[发明专利]一种变电站指示灯状态识别方法

权利要求书

1.一种变电站指示灯状态识别方法，其特征在于，包括如下步骤：

采集原始巡检图像；

基于配准技术对所述原始巡检图像进行处理，获取训练图像；

对所述训练图像进行数据扩充；

对数据扩充后的训练图像进行深度学习训练，获取权重文件和网络结构文件；

对所述权重文件和网络结构文件进行量化压缩操作，获取WK权重文件；

将所述WK权重文件移植至相机中进行深度学习，得到深度学习网络模型；

通过深度学习网络模型对变电站指示灯状态进行识别。

2.根据权利要求1所述的一种变电站指示灯状态识别方法，其特征在于，所述训练图像的获取过程如下：

对所述原始巡检图像进行筛选、归类；

通过配准技术对筛选、归类后图像中的指示灯位置信息进行标注。

3.根据权利要求1所述的一种变电站指示灯状态识别方法，其特征在于，对所述训练图像进行数据扩充，包括：

对训练图像进行随机变换处理，获取随机变换图像；

对所述随机变换图像进行亮度变换、对比度变换或颜色变换，得到数据扩充后的训练图像。

4.根据权利要求3所述的一种变电站指示灯状态识别方法，其特征在于，所述随机变换处理包括旋转变换、翻转变换、缩放变换、平移变换和错切变换。

5.根据权利要求1所述的一种变电站指示灯状态识别方法，其特征在于，所述深度学习训练的过程如下：

对所有数据扩充后的训练图像进行图像尺寸变换；

通过Caffe深度学习框架对尺寸变换后的训练图像进行训练，获取模型权重文件和网络结构文件。

6.根据权利要求5所述的一种变电站指示灯状态识别方法，其特征在于，所述Caffe深度学习框架中的骨干网络模型为AlexNet网络；

所述AlexNet网络的激活函数为

F(x)＝x*sigmoid(β*x) (1)

其中，x表示卷积输出，β表示激活系数。

7.根据权利要求6所述的一种变电站指示灯状态识别方法，其特征在于，所述AlexNet网络中FC6的神经元个数为512、FC7的神经元个数为1024。

8.根据权利要求1所述的一种变电站指示灯状态识别方法，其特征在于，所述方法还包括对相机内训练好的深度学习网络模型进行测试，包括如下步骤：

通过深度学习后的相机采集连续帧图像；

标注待预测图像中感兴趣区域；

将待预测图像输入至相机的配准系统，获取感兴趣区域的指示灯位置信息；

将指示灯位置信息输入至相机内训练好的深度学习网络模型中，对指示灯状态进行预测；

将指示灯状态的预测结果与真实状态进行比较，判断是否准确。

9.一种变电站指示灯状态识别系统，其特征在于，所述系统包括：

采集模块：用于采集原始巡检图像；

第一获取模块：用于基于配准技术对所述原始巡检图像进行处理，获取训练图像；

数据扩充模块：用于对所述训练图像进行数据扩充；

第二获取模块：用于对数据扩充后的训练图像进行深度学习训练，获取权重文件和网络结构文件；

第三获取模块：用于对所述权重文件和网络结构文件进行量化压缩操作，获取WK权重文件；

深度学习模块：用于将所述WK权重文件移植至相机中进行深度学习，得到深度学习网络模型；

识别模块：用于通过深度学习网络模型对变电站指示灯状态进行识别。

10.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8任一项所述方法的步骤。