[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

说明书

本发明实施例公开了一种电力设备图像分类方法、装置、电力设备及存储介质。该电力设备图像分类方法包括：基于样本电力设备图片构建训练集；使用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；基于图片缺陷识别模型对待检测图片进行识别，以确定待检测图片的缺陷类型。本发明实施例所提供的电力设备图像分类方法，解决了现有技术中通过人力进行图片分类效率低和容易出错的问题，能够对电力系统中巡检产生的批量图片进行自动识别和分类，为运维人员对电力设备的故障识别提供可靠依据。

技术领域

本发明实施例涉及电气设备运维技术领域，尤其涉及一种电力设备图像分类方法、装置、电力设备及存储介质。

背景技术

近些年，数码摄像和机器人技术不断发展，新建的智能变电站和一些改造的无人值守变电站通过视频监控或者是机器人搭载照相机等手段实现高效地变电站巡检，把现场的图像数据传输到监控中心进行人工分析和识别。

现有的图像和视频数据存量大，增长速度快，能够发现的有用信息比较少；人工判断存在主观性、模糊性、不完全、效率低下等问题。巡视中变电站设备出现的具体缺陷类型多，巡视产生的需要人工识别分析的图像数量大，仅靠人工进行图片缺陷识别和分类，存在效率低的问题，并且面对大量的图片，长时间工作后人员眼疲劳导致判断准确度下降。

发明内容

本发明实施例提供一种电力设备图像分类方法、装置、电力设备及存储介质，对批量的巡检图片进行自动缺陷识别，以对巡检图片进行批量分类。

第一方面，本发明实施例提供了一种电力设备图像分类方法，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。

可选的，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。

可选的，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。

可选的，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。

可选的，所述预设的卷积神经网络模型为VGG16模型。

可选的，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：