[发明专利]一种输电线路隐患识别方法及系统

说明书

本发明公开一种输电线路隐患识别方法及系统，方法包括：对N张隐患样本图像进行扩充处理，构建隐患训练数据集；隐患训练数据集包括M张隐患样本图像；M大于N；利用M张隐患样本图像训练深度学习的边缘隐患识别模型，获得训练后的边缘隐患识别模型；利用所述训练后的边缘隐患识别模型对待识别的隐患图像进行识别，获得隐患结果。本发明公开的方案对N张隐患样本图像进行扩充处理获得M张隐患样本图像，大幅度增加了样本数量，使得隐患识别在大样本条件下进行，提高了识别效率和识别的准确性，降低了误报率。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种输电线路隐患识别方法及系统。

背景技术

基于深度学习的边缘隐患识别模型需要大量的实际隐患图片数据用于训练，然而实际中隐患图片数量有限。当隐患识别算法在小样本条件下，容易出现识别准确率差和误报率高的问题。另外，如果不能提供足够的训练数据，会造成过拟合，训练出的模型实验中难以得到应用。

发明内容

本发明的目的是提供一种输电线路隐患识别方法及系统，以提高识别的准确率。

为实现上述目的，本发明提供了一种输电线路隐患识别方法，所述方法包括：

步骤S1：获取N张隐患样本图像；

步骤S2：对N张隐患样本图像进行扩充处理，构建隐患训练数据集；所述隐患训练数据集包括M张隐患样本图像；M大于N；

步骤S3：利用M张隐患样本图像训练深度学习的边缘隐患识别模型，获得训练后的边缘隐患识别模型；

步骤S4：利用所述训练后的边缘隐患识别模型对待识别的隐患图像进行识别，获得隐患结果。

可选地，所述对N张隐患样本图像进行扩充处理，构建隐患训练数据集，具体包括：

步骤S21：将每个所述隐患样本图像进行旋转；

步骤S22：以旋转后的每张隐患样本图像的几何中心点为原点，向预设方向移动一定的距离；

步骤S23：将移动后的每张隐患样本图像进行镜像处理，获得隐患训练数据集；所述隐患训练数据集包括M张隐患样本图像。

可选地，所述将每个所述隐患样本图像进行旋转，具体包括：

将每个所述隐患样本图像分别旋转第一角度、第二角度和第三角度。

可选地，所述第一角度、所述第二角度和所述第三角度分别为90度、180度和270度。

可选地，所述移动一定的距离包括：

向左和向右按照图像宽度的设定比例移动；向下和向上按照图像高度的设定比例移动；向左上、左下、右上和右下先按照图像宽度的设定比例移动，再向图像高度的设定比例移动。

本发明还提供一种输电线路隐患识别系统，所述系统包括：

获取模块，用于获取N张隐患样本图像；

扩充模块，用于对N张隐患样本图像进行扩充处理，构建隐患训练数据集；所述隐患训练数据集包括M张隐患样本图像；M大于N；

训练模块，用于利用M张隐患样本图像训练深度学习的边缘隐患识别模型，获得训练后的边缘隐患识别模型；

识别模块，用于利用所述训练后的边缘隐患识别模型对待识别的隐患图像进行识别，获得隐患结果。

可选地，所述扩充模块，具体包括：

旋转单元，用于将每个所述隐患样本图像进行旋转；

距离移动单元，用于以旋转后的每张隐患样本图像的几何中心点为原点，向预设方向移动一定的距离；