[发明专利]基于深度学习的输变电工程违章识别的方法、系统和介质

权利要求书

1.基于深度学习的输变电工程违章识别的方法，其特征在于，所述方法包括：

步骤1、采集输变电工程中的违章样本图片，将所述违章样本图片分为M类，其中，M表示违章类型的数量，每类违章样本图片N张；

步骤2、利用旋转和平移方式对所述违章样本图片进行样本增强，获得增强后的违章样本图片；

步骤3、利用所述增强后的违章样本图片构建网络模型，模型训练时，将输入图片拆分成小图像块，以线性嵌入序列输入神经网络，通过监督学习的方式训练出违章识别网络模型参数；

步骤4、将输变电工程实施现场采集到的图片输入至所述网络模型中进行违章识别，获得所述图片对应的违章类型。

2.根据权利要求1所述方法，其特征在于，步骤3中所述的利用所述增强后的违章样本图片构建网络模型，包括：

步骤301、通过所述增强后的违章样本图片获取与所述增强后的违章样本图片对应的输出特征c_i；

步骤302、将所述输出特征c_i进行特征融合，获得融合后参数序列，并将所述融合后参数序列融入后处理模块进行处理，其中，所述融合后参数序列如下：

C＝[c₁，c₂，...，c_k]

其中，C表示融合后的特征；c₁……c_k表示输出特征；

步骤303、将在所述违章样本集上采用softmax进行模型训练，得到违章识别参数。

3.根据权利要求2所述方法，其特征在于，步骤301所述的通过所述增强后的违章样本图片获取与所述增强后的违章样本图片对应的输出特征c_i，包括：

步骤3011、将所述增强后的违章样本图片切分成K个图像块，每个图像块通过线性投影方程得到线性图像特征f_i，其中，i表示图像块序号；

步骤3012、将所述线性图像特征f_i输入至编码器，获得与所述线性图像特征f_i对应的输出特征c_i。

4.根据权利要求2所述方法，其特征在于，所述后处理模块包括全连接层一、归一化处理模块和全连接层二；其中，所述全连接层一的信号输出端与所述归一化处理模块的信号输入端相连；所述归一化处理模块的信号输出端与所述全连接层二的信号输入端相连。

5.根据权利要求2所述方法，其特征在于，所述编码器包括第一归一化处理模块、多注意力融合模块、第一加法器、第二归一化处理模、第一全连接层、第三归一化处理模块、第二全连接层和第二加法器；所述第一归一化处理模块、多注意力融合模块、第一加法器、第二归一化处理模、第一全连接层、第三归一化处理模块、第二全连接层和第二加法器的信号输入端和信号输出端依次对应相连。

6.根据权利要求5所述方法，其特征在于，所述编码器的归一化处理公式如下：

其中，μ和σ分别表示均值和标准差，x表示输出特征。

7.根据权利要求6所述方法，其特征在于，所述多注意力融合模块包括空间注意力和通道注意力两种注意力结构。