[发明专利]一种基于深度残差网络的输变电线路隐患自动安全识别系统

权利要求书

1.基于深度残差网络的输变电线路隐患自动安全识别系统，其特征在于：包括输变电线路数据预处理模块、隐患标签生成模块、隐患特征提取模块、隐患分类器构建模块和MySQL数据库模块；所述输变电线路数据预处理模块用于在每一次向MySQL数据库模块发送获取输变电线路图片的业务请求SQL指令时，生成会话密钥，在密钥分发过程中能够抵抗中间人攻击；采用AES算法解密MySQL数据库模块发送的服务响应结果，解析获取输变电线路图片；然后将输变电线路图片转化为灰度图，选择最优梯度函数，计算图片清晰度并确定阈值，最后筛选可用图片；所述隐患标签生成模块用于通过正则表达式提取图片标注文本的关键信息，然后通过语义相似度分析，对相似文本进行聚类，最后生成隐患图片标签；所述隐患特征提取模块用于提取隐患图片深度学习特征，为分类学习提供高层语义特征；所述隐患分类器构建模块用于将输变电线路数据库中的图片集划分为80％训练集和20％的测试集，基于准确率和F1值这两个分类器评价指标，选择最佳分类器在测试集上进行隐患图像识别；所述MySQL数据库模块用于模块化存储各地区输变电线路图片；在每一次接受输变电线路数据预处理模块发送的服务请求时，生成会话密钥，在密钥分发过程中能够抵抗中间人攻击；采用AES算法加密输变电线路隐患图片，以密文形式发送到输变电线路数据预处理模块，用以保证数据机密性；采用主从镜像方法提高数据库的读写效率，保障数据库的高可靠性；

所述隐患标签生成模块包括隐患文本提取模块、隐患文本聚类模块以及隐患文本词云生成模块；所述隐患文本提取模块接收图片清晰度计算模块发送的可用图片，提取可用图片对应的文本信息，利用正则表达式提取文本关键信息，并将可用图片和文本关键信息发送到隐患文本聚类模块；所述隐患文本聚类模块接收隐患文本提取模块发送的可用图片和文本关键信息，对其中同义的文本关键信息做同义转换，得到隐患描述文本，并将隐患描述文本发送到隐患文本词云生成模块；同时隐患文本聚类模块将隐患描述文本作为图片的最终训练标签，然后接收隐患文本词云生成模块发送的词云生成结果，基于词云生成结果，将与隐患相关的标签合并为一类，与隐患无关的标签合并为一类，形成二分类问题，并将可用图片和二分类后的最终训练标签发送到隐患特征提取模块；

所述隐患特征提取模块包括图片分辨率转换模块、残差网络分析模块以及残差网络预训练模块；

所述图片分辨率转换模块接收隐患文本聚类模块发送的可用图片和最终训练标签，使用python的PIL库将可用图片尺寸转为224*224像素，作为输入图片，并将输入图片和最终训练标签发送到残差网络分析模块；所述残差网络分析模块，接收图片分辨率转换模块发送的输入图片和最终训练标签，同时接收残差网络预训练模块)发送的权重值，作为残差网络的权重，然后将输入图片和最终训练标签输入到具有50层的残差网络中，截取倒数第二层的特征为深度学习特征并保存成hdf5文件，最终为每张图片输出2048个特征数据，最后将图片的深度学习特征发送到隐患分类器构建模块；所述残差网络预训练模块，预先通过120万张imagenet图片进行预训练，生成权重值发送到残差网络分析模块；

所述隐患分类器构建模块包括数据集划分模块、分类器选择模块以及输变电线路隐患识别模块；

所述数据集划分模块接收用户侧数据安全存取模块发送的输变电线路图片，划分为80％训练集和20％的测试集，并发送到分类器选择模块和输变电线路隐患识别模块；所述分类器选择模块，接收数据集划分模块发送的训练集和残差网络分析模块发送的图片深度学习特征，将图片深度学习特征作为输入，基于准确率和F1值这两个分类器评价指标，确定最佳分类模型为支持向量机模型，并将支持向量机模型参数发送到输变电线路隐患识别模块；所述输变电线路隐患识别模块接收数据集划分模块发送的测试集和分类器选择模块发送的支持向量机模型参数，基于支持向量机模型，在测试集上进行输变电线路隐患图像识别。