[发明专利]电能表的校验方法、系统以及装置

权利要求书

1.一种电能表的校验方法，其特征在于，包括：

获取待校验电能表的脉冲灯图像集合；所述脉冲灯图像集合包括预设时间内所采集到的连续多帧脉冲灯图像；

将所述脉冲灯图像集合输入卷积编解码模型，以得到图像特征集合；所述卷积编解码模型包括依次连接的卷积编码机和卷积解码机，所述图像特征集合包括所述脉冲灯图像集合中各帧脉冲灯图像的图像特征；

将所述图像特征集合输入极限梯度模型，以确定所述预设时间内的脉冲灯闪烁信息；所述极限梯度模型用于根据所述各帧脉冲灯图像的图像特征确定所述脉冲灯图像是否出现脉冲灯闪烁，所述脉冲灯闪烁信息包括脉冲灯闪烁次数和脉冲灯闪烁间隔；

根据所述脉冲灯闪烁信息和功率脉冲常数得到待校验电能信息，并根据待校验电能表的标准电能信息对所述待校验电能信息进行校验。

2.根据权利要求1所述的电能表的校验方法，其特征在于，所述将所述图像特征集合输入极限梯度模型，以确定预设时间内的脉冲灯闪烁信息的步骤前还包括：

获取脉冲灯训练图像集合、脉冲灯测试图像集合以及脉冲灯验证图像集合；

分别将所述脉冲灯训练图像集合、所述脉冲灯测试图像集合以及所述脉冲灯验证图像集合输入所述卷积编解码模型，以得到脉冲灯训练图像特征集合、脉冲灯测试图像特征集合以及脉冲灯验证图像特征集合；

利用所述脉冲灯训练图像特征集合训练初始极限梯度模型，以训练所述初始极限梯度模型中的参数；

利用所述脉冲灯测试图像特征集合对经过训练的所述初始极限梯度模型进行参数优化；

将脉冲灯验证图像特征集合输入经过优化的所述初始极限梯度模型，若所述经过优化的所述初始极限梯度模型输出的预测脉冲灯闪烁信息与所述脉冲灯验证图像特征集合对应的实际脉冲灯闪烁信息之间的误差满足预设条件，则确定经过优化的所述初始极限梯度模型为所述极限梯度模型。

3.根据权利要求2所述的电能表的校验方法，其特征在于，利用所述脉冲灯训练图像特征集合训练初始极限梯度模型，以训练所述初始极限梯度模型中的参数的步骤包括：

根据所述初始极限梯度模型的目标函数的值调整所述初始极限梯度模型的参数，以使得所述初始极限梯度模型的目标函数的值最小化后完成训练所述初始极限梯度模型中的参数；

其中，所述初始极限梯度模型的目标函数为：

式中，表示损失函数，y_i是所述脉冲灯训练图像特征集合中第i帧所述脉冲灯训练图像对应的实际脉冲灯闪烁结果，是所述脉冲灯训练图像特征集合中第i帧所述脉冲灯训练图像对应的预测脉冲灯闪烁结果，N是所述脉冲灯训练图像特征集合对应的所述脉冲灯训练图像集合中的脉冲灯训练图像总数，Ω(f_k)表示模型的正则项，f_k表示所述初始极限梯度模型中的第k棵决策树，K表述所述初始极限梯度模型中决策树的总数量。

4.根据权利要求1所述的电能表的校验方法，其特征在于，所述将所述脉冲灯图像集合输入卷积编解码模型，以得到图像特征集合的步骤前还包括：

对所述脉冲灯图像集合做信道分离处理，以将所述脉冲灯图像集合中各帧所述脉冲灯图像分离为多个子脉冲灯图像。

5.根据权利要求4所述的电能表的校验方法，其特征在于，所述卷积编码机由依次连接的三个编码卷积层、三个池化层、三个编码归一化层以及三个编码激活层组成；所述卷积解码机由依次连接的四个解码卷积层、三个上采样层、四个批样本归一化层以及四个解码激活层组成。