[发明专利]一种电抗器智能检测和定位的方法

权利要求书

1.一种电抗器智能检测和定位的方法，其特征在于，包括下列步骤：

S1电抗器共分成四个类别，将电抗器分为两大类：单个电抗器和电抗器组，然后将单个电抗器大类根据形状，即圆柱形、方形、电抗器上方是否带盖，分为三个类别；

S2针对以上四种电抗器类别，每个类别筛选2,500条数据进行标注，生成4*2,500条数据，作为数据集；

S3搭建基于Faster RCNN的电抗器目标检测网络模型，采用Tensorflow框架来训练的深度学习模型，选择MobilenetV1作为的主干特征提取网络，并在ImageNet上进行了预训练；

S4预先训练的MobilenetV1模型在数据集上进行了500次迭代，Batch size大小取16，学习率设置为1e-3，采用Early stopping技术防止模型过拟合；

S5在网络训练之前，输入网络的温度数据进行标准化处理；

S6最后得到电抗器设备的目标检测模型。

2.根据权利要求1所述的一种电抗器智能检测和定位的方法，其特征在于：其中所述Tensorflow框架中Tensor代表传递的数据为张量，Flow代表使用计算图进行运算，数据流图用结点和边组成的有向图来描述数学运算。

3.根据权利要求2所述的一种电抗器智能检测和定位的方法，其特征在于：所述结点用来表示施加的数学操作，但也可以表示数据输入的起点和输出的终点，或者是读取/写入持久变量的终点，边表示结点之间的输入/输出关系。

4.根据权利要求1所述的一种电抗器智能检测和定位的方法，其特征在于：所述MobilenetV1模型是一种基于深度可分离卷积的模型，深度可分离卷积是一种将标准卷积分解成深度卷积以及一个1x1的卷积即逐点卷积，对于Mobilenet而言，深度卷积针对每个单个输入通道应用单个滤波器进行滤波，然后逐点卷积应用1x1的卷积操作来结合所有深度卷积得到的输出。

5.根据权利要求4所述的一种电抗器智能检测和定位的方法，其特征在于：所述标准卷积一步即对所有的输入进行结合得到新的一系列输出，深度可分离卷积将其分成了两步，针对每个单独层进行滤波然后下一步即结合。

6.根据权利要求1所述的一种电抗器智能检测和定位的方法，其特征在于：所述Earlystopping技术中主要步骤是将原始的训练数据集划分成训练集和验证集，只在训练集上进行训练，并每个一个周期计算模型在验证集上的误差，当模型在验证集上的误差比上一次训练结果差的时候停止训练，使用上一次迭代结果中的参数作为模型的最终参数。