[发明专利]基于神经网络深度学习的配电设备缺陷图像识别终端及方法

说明书

本发明涉及一种基于神经网络深度学习的配电设备缺陷图像识别终端及方法，其技术特点在于：包括手持移动终端、图像采集模块、图像/数字转化模块、处理单元、存储单元、触摸显示屏和电源模块；所述手持移动终端用于自动采集配电设备缺陷图像或视频，其输出端与图像采集模块相连接，用于为系统提供图像或视频元数据；该图像采集模块的输出端与图像/数字转化模块相连接，用于对配电设备缺陷图片或视频信息进行预处理；该图像/数字转化模块的输出端与处理单元相连接，用于判别其缺陷严重程度；该处理单元的输出端与触摸显示屏相连接，将分析结果显示在触摸屏上。本发明能大幅提高配电设备缺陷管控效率，为后期设备信息化大数据分析提供可靠数据。

技术领域

本发明属于配电技术领域，涉及配电设备缺陷图像识别终端及方法，尤其是一种基于神经网络深度学习的配电设备缺陷图像识别终端及方法。

背景技术

传统的配电设备运维管理模式中，要求运维人员频繁巡视配电设备，并以文字的方式记录缺陷信息，然后再指派专人进行设备缺陷处理，效率低且缺陷处理周期长，缺陷若未及时处理，可能引发故障，导致由主动运维变为被动抢修，降低供电可靠性，影响电网安全，引起企业及用户投诉。

发明内容

本发明的目的在于克服现有技术中的缺陷，提供一种设计合理、供电可靠性强、电网安全性高的基于神经网络深度学习的配电设备缺陷图像识别终端及方法。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于神经网络深度学习的配电设备缺陷图像识别终端，包括手持移动终端、图像采集模块、图像/数字转化模块、处理单元、存储单元、触摸显示屏和电源模块；所述手持移动终端用于自动采集配电设备缺陷图像或视频，其输出端与图像采集模块相连接，用于为系统提供图像或视频元数据；该图像采集模块的输出端与图像/数字转化模块相连接，用于对配电设备缺陷图片或视频信息进行预处理；该图像/数字转化模块的输出端与处理单元相连接，用于对配电设备缺陷图片进行识别、缺陷分类并判别其缺陷严重程度；该处理单元的输出端与触摸显示屏相连接，将分析结果显示在触摸屏上；

而且，所述图像采集模块的输出端和存储单元相连接，将采集的配电设备缺陷图片或视频信息传输至存储单元进行存储；所述图像/数字转化模块和存储单元相连接，将预处理后的图像数据输出至存储单元进行存储；所述处理单元与存储单元相连接，用于将分析结果以结构化数据的形式存储。

而且，所述电源模块包括电池供电模块和电源管理模块，该电池供电模块的输出端与电源管理模块相连接，所述电源管理模块的输出端分别与图像/数字转化模块、处理单元、存储单元和触摸显示屏相连接并为其供电。

一种基于神经网络深度学习的配电设备缺陷图像识别方法，包括以下步骤：

步骤1、首先构建一套人工采集数据系统，对常见的缺陷设备进行缺陷信息的采集和标注，通过数据清洗以及标注完成初始数据集的构建；

步骤2、设计识别系统的深度网络，针对应用的平台的计算性能和资源进行网络结构的设计，通过对大数据集进行基础网络的训练得到一个特征提取网络；

步骤3、利用特征提取网络，分析配电设备缺陷图片，从而产生配电设备缺陷识别网络模型；

步骤4、为提高数据处理速度，压缩配电设备缺陷识别网络模型完成深度网络在应用平台上面的部署。

步骤5、通过智能化app进行实际场景的应用，根据识别结果将数据进行回流，从而构建电网的大数据库，通过超大规模数据进行二次学习而不断迭代模型以达到更高的性能。

本发明的优点和有益效果：