[发明专利]基于神经网络的变电站设备图像检索方法及系统

说明书

本发明提供一种基于神经网络的变电站设备图像检索方法及系统，属于图像检索技术领域。该检索方法包括：构建数据库；构建并训练AlexNet‑FC网络模型以得到第一分类准确率；提取的图像特征构成第一特征库；提取SIFT特征构建视觉词典；根据SIFT特征和视觉词典生成第二特征库；构建三层BP神经网络模型，训练三层BP神经网络以得到第二分类准确率；从待检索的图像中提取图像特征构成第一向量；提取待检索的图像的SIFT特征得到第二向量；计算第一向量和第一特征库之间的距离；计算第二向量和第二特征库之间的距离；根据公式(1)和公式(2)计算待检索的图像与分类图像之间的最终距离；按照从小到大的顺序从分类图像中选择最终距离的前多个分类图像作为检索结果。

技术领域

本发明涉及图像检索技术领域，具体地涉及一种基于神经网络的变电站设备图像检索方法及系统。

背景技术

随着电力的发展，变电站智能化水平的提高，对于电力系统的安全性和可靠性提出了更高的要求，实时视频监控在电力行业开始大量运用，因此会产生巨量的图像数据信息，对这些数据采用人工分析工作效率低，且容易疲劳，产生误判，更无法达到实时性要求，不能及时发现运行中的问题，因而急需一个智能分析系统，自动实现变电站设备图像检索。

现有变电站设备图像检索技术的分析有：采用卷积神经网络学习的图像检索方法。该方法先学习卷积神经网络模型，再用学习后的卷积神经网络提取输入图像的特征和数据库特征，然后计算输入图像特征与数据库特征的距离，进而筛选出合适的图像，该方法需要收集大量样本，且提取的特征不明确，需要大量的调参，一旦样本不足，则该方法的精确度将大大降低。

发明内容

本发明实施例的目的是提供一种基于神经网络的变电站设备图像检索方法及系统，该检索方法及系统能够提高变电站设备图像检索的准确率。

为了实现上述目的，本发明实施例提供一种基于神经网络的变电站设备图像检索方法，包括：

构建带有类别信息的变电站设备图像的数据库；

构建基于AlexNet的AlexNet-FC网络模型，采用所述数据库训练所述AlexNet-FC网络模型以得到第一分类准确率；

采用所述AlexNet-FC网络模型的前7层从所述数据库中提取的图像特征构成第一特征库；

提取所述数据库中的SIFT特征以构建视觉词典；

根据所述SIFT特征和所述视觉词典生成第二特征库；

构建三层BP神经网络模型，采用所述第二特征库训练所述三层BP神经网络以得到第二分类准确率；

采用所述AlexNet-FC网络模型的前7层从待检索的图像中提取的图像特征构成第一向量；

根据所述视觉词典提取所述待检索的图像的SIFT特征以得到第二向量；

计算所述第一向量和所述第一特征库之间的距离；

计算所述第二向量和所述第二特征库之间的距离；

根据公式(1)和公式(2)计算所述待检索的图像与分类图像之间的最终距离，

其中，D为所述最终距离，ac1为所述第一准确率，ac2为所述第二准确率，D_a为所述第一向量和所述第一特征库之间的距离，D_b为所述第二向量和所述第二特征库之间的距离，d_i为所述第一向量与第一特征库中第i个特征向量的欧氏距离，f_i为所述第二向量与第二特征库中第i个特征向量的欧氏距离，n为第二特征库中所述特征向量的数量；

按照从小到大的顺序从所述分类图像中选择所述最终距离的前多个分类图像作为检索结果。