[发明专利]一种基于YOLO网络模型的变压器部件识别方法

权利要求书

1.基于YOLO网络模型的变压器部件识别方法，其特征在于，包括如下步骤：

(1)对变压器监测图像进行预处理，由经过预处理的图像组合形成图像库；

(2)按照对变压器部件的预先分类对图像库的图像做标定；

(3)采用K-means算法聚类迭代，获取候选框宽高，得到每个特征图的不同尺度大小的候选框；

(4)将标定信息和图像库中的图像输入到YOLO网络结构中进行训练；训练采用包括坐标误差、交并比误差和分类误差的均方差作为损失函数；

(5)采用训练好的YOLO网络模型对输入图像进行检测，识别出变压器部件。

2.如权利要求1所述的变压器部件识别方法，其特征在于，预处理包括做正则化处理，然后使用高斯低通滤波器进行去噪，然后对去噪后的图像进行归一化以及缩放，使图像达到统一的尺寸。

3.如权利要求1或2所述的变压器部件识别方法，其特征在于，使用标注工具对预处理后的图像进行坐标的标定，并以文件形式保存包括图像的种类及坐标信息的标定结果。

4.如权利要求1或2所述的变压器部件识别方法，其特征在于，将文件转换为包括类别、横坐标、纵坐标、宽、高的文本类型，作为训练标签。

5.如权利要求1或2所述的变压器部件识别方法，其特征在于，训练好的YOLO网络模型将输入图像划分为S×S个网格，若某物体的中心点落到某个网格内，则由相应网格负责识别该物体；S<10。

6.如权利要求1或2所述的变压器部件识别方法，其特征在于，YOLO网络模型中采用多个独立的逻辑分类器代替Softmax分类器。

7.如权利要求1或2所述的变压器部件识别方法，其特征在于，每个网格有多个由K-means聚类得到的不同尺度的候选框，通过增加不同尺度的检测，且特征图融合高阶的抽象特征和低阶的信息特征，以使一个网格能识别多类部件。