[发明专利]一种二次屏柜信息自动识别的方法

权利要求书

1.一种二次屏柜信息自动识别的方法，其特征在于，包括以下步骤；

S1：采集二次屏柜信息样本图片；

S2：对样本图片进行标记；

S3：构建卷积神经网络模型，并进行特征提取；

S4：对采集到的原始样本图片进行图片缩放；

S5：将图像数据在搭建好的卷积神经网络模型中进行训练，对网络参数进行调节，不断迭代训练直至loss稳定在最佳值；

S6：获取待测图片，将待测图片输入到搭建好的卷积神经网络模型中，对待测图片上的信息进行提取对比，最后输出结果。

2.根据权利要求1所述的一种二次屏柜信息自动识别的方法，其特征在于，步骤S1中所述的样本图片包含不同种类的LED指示灯、二次屏柜面板的开关状态的图片，其中对指示灯的识别包括亮、暗两种状态，对开关的识别包含开、合两种状态。

3.根据权利要求1所述的一种二次屏柜信息自动识别的方法，其特征在于，步骤S2中对样本图片进行合适的标记，是指包括标记框的横纵坐标以及识别物的种类与状态。

4.根据权利要求1所述的一种二次屏柜信息自动识别的方法，其特征在于，步骤S3中构建的卷积神经网络模型包括构建所需要的隐含层、卷积层、采样层和分类器。

5.根据权利要求1所述的一种二次屏柜信息自动识别的方法，其特征在于，步骤S3中特征提取部分包含四层卷积神经网络结构，首层使用7×7的卷积滤波器，卷积步幅为2，输出48个特征图，再使用BN神经网络进行归一化处理并选择ReLU作为激活函数，首层的末尾连接一个pooling层窗口，采样步幅为2；第二层的卷积滤波器大小为5×5，步幅为2；第三层使用3×3的卷积滤波器，卷积步幅设为1；第四层的卷积滤波器为3×3，卷积步幅为1，共用48个卷积滤波器，同样利用ReLU作为激活函数。

6.根据权利要求4所述的一种二次屏柜信息自动识别的方法，其特征在于，所述分类器采用如下策略：每一特征图对应一个池化层，输出大小固定，结果被输入到全连接网络中，全连接网络的前两层分别含有1000个和256个节点，第三层为softmax分类器，其计算方式如下；

式中x为分类器的输入变量，i为分类器输入与输出对应的编号，Pi表示输出编号为i类的概率。

7.根据权利要求4所述的一种二次屏柜信息自动识别的方法，其特征在于，所述的隐含层的输入与图像信息的输入为全连接，输出即为隐含层所包含的神经元的个数。

8.根据权利要求5所述的一种二次屏柜信息自动识别的方法，其特征在于，进行特征提取时，神经元的输入与前一层的局部接受域相连，用于提取局部的特征并确定位置关系，在特征映射层中，作为计算核心的特征映射是一个平面，这个平面上所有的权重相等。

9.根据权利要求1所述的一种二次屏柜信息自动识别的方法，其特征在于，所述的样本图片来源于变电站二次屏柜固定角度拍摄的图片，拍摄角度为二次屏柜面板的对面，左右偏差为30度，上下偏差范围为10度—70度。

10.根据权利要求1所述的一种二次屏柜信息自动识别的方法，其特征在于，步骤S6中待测图片在输入前，将待测图片与样本图片的规格作同样尺寸的裁剪。