[发明专利]一种基于深度学习的电表状态检测和评估方法

说明书

本发明涉及照片采集技术领域，尤其涉及一种基于深度学习的电表状态检测和评估方法，包括如下步骤：获取电表的样本照片，并进行预处理；将预处理后的电表照片分成训练集和测试集，采用深度学习算法对训练集进行多次训练，得到模型的参数，并在测试集上验证，选取效果最优的模型参数；将待检测的电表的照片输入到训练完的模型中，输出检测结果；根据检测结果对电表状态进行评估。本发明基于深度学习算法训练得到的模型进行电表的检测，具有更高的识别准确度、定位精确程度以及检测效率。

技术领域

本发明涉及照片采集技术领域，尤其涉及一种基于深度学习的电表状态检测和评估方法。

背景技术

电表是重要的电力计量装置，了解其安全状态非常重要，关系千家万户的安全用电。智能电网引入计算机技术，使用移动端进行拍照，进行电表状况的检测评估，能够节省大量人力物力。评估电表的安全状况依赖于对电表及其部件的精确检测，包括对电表和各个部件的准确识别和精确的定位。

传统的检测方法依赖于人工检测，其识别准确度、定位精确程度以及检测效率都较低。

发明内容

为解决上述问题，本发明提出一种基于深度学习的电表状态检测和评估方法。

一种基于深度学习的电表状态检测和评估方法，包括如下步骤：

获取电表的样本照片，并进行预处理；

将预处理后的电表照片分成训练集和测试集，采用深度学习算法对训练集进行多次训练，得到模型的参数，并在测试集上验证，选取效果最优的模型参数；

将待检测的电表的照片输入到训练完的模型中，输出检测结果；

根据检测结果对电表状态进行评估。

优选的，所述获取电表的样本照片，并进行预处理包括以下步骤：

对样本照片进行直方图均衡化的处理，增加照片的对比度；

对样本照片以k的概率施加旋转、缩放、平移、仿射变化的操作以达到数据扩充，其中k为数据扩充的概率；

使用标注工具对于每一张电表的照片进行数据标注，用矩形框分别标注出电表中各部件的位置和大小。

优选的，所述电表中各部件包括：电表主体、采集器、封印、进线出线开关、指示灯。

优选的，所述将待检测的电表的照片输入到训练完的模型中，输出检测结果包括以下步骤：

若未能检测到封印，则判断存在封印缺失的缺陷；

若未能检测到采集器，则判断存在采集器缺失的缺陷；

若检测到破损的进线出线开关而没有检测到正常的进线出线开关，则判断存在进线出线开关破损；

检测指示灯信号的颜色，若是警告色，则判断存在信号灯异常。

优选的，所述根据检测结果对电表状态进行评估包括以下步骤：

针对电表不同的缺陷设定对应的扣分系数；

根据待检测电表照片的检测结果计算得到对应的分数；

根据分数对待检测电表进行评估。

本发明的有益效果：通过获取电表的样本照片，并进行预处理；将预处理后的电表照片分成训练集和测试集，采用深度学习算法对训练集进行多次训练，得到模型的参数，并在测试集上验证，选取效果最优的模型参数；将待检测的电表的照片输入到训练完的模型中，输出检测结果；根据检测结果对电表状态进行评估。本发明基于深度学习算法训练得到的模型进行电表的检测，具有更高的识别准确度、定位精确程度以及检测效率。

附图说明