[发明专利]一种小样本下基于深度学习的电力设备分类方法在审
| 申请号： | 201910541287.1 | 申请日： | 2019-06-21 |
| 公开（公告）号： | CN110276394A | 公开（公告）日： | 2019-09-24 |
| 发明（设计）人： | 郭志波;崔正大;姚新 | 申请（专利权）人： | 扬州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G06Q50/06 |
| 代理公司： | 南京苏科专利代理有限责任公司 32102 | 代理人： | 董旭东;陈栋智 |
| 地址： | 225000 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了图像处理领域内的一种小样本下基于深度学习的电力设备分类方法，包括以下步骤：步骤1：通过变电站设备检测装置获取标准化的电力设备红外图像；步骤2：建立电力设备红外图像样本库，制作训练集、验证集和测试集；步骤3：建立小样本学习网络，使用样本库的训练集对所建立的卷积神经网络进行训练，并通过验证集对模型进行验证，训练后得到网络模型的连接权值和偏置参数；步骤4：利用训练好的网络模型，对测试集中的红外图像进行分类，产生电力设备红外图像的分类结果，本发明在样本量较少的情况下获得很好的效果并且不需要大量的训练时间，可用于电力设备管理控制中。 | ||
| 搜索关键词： | 电力设备 红外图像 小样本 网络模型 训练集 验证集 样本库 分类 电力设备管理 卷积神经网络 图像处理领域 变电站设备 分类结果 检测装置 偏置参数 测试集 权值和 样本量 可用 学习 标准化 验证 测试 制作 网络 | ||
【主权项】：
1.一种小样本下基于深度学习的电力设备分类方法，其特征在于，包括以下步骤：步骤1：通过变电站设备检测装置获取标准化的电力设备红外图像；步骤2：建立电力设备红外图像样本库，制作训练集、验证集和测试集；步骤3：建立小样本学习网络，使用样本库的训练集对所建立的卷积神经网络进行训练，并通过验证集对模型进行验证，训练后得到网络模型的连接权值和偏置参数；步骤4：利用训练好的网络模型，对测试集中的红外图像进行分类，产生电力设备红外图像的分类结果。
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扬州大学，未经扬州大学许可，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/201910541287.1/，转载请声明来源钻瓜专利网。
