[发明专利]基于神经网络图像分类算法的设备状态反馈方法及系统

权利要求书

1.基于神经网络图像分类算法的设备状态反馈方法，所述设备状态反馈方法应用在交通监控系统，其特征在于包括：

图片获取，获取原始图片集和待检测设备图片，所述原始图片集为含有若干不同状态的设备图片；

原始图片集划分，将所述原始图片集划分为训练集和验证集；

生成训练模型，将所述训练集输入至神经网络图像分类算法进行训练并得到训练模型；

设备图片检测，将所述待检测设备图片输入至所述训练模型，所述训练模型输出分类结果；

设备状态判断，根据所述分类结果判断所述待检测设备图片对应的待检测设备的设备状态，并将所述设备状态发送至运维管理平台。

2.如权利要求1所述的基于神经网络图像分类算法的设备状态反馈方法，其特征在于：所述神经网络图像分类算法采用采用Inception V1架构。

3.如权利要求1所述的基于神经网络图像分类算法的设备状态反馈方法，其特征在于：当所述设备状态为发生故障时，所述运维管理平台将所述设备状态采用短信方式发送至维保单位。

4.如权利要求1所述的基于神经网络图像分类算法的设备状态反馈方法，其特征在于：所述原始图片集划分之前还包括图像预处理，对所述原始图片集进行旋转处理、随机剪裁处理以及添加噪声处理。

5.如权利要求1所述的基于神经网络图像分类算法的设备状态反馈方法，其特征在于：在所述设备图片检测之前还包括模型验证，将所述验证集输入值所述训练模型中，所述训练模型输出验证分类结果，若所述验证分类结果与所述验证集对应的预设验证集分类结果相同，则为验证合格，若所述验证分类结果与所述验证集对应的预设验证集分类结果不相同，则为验证不合格。

6.如权利要求1所述的基于神经网络图像分类算法的设备状态反馈方法，其特征在于：当所述分类结果为角度异常或色偏或树叶遮挡或黑屏时，所述设备状态为发生故障。

7.如权利要求1所述的基于神经网络图像分类算法的设备状态反馈方法，其特征在于：所述原始图片集包括若干原始图片，随机选取所述原始图片集中的80％的原始图片作为训练集，将所述原始图片集中的剩余20％的原始图片作为验证集。

8.基于神经网络图像分类算法的设备状态反馈系统，所述设备状态反馈系统应用在交通监控系统，其特征在于包括：

图片获取模块，所述图片获取模块用于获取原始图片集和待检测设备图片，所述原始图片集为含有若干不同状态的设备图片；

原始图片集划分模块，所述原始图片集划分模块用于将所述原始图片集划分为训练集和验证集；

训练模型生成模块，所述训练模型生成模块用于将所述原始图片集划分为训练集和验证集；

设备图片检测模块，所述设备图片检测模块用于将所述待检测设备图片输入至所述训练模型，所述训练模型输出分类结果；

设备状态判断模块，所述设备状态判断模块用于根据所述分类结果判断所述待检测设备图片对应的待检测设备的设备状态，并将所述设备状态发送至运维管理平台。

9.如权利要求8所述的基于神经网络图像分类算法的设备状态反馈系统，其特征在于：还包括图像预处理模块，所述图像预处理模块用于对所述原始图片集进行旋转处理、随机剪裁处理以及添加噪声处理。

10.如权利要求8所述的基于神经网络图像分类算法的设备状态反馈系统，其特征在于：还包括模型验证模块，所述模型验证模块用于将所述验证集输入值所述训练模型中，所述训练模型输出验证分类结果，若所述验证分类结果与所述验证集对应的预设验证集分类结果相同，则为验证合格，若所述验证分类结果与所述验证集对应的预设验证集分类结果不相同，则为验证不合格。