佳 |
地址: | 121000 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 变电站 行为 监测 卷积 神经网络 模型 建模 方法 | ||
1.一种用于变电站行为监测的卷积神经网络模型的建模方法,其特征是:
包括以下步骤:
Sl:对实时视频流和视频帧截取,对收集到的变电站行为图像进行数据集标注,并且构建图像模型数据集;
S2:据集划分
将数据集划分为训练集和验证集;
S3:模型训练
基于目标检测算法框架yolov4进行改进优化,对训练集进行训练,得到训练模型;基于目标检测算法框架yolov4进行改进优化具体步骤如下:
S31:yolov4主干结构采用CSPDarknet53,该结构是在Darknet53的基础上修改而来的,由一个卷积层和多个Resblock_body子结构组成;Resblock_body子结构由两部分组成,一部分是一个巨大的残差边,另一部分则是由多个残差块堆叠而成,每个残差块又由一个小的残差边和由2个卷积层组成的边组成,形成一种嵌套的残差结构;
S32:除了主干网络,Yolov4还采用了SPP结构和PANet结构;
SPP结构,即不同尺度的最大池化后堆叠,它能够极大地增加感受野,分离出最显著的上下文特征;PANet结构通过上采样UpSampling和下采样DownSampling将不同层的信息进行融合,从而使得各层同时获得高层语义信息和低层语义信息;
S33:激活函数:使用了Mish激活函数,Mish(x)=x·tanh(log(1+exp(x));
S34:yolov4使用了Yolo Head,利用提取到的特征进行预测;
在特征利用部分,YoloV4提取多特征层进行目标检测,一共提取三个特征层,分别位于中间层、中下层、底层;形状分别为(N,19,19,3*(n_class+5)),(N,38,38,3*(n_class+5)),(N,76,76,3*(n_class+5))的数据(n_class是类别数),对应每个图分为19x19、38x38、76x76的网格上3个预测框的位置;但是这个预测结果并不对应着最终的预测框在图片上的位置,还需要解码才可以完成;最后一个维度中的(n_class+5)包含了4+1+n_class,分别代表x_offset(中心点x轴偏移)、y_offset(中心点y轴偏移)、h(宽)和w(高)、置信度、分类结果;yolov4的解码过程就是将每个网格点加上它对应的x_offset和y_offset,加完后的结果就是预测框的中心,然后再利用先验框和h、w结合计算出预测框的长和宽;这样就能得到整个预测框的位置了;
S35:准确定位的公式如下:
bx=σ(tx)+cx
by=σ(ty)+cy
Pr(object)*IOU(b,object)=σ(t0)
上述公式中,(tx,ty)表示边界框的中心横纵坐标;(cx,cy)表示网格的左上角坐标;(tw,th)表示边界框的宽度、高度;σ是sigmord函数;
(bx,by,bw,bh)表示边界框相对于网格的中心横纵坐标、宽度、高度;(pw,ph)表示预设的anchor的宽度和高度;Pr(object)*IOU(b,object)表示边界框中的分类置信度信息;
S36:损失函数的计算:此处使用平方和误差来优化模型,包含定位误差和分类误差,如下所示:
各参数表示如下:
λcoord:定位误差的权重,yolo设置该参数为5;λnoobj:不存在对象的bounding box的置信度的权重,yolo设置该参数为0.5;S:特征图的尺寸;B:每个网格预测的anchor的个数;坐标(i,j)处有物体则为1,否则为0;坐标(i,j)处没有物体则为1,否则为0;
xi:预测的x轴偏移量;yi:预测的y轴偏移量;
实际的x轴偏移量;实际的y轴偏移量;
wi:预测的边框宽度;hi:预测的边框高度;
实际的边框宽度;实际的边框高度;
ci:网格内有物体的得分;网格内有物体则为1,否则为0;
pi(c):预测为c类的置信度;实际为c类物体则为1,否则为0;
S4:模型验证
在验证集上,对得到的训练模型进行初步评估;
S5:模型测试及现场部署
通过ip地址获取视频,对视频流里的每帧图片进行检测,用矩形框框出违规行为,并给出违规行为的类别和置信度;
S6:违规视频输出
将检测出有违规行为的帧写入视频文件,并将视频信息写入数据库。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网辽宁省电力有限公司锦州供电公司;国家电网有限公司,未经国网辽宁省电力有限公司锦州供电公司;国家电网有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011422798.0/1.html,转载请声明来源钻瓜专利网。