变电作业场景的标识模型训练方法、标识方法及装置制造方法及图纸

本发明专利技术公开了一种变电作业场景的标识模型训练方法、标识方法及装置，其中，变电作业场景的标识方法包括：采集待测区域中不同子区域的连续图像，建立图像数据集，从图像数据集中提取关键帧图像，并根据关键帧图像进行目标检测，获取关键帧图像的物体信息；对关键帧图像进行图像分类，确定各子区域的关键帧图像的场景信息；根据物体信息及场景信息确定待测区域的物体特征、场景特征及历史场景特征；根据物体特征、场景特征及历史场景特征及预设的场景标识模型进行场景标识，生成目标场景信息。通过实施本发明专利技术，避免了因单一信息来源而导致场景误分类，提高了场景识别的准确性。

【技术实现步骤摘要】
变电作业场景的标识模型训练方法、标识方法及装置
本专利技术涉及电力
，具体涉及一种变电作业场景的标识模型训练方法、标识方法及装置。
技术介绍
在变电站作业环境中，越来越复杂的变电设备和相互之间的逻辑关系、以及各种特定功能的区域，增加了作业人员的认知负担。现有技术中通常利用视觉SLAM技术对电力作业环境进行扫描建模，得到整个环境空间的稠密地图或稀疏地图，然而其包含的粗略信息并不足以帮助作业人员判断环境区域和掌控任务情势。尽管通过电力巡检机器人可以进行环境区域识别，但是电力巡检机器人仅能进行环境区域识别而不能对环境区域进行理解，导致电力巡检机器人仍主要扮演环境监测数据采集的角色，不具备根据任务和环境区域进行自主推理规划的能力，对于复杂变电作业环境则无法进行准确的场景识别。
技术实现思路
本专利技术的主要目的在于提供一种变电作业场景的标识模型训练方法、标识方法及装置，以解决现有技术中复杂变电作业环境下场景识别的准确性不佳的问题。根据第一方面，本专利技术实施例提供了一种变电作业场景的标识模型训练方法，包括以下步骤：采集本文档来自技高网...

【技术保护点】
1.一种变电作业场景的标识模型训练方法，其特征在于，包括以下步骤：/n采集目标区域中不同子区域的连续图像，建立图像数据集，从所述图像数据集中提取训练关键帧图像，并根据所述训练关键帧图像进行目标检测，获取所述训练关键帧图像的训练物体信息；/n对所述训练关键帧图像进行图像分类，确定各所述子区域的所述训练关键帧图像的训练场景信息；/n根据所述训练物体信息及训练场景信息确定所述目标区域的物体特征、场景特征及历史场景特征；/n根据所述物体特征、场景特征及历史场景特征对第一神经网络模型进行训练，生成场景标识模型。/n

【技术特征摘要】
1.一种变电作业场景的标识模型训练方法，其特征在于，包括以下步骤：
采集目标区域中不同子区域的连续图像，建立图像数据集，从所述图像数据集中提取训练关键帧图像，并根据所述训练关键帧图像进行目标检测，获取所述训练关键帧图像的训练物体信息；
对所述训练关键帧图像进行图像分类，确定各所述子区域的所述训练关键帧图像的训练场景信息；
根据所述训练物体信息及训练场景信息确定所述目标区域的物体特征、场景特征及历史场景特征；
根据所述物体特征、场景特征及历史场景特征对第一神经网络模型进行训练，生成场景标识模型。


2.根据权利要求1所述的方法，其特征在于，所述根据所述训练关键帧图像进行目标检测，获取所述目标区域中的所述训练关键帧图像的训练物体信息，包括：
获取所述训练关键帧图像中与所述目标区域对应的训练物体，确定所述训练物体的物体数据，生成物体数据文件；
根据所述物体数据文件对第二神经网络模型进行训练，得到目标检测模型；
调用所述目标检测模型对所述训练关键帧图像中的所述训练物体进行识别，得到与所述训练物体对应的所述训练物体信息。


3.根据权利要求2所述的方法，其特征在于，所述对所述训练关键帧图像进行图像分类，确定各所述子区域的所述训练关键帧图像的训练场景信息，包括：
获取所述训练关键帧图像中与所述目标区域对应的第一场景数据，对所述第一场景数据进行训练，获取训练后的第二场景数据；
根据所述第二场景数据，对所述训练关键帧图像进行图像分类，得到与各所述子区域的所述训练关键帧图像对应的训练场景信息。


4.根据权利要求1所述的方法，其特征在于，所述根据所述训练物体信息及训练场景信息确定所述目标区域的物体特征、场景特征及历史场景特征，包括：
以所述训练关键帧图像作为节点，建立场景区域识别模型，所述场景区域识别模型包括多个节点；
根据所述训练物体信息确定各节点对应的所述目标区域的物体特征；
根据所述训练场景信息确定各节点对应的所述目标区域的场景特征；
根据当前节点对应的所述目标区域的场景特征以及前一节点对应的所述目标区域的场景特征确定所述目标区域的历史场景特征。


5.根据权利要求1所述的方法，其特征在于，所述根据所述物体特征、场景特征及历史场景特征对第一神经网络模型进行训练，生成场景标识模型，包括：
根据所述场景区域识别模型的各节点的所述物体特征、所述场景特征及所述历史场景特征确定与所述场景区域识别模型的各所述节点对应的能量函数；
根据所述各所述节点对应的能量函数，确定所述场景区域识别模型对应的总能量函数；
根据所述总能量函数，确定所述场景区域识别模型对应的目标函数；
以所述各所述节点的所述物体特征、所述场景特征及所述历史场景特征作为输入样本，以所述目标函数作为输出，对所述第一神经网络模型进行训练，生成所述场景标识模型。


6.一种变电作业场景的标识方法，其特征在于，包括：
采集待测区域中不同子区域的连续图像，建立图像数据集，从所述图像数据集中提取关键帧图像，并根据所述关键帧图像进行目标检测，获取所述关键帧图像的物体信息；
对所述关键帧图像进行图像分类，确定各所述子区域的所述关键帧图像的场景信息；
根据所述物体信息及场景信息确定所述待测区域的物体特征、场景特征及历史场景特征；
根据所述物体特征、场景特征及历史场景特征及预设的场景标识模型进行场景标识，生成目标场景...

【专利技术属性】
技术研发人员：于海，彭林，钱堃，李凯，徐敏，王刚，鲍兴川，侯战胜，王鹤，刘睿，朱亮，韩海韵，何志敏，刘伟，孙蓉，邵剑，
申请(专利权)人：全球能源互联网研究院有限公司，国网江苏省电力有限公司电力科学研究院，国家电网有限公司，东南大学，
类型：发明
国别省市：北京;11