[发明专利]一种双注意力机制配电站水浸识别方法及系统

权利要求书

1.一种双注意力机制配电站水浸识别方法，其特征在于，包括以下步骤：

S1、采集浸水场景图片集X，选取部分图片集X_q进行标记得到标签数据集Y_q，余下图片集为未标记图片集X_p＝{X-X_q}；

S2、构建基于Yolov4-tiny的具有双注意力机制的第一网络Q，利用部分图片集X_q和标签数据集Y_q形成的训练数据集D_q＝{X_q,Y_q}对所述第一网络Q进行训练，得到第二网络Q′；

S3、根据第二网络Q′对未标记图片集X_p＝{X-X_q}进行标记得到标签数据集Y_p，并更新训练数据集D_q，更新后的训练数据集D_q＝{X＝X_q+X_p,Y＝Y_q+Y_p}；利用更新后的所述训练数据集对第二网络Q′进行训练，得到检测网络Q″；

S4、将所述检测网络Q″上传至云平台，经量化、加密后下发至边缘代理；

S5、边缘代理通过摄像头获取周边环境图像，并对冗余帧进行过滤处理，得到关键帧；

S6、将所述关键帧输入量化后的检测网络，得到目标置信度c，若置信度异常，就地保存、决策并上报；否则执行步骤S7；

S7、边缘代理根据置信度大小选取部分图像进行标记并上传至云平台，云平台将上传的所述图像更新至浸水场景图片集X。

2.根据权利要求1所述的一种双注意力机制配电站水浸识别方法，其特征在于，所述构建基于Yolov4-tiny的双注意力机制第一网络Q的步骤包括：

在Yolov4-tiny的主干网络引出处和特征网络融合处添加双注意力机制，得到具备双注意力机制的第一网络Q。

3.根据权利要求2所述的一种双注意力机制配电站水浸识别方法，其特征在于，所述双注意力机制包括通道注意力模块和空间注意力模块。

4.根据权利要求1所述的一种双注意力机制配电站水浸识别方法，其特征在于，所述利用训练数据集D_q＝{X_q,Y_q}对所述第一网络Q进行训练的步骤之前，包括：

根据网络层将Yolov4-tiny的imagenet预训练权重加载至第一网络Q。

5.根据权利要求1所述的一种双注意力机制配电站水浸识别方法，其特征在于，所述将检测网络Q″上传至云平台，经量化、加密后下发至边缘代理的步骤之前，包括：

云平台初始化边缘代理求和树。

6.根据权利要求5所述的一种双注意力机制配电站水浸识别方法，其特征在于，所述所述将检测网络Q″上传至云平台，经量化、加密后下发至边缘代理的步骤，包括：

将检测网络Q″上传至云平台，云平台将所述检测网络Q″进行量化，得到量化后的检测网络Q″_int8；

将量化后的检测网络Q″_int8采用AES的方式进行加密后下发至边缘代理。

7.根据权利要求1所述的一种双注意力机制配电站水浸识别方法，其特征在于，所述步骤S6具体为：

若则根据预测类别保存图像并上传至云平台，所述为保存门限值，所述为上报门限值；

若则进入警报模式，并将异常图像上传至云平台；

若则执行步骤S5。