[发明专利]基于迁移学习算法进行电网防震锤智能识别的方法及系统

权利要求书

1.一种基于迁移学习算法生成目标数据模型的方法，其特征在于，包括如下步骤：

S1、基于获取的源数据和fasterrcnn算法网络进行AI建模，生成原始数据模型，其中，源数据由包含电网防震锤的JPG图片构成；

S2、基于获取的目标数据，通过迁移学习算法对原始数据模型进行迁移，生成目标数据模型，其中，目标数据由电网的防震锤特征构成。

2.根据权利要求1所述的一种基于迁移学习算法生成目标数据模型的方法，其特征在于，所述步骤S1中fasterrcnn算法网络依次包括Resnet101层深度残差网络、faster-rcnn和Softmax层，faster-rcnn采用卷积神经网络自行产生建议框，Softmax层使用softmaxIoss函数。

3.根据权利要求1或2所述的一种基于迁移学习算法生成目标数据模型的方法，其特征在于，所述步骤S1的具体步骤为：

S1.1、获取包含电网防震锤的JPG图片，作为源数据；

S1.2、将源数据依次进行清洗和标注，得到标注后的源数据；

S1.3、将标注后的源数据中的JPG图片输入到fasterrcnn算法网络进行训练，即进行Al建模，生成原始数据模型。

4.根据权利要求3所述的一种基于迁移学习算法生成目标数据模型的方法，其特征在于，所述步骤S1.2的具体步骤为：

S1.2.1、对源数据中的JP6图片进行清洗，去除对识别防震锤无用的数据，无用的数据包括JPG图片的背景；

S1.2.2、采用VOC2012格式对清洗后的JPG图片进行标注，即每张JPG图片对应一个XML文件，得到标注后的源数据，其中，XML文件中包括识别防震锤的坐标信息、面积信息、类别信息。

5.根据权利要求4所述的一种基于迁移学习算法生成目标数据模型的方法，其特征在于，所述步骤S1.3的具体步骤为：

S1.3.1、将标注后的源数据中的JPG图片输入到Resnet101层深度残差网络，输出特征：

S1.3.2、将特征放入faster-rcnn进行建议框选取，得到多个建议框；

S1.3.3、将多个建议框输入到Softmax层进行分类概率计算，并输出最大分类概率，最大分类概率对应的建议框即为生成的原始数据模型。

6.根据权利要求1-5任意一项所述的一种基于迁移学习算法生成目标数据模型的方法，其特征在于，所述步骤S2的具体步骤为：

S2.1、获取目标数据，即获取电网的多个防震锤特征，防震锤特征由获得的电网防震锤的JPG图片的标注结果和获得的电网防震锤的JPG图片输入Resnet101层深度残差网络得到，其中，标注结果包括坐标信息、面积信息、类别信息，其中，获得的电网防震锤的JPG图片为整个源数据中包含的电网防震锤的JPG图片；

S2.2、将防震锤特征输入原始数据模型，计算两两防震锤特征之间的相似度；

S2.3、通过迁移学习算法，将防震锤特征之间的相似度与原始数据的向量相乘，再放到原始数据模型全连接层中，生成目标数据模型。

7.根据权利要求6所述的一种基于迁移学习算法生成目标数据模型的方法，其特征在于，所述步骤S2.2中相似度的计算公式为：

其中，x，y分别为源数据和目标数据，d为两两防震锤特征之间的相似度。

8.一种基于迁移学习算法进行电网防震锤智能识别的方法，其特征在于，如下步骤：

步骤1、基于获取的源数据和fasterrcnn算法网络进行AI建模，生成原始数据模型，其中，源数据由包含电网防震锤的JPG图片构成；

步骤2、基于获取的目标数据，通过迁移学习算法对原始数据模型进行迁移，生成目标数据模型，其中，目标数据由电网的防震锤特征构成；

步骤3、基于目标数据模型对待检测电网防震锤的JPG图片进行自动识别，得到最终的识别结果。