[发明专利]基于深度学习的变压器巡检图像智能识别和故障检测系统

权利要求书

1.一种基于深度学习的变压器巡检图像智能识别和故障检测系统，其特征在于，包括依次位于存储层、建模层和应用层的图像存储和标定模块、深度学习模块以及故障检测模块；其中，所述图像存储和标定模块采用HDFS文件系统，所述HDFS文件系统从电网信息系统中获取巡检图片并进行分布式的存储，所述图像存储和标定模块采用LabelMe作为标定工具，将巡检图片中各个部件、正常状态下变压器图像中各个部件、故障状态下变压器图像中各个部件进行标定并分别形成部件特征集、正常状态特征集和故障状态特征集3种特征数据集；3种所述特征数据集传入深度学习模块，所述深度学习模块构建和训练卷积神经网络，得到训练结果；所述故障检测模块利用训练结果对待识别图集进行检测，先自动识别巡检图片中变压器各个部件，再对每个部件的故障状态进行判断，记录存在故障的巡检图片并生成故障识别结论。

2.根据权利要求1所述的基于深度学习的变压器巡检图像智能识别和故障检测系统，其特征在于，所述卷积神经网络包括依次相连的输入层、卷积层C1、下采样层S2、卷积层C3、下采样层S4、卷积层C5、F6层和输出层，每层都包含可训练参数并具有多个特征映射图，每个特征映射图具有多个神经元，每个特征映射图通过一种卷积滤波器提取输入的一种特征。

3.根据权利要求1所述的基于深度学习的变压器巡检图像智能识别和故障检测系统，其特征在于，所述LabelMe是图像标注工具，用于创建定制化标注方法或执行图像标注任务。

4.根据权利要求1所述的基于深度学习的变压器巡检图像智能识别和故障检测系统，其特征在于，所述HDFS文件系统包括一个命名节点和三个数据节点，所述命名节点用于管理文件系统的命名空间和客户端对文件的访问，所述数据节点用于管理其存储的巡检图片。