[发明专利]一种二次屏柜信息自动识别的方法

说明书

本发明涉及信息及图像处理技术领域，特别是涉及一种基于卷积神经网络的二次屏柜信息自动识别的方法。本方法利用变电站现场获得的二次屏柜图片进行卷积神经网络的训练，选定特定的网络模型，构造每一层的结构。之后将构造好的各个层进行连接，在训练后获取网络参数与权值。整个网络结构的训练结束后，使用测试数据对网络进行测试，验证准确率，对整个网络进行优化。

技术领域

本发明涉及信息及图像处理技术领域，特别是涉及一种基于卷积神经网络的二次屏柜信息自动识别的方法。

背景技术

在变电站数字化建设与调控一体化模式推进过程中，实现全电压等级变电站的无人值守与智能化是各大电网公司最求的首要目标。变电站的自动化与智能化需要系统能够在监测运行变电站内各设备运行状态的同时，自动识别设备信息，为后续的管理与风险评估打下基础。二次设备作为变电站中监控高压设备的重要部分，在整个变电站中占据十分重要的地位。目前对二次设备的监控仍然停留在通过电气量对设备进行监控的方式，但在设备运行工况、本设备故障、第三方设备故障、二次线路等因素的影响下，监控工作存在众多困难。变电站二次设备数量多且接口不一，导致数据采集量大、种类繁多，单独开发数据采集系统的成本过高。人工获取二次设备信息的方式仍然是现在变电站汇总存在的主要解决问题方式，时效性、准确性较差，效率低，极有可能导致故障不能被及时发现，存在一定的安全隐患。现有视频监控信息采集系统摄像头数量有限，且没有信息识别功能，仍然需要人工读取并记录信息，仍然存在效率低等问题，在变电站智能化发展过程中显然不能满足要求。目前的设备数据采集标准不一，数据记录以及分析方式杂乱，使得监控人员对于故障的判断存在一定的障碍。数据后续再分析的难度较大。

发明内容

本发明提供卷积神经网络的二次屏柜状态识别方法。首先利用变电站现场获得的二次屏柜图片进行卷积神经网络的训练，选定特定的网络模型，构造每一层的结构。之后将构造好的各个层进行连接，在训练后获取网络参数与权值。整个网络结构的训练结束后，使用测试数据对卷积神经网络进行测试，验证准确率，对整个卷积神经网络进行优化。本发明提出的一种基于卷积神经网络的二次屏柜信息自动识别的方法，可以通过视频监测系统获取的图像，自动识别二次屏柜上空气开关、信号灯等状态信息，从而推动变电站二次设备信息监测的智能化。

本发明的技术方案是；一种二次屏柜信息自动识别的方法，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。

进一步，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。

进一步，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。

进一步，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。