[发明专利]一种基于光信息的非侵入式设备监测方法

权利要求书

1.一种基于光信息的非侵入式设备监测方法，其特征在于，方法包括以下步骤：

S1、基于光传感器或相机获取环境中灯源的光信息数据，对数据预处理后得到光信号；

S2、基于光信号构建的数据集训练监测模型，得到训练好的监测模型；

S3、基于训练好的监测模型监测电网环境中的灯源信号，得到电网环境中各监测对象的工作状态；

S1的具体步骤包括：

S11、基于光传感器或相机获取环境中灯源的光信息数据，当采用光传感器时，得到的光信息数据为光时域信号，执行S12；当采用相机时，得到的光信息数据为光源图片，对光源图片执行以下步骤得到光时域信号：

S111、获取多张光源图片；

S112、对每张光源图片提取荧光灯区域，并设置边界框，提取图中边界框内的像素的RGB值，对空白区域进行补零，将多张补零后的光源图片拼接，得到光时域信号；

S12、利用傅里叶变换将光时域信号转变为光频域信号，将光频域信号作为光信号。

2.根据权利要求1所述的一种基于光信息的非侵入式设备监测方法，其特征在于，S2的具体步骤包括：

S21、采用有监督学习模式，基于光信号构建带标签的数据集；

S22、基于多属性分类网络对数据集中的样本提取特征数据，根据特征数据和多属性分类网络的多属性分类器得到分类结果；

S23、对分类结果，设计损失函数量化衡量各样本对应标签和分类结果之间的差异，对多属性分类网络进行优化迭代，得到训练好的监测模型。

3.根据权利要求2所述的一种基于光信息的非侵入式设备监测方法，其特征在于，S21的具体步骤包括：

S211、无监测对象设备工作的情况下，采集S1的光信号的第一样本，并将样本的标签全部置零，表示没有监测对象在工作；

S212、单个监测对象设备工作的情况下，采集S1的光信号的第二样本，更改监测对象设备，并将第二样本的标签设为表示对应的单个监测对象设备工作的标签，重复S212，得到多组第二样本；

S213、多个监测对象设备同时工作的情况下，采集S1的光信号的第三样本，所述第三样本的标签表示多个监测对象设备工作，并将第三样本的标签设为表示对应的多个监测对象设备工作的标签，重复S212，得到多组第三样本；

S214、将所述第一样本、第二样本和第三样本分类打包整合，生成数据集。

4.根据权利要求3所述的一种基于光信息的非侵入式设备监测方法，其特征在于，所述数据集根据需求切分出一部分作为交叉验证集或测试集。

5.根据权利要求1所述的一种基于光信息的非侵入式设备监测方法，其特征在于，S3的具体步骤为：

S31、间隔预配置的时间段获取电网环境中的灯源信号，得到光信息样本；

S32、将采集的光信息样本输入训练好的监测模型，通过读取模型的输出得到电网环境中各监测对象的工作状态。

6.根据权利要求2所述的一种基于光信息的非侵入式设备监测方法，其特征在于，所述损失函数为多分类交叉熵损失函数。

7.根据权利要求2所述的一种基于光信息的非侵入式设备监测方法，其特征在于，采用随机梯度下降法对多属性分类网络进行优化迭代。

8.根据权利要求2所述的一种基于光信息的非侵入式设备监测方法，其特征在于，所诉多属性分类网络基于残差神经网络改良，多属性分类网络包括残差网络ResNet_50、区域提议网络、RoI池化层、全连接层和Softmax多属性分类器。

9.根据权利要求8所述的一种基于光信息的非侵入式设备监测方法，其特征在于，S22的具体步骤包括：基于残差网络ResNet_50对数据集中的样本提取特征数据，得到相应的特征图，通过区域提议网络生成区域提议，标注数据集中的样本的监测对象特征，RoI池化层基于和监测对象特征提取出提议区域的特征图，将提议区域的特征图输入全连接层提取特征数据，将特征数据输入多属性分类器得到分类结果。

10.根据权利要求1所述的一种基于光信息的非侵入式设备监测方法，其特征在于，所述光传感器为ADPD2212传感器。