[发明专利]一种基于YOLO网络模型的变压器部件识别方法在审
| 申请号： | 201811489091.4 | 申请日： | 2018-12-06 |
| 公开（公告）号： | CN109711437A | 公开（公告）日： | 2019-05-03 |
| 发明（设计）人： | 雷丞;汪元红;吴梦露;江山 | 申请（专利权）人： | 武汉三江中电科技有限责任公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 武汉东喻专利代理事务所(普通合伙) 42224 | 代理人： | 赵伟 |
| 地址： | 430074 湖北省武汉*** | 国省代码： | 湖北;42 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于变压器检测技术领域，公开了一种基于YOLO网络模型的变压器部件识别方法，包括采集监测图像并进行去噪、尺寸缩放预处理；对图像中变压器的部件进行标定；在数据集上进行聚类，产生合适的先验框尺度；将标定的图像输入到深度神经网络模型中训练并不断调整参数，使网络模型能自动检测定位变压器主要部件并具有分类能力，识别变压器主要部件是哪一类；利用训练好的模型进行检测定位与状态识别；本发明能实现对变电站监测图像中变压器设备的主要部件进行自动检测识别，具备较高的识别准确率，由于模型使用了细粒度特征结构，也就是将深浅特征进行融合，不同的特征图去适应不同的尺度大小的目标，对小目标检测具有较好的识别效果。 | ||
| 搜索关键词： | 网络模型 变压器 变压器部件 标定 尺度 预处理 图像 神经网络模型 自动检测定位 变电站监测 变压器检测 变压器设备 先验 尺寸缩放 调整参数 分类能力 监测图像 模型使用 特征结构 图像输入 状态识别 自动检测 数据集 特征图 细粒度 小目标 检测 准确率 聚类 去噪 深浅 采集 融合 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于武汉三江中电科技有限责任公司，未经武汉三江中电科技有限责任公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811489091.4/，转载请声明来源钻瓜专利网。
