[发明专利]基于图知识推理的输电线路缺销螺栓识别方法及装置

权利要求书

1.一种基于图知识推理的输电线路缺销螺栓识别方法，其特征在于：包括如下步骤，获得螺栓缺销数据集，所述螺栓缺销数据集包括图片和螺栓标签，螺栓标签的类别包括缺销螺栓；获得相关概率矩阵A_s，获得金具图片，获得金具图片中螺栓标签类别的类映射和特征张量，获得金具图片中螺栓标签类别的类别表示向量V，更新金具图片中螺栓标签类别的类别表示向量V从而获得类别表征向量Y，将金具图片的类映射经全局平均池化获得第一置信分数向量S₁，将类别表征向量Y经过二元分类器得到类别分数，将类别分数连接获得第二置信分数向量S₂，将两个置信分数向量经过加权求和得到标签预测分数S，所述标签预测分数S包括缺销螺栓的预测分数，当缺销螺栓的预测分数大于0.5时，获知金具图片中含有缺销螺栓。

2.根据权利要求1所述的基于图知识推理的输电线路缺销螺栓识别方法，其特征在于：获得螺栓缺销数据集和获得相关概率矩阵A_s的步骤为前期准备步骤，具体划分包括如下步骤，S1获得螺栓缺销数据集，获得螺栓缺销数据集，所述螺栓缺销数据集包括图片和螺栓标签，螺栓标签的类别包括含销螺栓、不含销螺栓、竖直螺栓、水平螺栓和缺销螺栓，共五类螺栓标签；S2获得相关概率矩阵，从螺栓缺销数据集中获得训练集，统计训练集中所有图片中螺栓标签共现次数，得到对称的共现矩阵N，归一化共现矩阵N并得到相关概率矩阵A_s。

3.根据权利要求2所述的基于图知识推理的输电线路缺销螺栓识别方法，其特征在于：获得金具图片以及金具图片的类映射、特征张量、类别表示向量V、类别表征向量Y和标签预测分数S的步骤为具体识别步骤，具体划分包括如下步骤，S3获得金具图片中螺栓的类别表示向量，将金具图片经过特征提取网络并获得特征图，将特征图依次经过分类器和sigmoid函数得到类映射，将特征图进行通道下采样得到特征张量，通过类映射转换特征张量并加权求和，获得金具图片中螺栓标签类别的类别表示向量V；S4更新类别表示向量获得类别表征向量，以步骤S3中得到的类别表示向量V中每一类别表示向量为节点，以步骤S2中得到的相关概率矩阵A_s为边，输入图卷积网络实现共现信息的传播，每一类别表示向量作为节点实现信息更新得到类别表征向量Y；S5获得标签预测分数，将步骤S3得到的金具图片的类映射经全局平均池化获得第一置信分数向量S₁，将类别表征向量Y经过二元分类器得到类别分数，将类别分数连接获得第二置信分数向量S₂，将两个置信分数向量经过加权求和得到标签预测分数S，所述标签预测分数S包括含销螺栓的预测分数、销螺栓的预测分数、竖直螺栓的预测分数、水平螺栓的预测分数和缺销螺栓的预测分数。

4.根据权利要求3所述的基于图知识推理的输电线路缺销螺栓识别方法，其特征在于：在步骤S3中，所述特征提取网络为残差网络。

5.一种基于图知识推理的输电线路缺销螺栓识别装置，其特征在于：包括如下程序模块，获得螺栓缺销数据集模块，用于获得螺栓缺销数据集，所述螺栓缺销数据集包括图片和螺栓标签，螺栓标签的类别包括含销螺栓、不含销螺栓、竖直螺栓、水平螺栓和缺销螺栓，共五类螺栓标签；获得相关概率矩阵模块，用于从螺栓缺销数据集中获得训练集，统计训练集中所有图片中螺栓标签共现次数，得到对称的共现矩阵N，归一化共现矩阵N并得到相关概率矩阵A_s。

6.根据权利要求5所述的基于图知识推理的输电线路缺销螺栓识别装置，其特征在于：还包括如下程序模块，获得金具图片中螺栓的类别表示向量模块，用于将金具图片经过特征提取网络并获得特征图，将特征图依次经过分类器和sigmoid函数得到类映射，将特征图进行通道下采样得到特征张量，通过类映射转换特征张量并加权求和，获得金具图片中螺栓标签类别的类别表示向量V。