The embodiment of the invention discloses a power network image recognition system based on neural network, which includes data set generation module for training artificial neural network, training module for artificial neural network, reasoning and prediction module for artificial neural network and human-computer interaction module. The data set generation module for training artificial neural network prepares the sample image data for training artificial neural network. The training module of artificial neural network takes image data set as input and outputs artificial neural network classifier. The reasoning and prediction module of artificial neural network takes original data image as input. The classifier of artificial neural network makes a lot of automatic reasoning and prediction for the categories represented by each graph, and outputs the corresponding category identification of each image. The interactive interface inputs the original data image to be analyzed, and processes the power network fault according to the analysis output results. The invention solves the problems of low efficiency of fault analysis and long processing period of the existing power system.
【技术实现步骤摘要】
一种基于神经网络的电网图像识别系统
本专利技术实施例涉及供电
,具体涉及一种基于神经网络的电网图像识别系统。
技术介绍
随着电力系统自动化水平的不断提高,电力系统中原来越多的使用红外、超声波、电磁波传感器来在线监测设备运行状况,比如通过红外传感器实时采集设备红外影像、通过局放传感器采集开关柜、GIS等电力设备局部放电的超声波或特高频信号、通过无人机巡检广域电力输电线路并实时采集沿线设备可见光或红外观照片等。所有采集到的红外光、紫外光、可见光图像以及超声波、电磁波频谱图像,可以直观的反应设备的各种异常状况、诸如温度异常、局部短路放电等故障,但识别这些图像不仅需要人花费大量的时间来完成,还需要这些操作人员具备相当的知识技能水平,能否对这些电力图像大数据进行高效的分析,已经成为电力大数据应用落地的瓶颈。
技术实现思路
为此,本专利技术实施例提供一种基于神经网络的电网图像识别系统,以解决现有电力系统故障分析效率低、处理周期长的问题。为了实现上述目的,本专利技术的实施方式提供如下技术方案:在本专利技术的实施方式中,提供了一种基于神经网络的电网图像识别系统,包括:分类器预训练单元和分析判断单元,分类器预训练阶段包括人工神经网络训练用数据集生成模块和人工神经网络训练模块,分析判断阶段包括人工神经网络推理预测模块和人机交互模块,所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建,所述人工神经网络训练模块以人工神经网络训练用数据集生成模块输出的图像数据集为输入,进行神经网络计算,输出人工神经网络分类器,所述人工神经网络推理 ...
【技术保护点】
1.一种基于神经网络的电网图像识别系统,其特征在于,所述基于神经网络的电网图像识别系统包括:分类器预训练单元和分析判断单元,分类器预训练阶段包括人工神经网络训练用数据集生成模块和人工神经网络训练模块,分析判断阶段包括人工神经网络推理预测模块和人机交互模块,所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建,所述人工神经网络训练模块以人工神经网络训练用数据集生成模块输出的图像数据集为输入,进行神经网络计算,输出人工神经网络分类器,所述人工神经网络推理预测模块以实际现场采集的原始数据图像为输入,人工神经网络分类器对每张图所代表的类别进行批量自动的推理预测,输出每一张图像对应的类别标识,所述人机交互模块实现操作人员输入待分析的原始数据图像,并根据分析输出的结果对电网故障进行处理。
【技术特征摘要】
1.一种基于神经网络的电网图像识别系统,其特征在于,所述基于神经网络的电网图像识别系统包括:分类器预训练单元和分析判断单元,分类器预训练阶段包括人工神经网络训练用数据集生成模块和人工神经网络训练模块,分析判断阶段包括人工神经网络推理预测模块和人机交互模块,所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建,所述人工神经网络训练模块以人工神经网络训练用数据集生成模块输出的图像数据集为输入,进行神经网络计算,输出人工神经网络分类器,所述人工神经网络推理预测模块以实际现场采集的原始数据图像为输入,人工神经网络分类器对每张图所代表的类别进行批量自动的推理预测,输出每一张图像对应的类别标识,所述人机交互模块实现操作人员输入待分析的原始数据图像,并根据分析输出的结果对电网故障进行处理。2.如权利要求1所述的一种基于神经网络的电网图像识别系统,其特征在于,所述人工神经网络训练用数据集生成模块对训练人工神经网络的示例图像数据进行预处理,包括:示例图像分类、图像归一化处理和图像数据扩增处理。3.如权利要求2所述的一种基于神经网络的电网图像识别系统,其特征在于,所述训练人工神经网络的示例图像数据进行预处理过程为:收集预先经过专业技术人员判断分类的典型图像,包括多种类型,每种类型500-1000张样本;将多种类型图片存入多个文件夹,每个文件夹以图片所属类型进行命名;对每个文件夹的图片数据进行清洗,去除特征不清晰样本和重复样本,确保每个文件夹内图片数量均衡;采用python与OpenCV库对每个文件夹内的图片进行批量倍增,实现图片灰度化、随机选择和图片拉升变形操作,使每个类别图片增加至5000张;基于Tensorflow框架将所有的图片文件生成对应的数据集文件。4.如权利要求1所述的一种基于神经网络的电网图像识别系统,其特征在于,所述人工神经网络训练模块以人工神经网络训练用数据集生成模块输出的图像数据集为输入,利用迁移学习算法进行训练,...
【专利技术属性】
技术研发人员:喻永生,王淼,
申请(专利权)人:燊赛上海智能科技有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。