[发明专利]输电铁塔的组塔进度识别方法

权利要求书

1.一种输电铁塔的组塔进度识别方法，其特征在于，其具体步骤为：

S1、构建数据库；

收集一组拍摄输电铁塔组塔过程的图像[I₁,I₂,...,I_N]以及其对应的组塔进度标签[y₁,y₂,...,y_N]，N为收集的图像总数量，I_N为大小X*Y*3的矩阵，其中，X*Y对应图像分辨率，I_N(X,Y,1)代表第N张组塔图像在像素(X,Y)位置的R值，I_N(X,Y,2)代表第N张组塔图像在像素(X,Y)位置的G值，I_N(X,Y,3)代表第N张组塔图像在像素(X,Y)位置的B值；y_N表示第N张图像所对应的组塔进度，组塔进度共划分为4种，分别标记为1、2、3、4，根据组塔过程的图像和组塔进度标签构建数据库；

S2、将步骤S1中组塔过程的图像导入卷积神经网络提取特征，得到特征矩阵F以及特征矩阵F对应的标记向量L；

S3、将特征矩阵F和标记向量L作为输入，训练超限学习机模型，得到训练后超限学习机模型的模型参数；

S4、利用训练后得到的超限学习机模型的模型参数对其他输电铁塔组塔进度图像进行组塔进度情况分类。

2.如权利要求1所述的输电铁塔的组塔进度识别方法，其特征在于，步骤S2中，卷积神经网络选用Alexnet网络，所述Alexnet网络包括5个卷积层、3个池化层和3个全连接层，第一卷积层为输入层，第一池化层位于第一卷积层和第二卷积层之间，第二池化层位于第第二卷积层与第三卷积层之间，第三卷积层、第四卷积层、第五卷积层依次连接，第三池化层连接第五卷积层，三个全连接层依次连接，第一全连接层与第三池化层连接，第三全连接层为输出层。

3.如权利要求2所述的输电铁塔的组塔进度识别方法，其特征在于，采用Alexnet网络提取特征的具体步骤为：

(1)将全部N张输电铁塔组塔过程的图像作为输入导入Alexnet网络中，输入前将图像的尺寸大小统一调整为227*227*3；

(2)图像经过Alexnet网络中的卷积层、池化层及全连接层，至Alexnet网络的第二个全连接层时已汇集所有空间位置的输入特征，从其中提取出图像的4096维特征，每张图像特征因子组成维度为1×4096的特征向量f_N＝[p_N,1 p_N,2…p_N,4096]，全部N张图像的特征向量按行拼接得到特征矩阵F：

其中，特征矩阵F的维度为N×4096；

根据特征矩阵F中图像排列顺序得到特征矩阵F对应的标记向量L：

其中，标记向量L的维度为N×1，L中每个元素代表对应图像所示的输电铁塔组塔进度，标记为1、2、3、4。