[发明专利]一种变电站设备缺陷自动识别方法及系统

权利要求书

1.一种变电站设备缺陷自动识别方法，其特征在于，包括：

获取包含变电站目标设备的图像数据，并对所述图像数据进行预处理；

将预处理后的图像，提取特征图谱；

将提取的特征图谱输入到训练好的区域推荐网络，将区域推荐网络的结果输出到分类网络对目标进行分类，得到目标设备的位置以及缺陷识别结果。

2.如权利要求1所述的一种变电站设备缺陷自动识别方法，其特征在于，将预处理后的图像，提取特征图谱，具体包括：

将预处理后的图像输入到改进的残差神经网络，提取特征图谱；其中，所述改进的残差神经网络在传统的残差神经网络的基础上，并联连接若干残差模块，以从输入数据中学习到多角度的特征信息。

3.如权利要求1所述的一种变电站设备缺陷自动识别方法，其特征在于，所述区域推荐网络在每个像素点对应的原图像区域生成设定数量的锚框，计算每一个锚框和输入图像标记框之间的偏差，并对该偏差量采用梯度下降法进行学习，得到区域推荐网络的输出结果。

4.如权利要求1所述的一种变电站设备缺陷自动识别方法，其特征在于，对于区域推荐网络进行训练的过程，具体包括：

对原始图像数据进行样本数据增强预处理，构建样本数据集；

所述样本数据集中包含正样本和负样本，选取设定比例的正负样本，对构建的区域推荐网络进行训练，直到满足收敛条件。

5.如权利要求4所述的一种变电站设备缺陷自动识别方法，其特征在于，对原始图像数据进行样本数据增强预处理，具体包括：

通过图像增强的方法对训练样本进行预处理操作，包括：翻转、缩放、平移和填充操作。

6.如权利要求4所述的一种变电站设备缺陷自动识别方法，其特征在于，对原始图像数据进行样本数据增强预处理，具体包括：

将与待测目标设备具有相似缺陷图像的设备图像数据，利用深度卷积神经网络，通过浅层的卷积层提取到图像的局部表征纹理的特征，通过深层的卷积层提取到图像的内容特征；

将生成的局部表征纹理的特征、图像的内容特征以及原始图像进行融合，得到新的负样本数据。

7.如权利要求1所述的一种变电站设备缺陷自动识别方法，其特征在于，将区域推荐网络的结果输出到池化层分类器中，利用Softmax函数对目标进行分类。

8.一种变电站设备缺陷自动识别系统，其特征在于，包括：

数据获取模块，用于获取包含变电站目标设备的图像数据，并对所述图像数据进行预处理；

特征图谱获取模块，用于将预处理后的图像，提取特征图谱；

缺陷识别模块，用于将提取的特征图谱输入到训练好的区域推荐网络，将区域推荐网络的结果输出到分类网络对目标进行分类，得到目标设备的位置以及缺陷识别结果。

9.一种终端设备，其包括处理器、GPU显卡和存储器，处理器用于实现各指令；GPU用于高效的神经网络计算；存储器用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-7任一项所述的变电站设备缺陷自动识别方法。

10.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-7任一项所述的变电站设备缺陷自动识别方法。