[发明专利]电力设备图像分类方法、装置、电力设备及存储介质

权利要求书

1.一种电力设备图像分类方法，其特征在于，包括：

基于样本电力设备图片构建训练集；

使用所述训练集对预设的卷积神经网络模型进行训练，得到图片缺陷识别模型；

基于所述图片缺陷识别模型对待检测图片进行识别，以确定所述待检测图片的缺陷类型。

2.根据权利要求1所述的电力设备图像分类方法，其特征在于，在所述基于样本电力设备图片构建训练集之后，所述方法还包括：

对所述样本电力设备图片进行缺陷类型标注，以为所述样本图像分配类别标签，其中，所述类别标签用于作为对电力设备图片进行分类的依据。

3.根据权利要求1所述的电力设备图像分类方法，其特征在于，在所述使用所述训练集对预设的卷积神经网络模型进行训练，得到图片缺陷识别模型之后，所述方法还包括：

使用所述图片缺陷识别模型对预设的测试集中的测试图片进行分类预测，得到预测类别标签集，其中，所述测试集中的每个测试图片均对应匹配一实际类别标签；

基于所述预测类别标签集中的各预测类别标签与对应所述实际类别标签的比较结果，确定所述图片缺陷识别模型的分类准确率；

若所述图片缺陷识别模型的分类准确率小于预设的准确率阈值，则增加所述训练集中所述样本电力图片的数量和/或增加所述训练集中所述样本电力图片的训练次数，重新训练所述图片缺陷识别模型，并在所述图片缺陷识别模型的分类准确率大于或等于所述准确率阈值时，固定所述图片缺陷识别模型的参数，将参数更新后的所述图片缺陷识别模型确定为目标图片缺陷识别模型；

相应地，所述基于所述图片缺陷识别模型对待检测图片进行识别，以确定所述待检测图片的缺陷类型，包括：

基于所述目标图片缺陷识别模型对待检测图片进行识别，以确定所述待检测图片的缺陷类型。

4.根据权利要求1所述的电力设备图像分类方法，其特征在于，所述缺陷类型包括如下至少一种：部件破损类，呼吸器缺陷类，状态指示缺陷类，异物类，渗漏油类和外观不整洁类。

5.根据权利要求1所述的电力设备图像分类方法，其特征在于，所述预设的卷积神经网络模型为VGG16模型。

6.根据权利要求1所述的电力设备图像分类方法，其特征在于，所述基于所述图片缺陷识别模型对待检测图片进行识别，以确定所述待检测图片的缺陷类型，包括：

所述图片缺陷识别模型中的卷积层提取所述待检测图片的预设数量的特征块；

所述图片缺陷识别模型中的池化层从所述预设数量的特征块中选择出目标特征块；

所述图片缺陷识别模型中的全连接层对所述特征块进行处理，得到目标特征区域；

所述图片缺陷识别模型中的输出层输出所述特征区域的预测结果，以确定出所述待检测图片的缺陷类型。

7.一种电力设备图像分类装置，其特征在于，包括：

训练集构建模块，用于基于样本电力设备图片构建训练集；

图片缺陷识别模型确定模块，用于使用所述训练集对预设的卷积神经网络模型进行训练，得到图片缺陷识别模型；

图片缺陷类型确定模块，用于基于所述图片缺陷识别模型对待检测图片进行识别，以确定所述待检测图片的缺陷类型；

分类模块，用于基于所述缺陷类型对所述待检测图片进行分类。

8.根据权利要求7所述的电力设备图像分类装置，其特征在于，还包括：

类别标签分配模块，用于对所述样本电力设备图片进行缺陷类型标注，以为所述样本图像分配类别标签。

9.一种电力设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的电力设备图像分类方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的电力设备图像分类方法。