[发明专利]一种基于深度卷积神经网络的外表箱类型识别方法

说明书

本发明公开了一种基于深度卷积神经网络的外表箱类型识别方法，涉及电能计量装置外表箱识别方法领域。随着人工智能技术的深度应用，电力行业出现了智能巡查的趋势，在智能巡查过程中，如何识别外表箱类型是一项基本的工作。本方法如下：首先采用深度卷积神经网络模型检测外表箱及其部件区域的位置和大小；再对外表箱的视窗进行检测；对检测到视窗进行判断，如果是单视窗，则直接识别为单表箱，如果是多视窗，则进行视窗布局的网格构建；通过构建好的视窗网格与已知的类型的视窗布局进行匹配；识别出外表箱类型。本方法能快速识别和定位外表箱及其视窗和其他的部件，实现智能巡查过程中电能计量装置外表箱的类型有效和快速准确的识别。

技术领域

本发明涉及电能计量装置外表箱识别方法领域，尤其涉及一种基于深度卷积神经网络的外表箱类型识别方法。

背景技术

电能计量装置的安全是十分重要的，关系到千家万户的用电安全，其外表箱是保护电表的第一道屏障，因此对于外表箱的巡视也是不容忽视的。随着人工智能技术在电力行业的深度应用，出现了基于视觉的智能巡查的趋势。在基于计算机视觉技术的智能巡查过程中，如何识别外表箱类型是一项基本的工作。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于深度卷积神经网络的外表箱类型识别方法，以实现智能巡查过程中电能计量装置外表箱的类型识别为目的。为此，本发明采取以下技术方案。

一种基于深度卷积神经网络的外表箱类型识别方法，包括以下步骤：

a）采用深度卷积神经网络模型检测外表箱及其部件区域的位置和大小；

b）对外表箱的视窗进行检测；

c）对检测到视窗进行判断，如果是单个视窗，则执行步骤f），如果是多个视窗，则执行下一步；

d）对检测到的外表箱多视窗布局构建网格；

e）通过构建好的视窗网格与已知的类型的视窗布局进行匹配；

f）识别出外表箱的类型。

本方法利用基于深度卷积网络检测模型，能快速识别和定位外表箱，以及视窗和其他的部件，检测到视窗信息，实现了智能巡查过程中电能计量装置外表箱的类型有效和快速准确的识别，

作为优选技术手段：步骤a）中，所述的深度卷积神经网络DCNN模型的训练方法包括以下步骤：

a1）采集不同类型外表箱的照片，照片数量在3000-8000之间；

a2）对于每一张外表箱的照片进行标注，用矩形框标注出表箱、视窗、封印、锁具的位置和大小；

a3）把所有标注过的外表箱照片分成两部分，一部分作为训练集，另一部分作为测试集；

a4）用深度学习方法在训练集和测试集上训练，得到DCNN模型的参数。通过深度卷积神经网络DCNN模型的训练方法能够有效实现深度学习，为精确识别外表箱类型提供识别基础。

作为优选技术手段：步骤d）中，所述的网格的构建方法包括以下步骤：

d1）选定左上角的视窗作为起点，根据垂直方向的视窗检测矩形重叠情况，向右延伸找到同一排的视窗，根据视窗检测矩形水平方向的重叠情况，向下延伸找到相应各列的视窗；

d2）在此过程中，对视窗网格相邻格点之间的距离进行聚类，求得相邻视窗之间的距离，删除超过这个距离的1.5倍的格线；

d3）以横向和纵向的最大网格长度的连线为基准，向上下和左右延伸构建完整的网络。可有效实现视窗网格的构建。