一种电缆分类模型训练方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种电缆分类模型训练方法、装置、设备及存储介质。其中，该方法包括：采用预设数据库图像对预设分类模型进行预训练；根据预训练好的预设分类模型，生成初始分类模型；根据电缆图像样本对所述初始分类模型进行再训练，得到目标分类模型，用于电缆分类。本申请实施例实现了自动化的对电缆图像进行筛选，提高了对电缆图像的筛选效率和精确度。度。度。

【技术实现步骤摘要】
一种电缆分类模型训练方法、装置、设备及存储介质


[0001]本申请实施例涉及机器学习技术，尤其涉及一种电缆分类模型训练方法、装置、设备及存储介质。

技术介绍

[0002]在智能巡检的浪潮下，工业应用对巡检返回电缆图像的智能检测技术提出了更高的要求。随着巡检覆盖率的增加，无论是实时监视巡检返回的电缆图像，还是事后观看采集电缆录像或截取电缆图像，需要进行筛选的电缆图像的体量越来越大。目前，对巡检采集返回的电缆图像通常由人工进行筛选，并且实时监视的巡检返回的电缆图像也由人工进行监视。
[0003]人工筛选巡检返回的电缆图像的检测效率较低，并且，人眼在大量重复的筛查劳动中容易造成疲倦、走神等问题，检测结果受主客观影响大，从而导致筛选的精度较低。此外，对于一些在颜色、形状和大小上人眼辨识度不高的电缆图像，更容易使得相关工作人员出现误检、漏检的情况，影响检测结果准确度。

技术实现思路

[0004]本申请提供一种电缆分类模型训练方法、装置、设备及存储介质，以实现自动化的对电缆图像进行筛选，提高对电缆图像的筛选效率和精确度。
[0005]第一方面，本申请实施例提供了一种电缆分类模型训练方法，该方法包括：
[0006]采用预设数据库图像对预设分类模型进行预训练；
[0007]根据预训练好的预设分类模型，生成初始分类模型；
[0008]根据电缆图像样本对所述初始分类模型进行再训练，得到目标分类模型，用于电缆分类。
[0009]第二方面，本申请实施例还提供了一种电缆分类模型使用方法，该方法包括：
[0010]获取待分类电缆图像；
[0011]将所述待分类电缆图像输入至目标分类模型，得到电缆分类结果；其中，所述目标分类模型采用第一方面实施例所提供的任一电缆分类模型训练方法生成。
[0012]第三方面，本申请实施例还提供了一种电缆分类模型训练装置，该装置包括：
[0013]模型预训练模块，用于采用预设数据库图像对预设分类模型进行预训练；
[0014]初始分类模型生成模块，用于根据预训练好的预设分类模型，生成初始分类模型；
[0015]目标分类模型确定模块，用于根据电缆图像样本对所述初始分类模型进行再训练，得到目标分类模型，用于电缆分类。
[0016]第四方面，本申请实施例还提供了一种电缆分类模型使用装置，该装置包括：
[0017]电缆图像获取模块，用于获取待分类电缆图像；
[0018]分类结果确定模块，用于将所述待分类电缆图像输入至目标分类模型，得到电缆分类结果；其中，所述目标分类模型采用第一方面实施例所提供的任一电缆分类模型训练
方法生成。
[0019]第五方面，本申请实施例还提供了一种电缆分类模型训练设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如本申请第一方面实施例所提供的任一电缆分类模型训练方法，和/或，实现如本申请第二方面实施例所提供的任一电缆分类模型使用方法。
[0020]第六方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行所述程序时实现如本申请第一方面实施例所提供的任一电缆分类模型训练方法，和/或，实现如本申请第二方面实施例所提供的任一电缆分类模型使用方法。
[0021]本申请实施例通过采用预设数据库图像对预设分类模型进行预训练；根据预训练好的预设分类模型，生成初始分类模型；根据电缆图像样本对所述初始分类模型进行再训练，得到目标分类模型，用于电缆分类。上述方案通过确定目标分类模型，并采用目标分类模型对电缆图像进行分类，实现了自动化对电缆图像进行筛选，提高了电缆图像筛选效率和精确度。
附图说明
[0022]图1是本申请实施例一中的一种电缆分类模型训练方法的流程示意图；
[0023]图2A是本申请实施例二中的一种电缆分类模型训练方法的流程示意图；
[0024]图2B是本申请实施例二中的Inception网络的分支模块结构示意图；
[0025]图2C是本申请实施例二中的Inception分支模块B结构的修改对照示意图；
[0026]图2D是本申请实施例二中的Inception分支模块C结构的修改对照示意图；
[0027]图3是本申请实施例三中的一种电缆分类模型使用方法的流程示意图；
[0028]图4是本申请实施例四中的一种电缆分类模型训练装置的结构示意图；
[0029]图5是本申请实施例五中的一种电缆分类模型使用装置的结构示意图；
[0030]图6是本申请实施例六中的一种电缆分类模型训练设备，和/或，电缆分类模型使用设备的结构示意图。
具体实施方式
[0031]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
[0032]实施例一
[0033]图1为本申请实施例一提供的一种电缆分类模型训练方法的流程示意图，本实施例可适用于基于电缆图像对分类模型进行训练的情况，该方法可以由电缆分类模型训练装置来执行，该装置可采用软件和/或硬件的方式实现。如图1所示，该方法具体包括如下步骤：
[0034]S110、采用预设数据库图像对预设分类模型进行预训练。
[0035]其中，预设数据库图像可以是ImageNet数据集、CIFAR
‑
100数据集或Caltech
‑
256数据集等公开数据集所包含的图像，还可以是将现有的至少两个公开数据集进行合并得到
的混合数据集中所包含的图像。预设分类模型可以基于现有的神经网络模型实现，例如可以是GoogleNet中V1至V4任意版本的Inception网络模型，还可以是AlexNet、VggNet或ResNet等其他现有的网络模型。
[0036]示例性的，采用预设数据库图像对预设分类模型进行预训练后，确定预训练后的预设分类模型的训练参数，其中，训练参数可以是预训练后的预设分类模型中的网络权重参数。
[0037]S120、根据预训练好的预设分类模型，生成初始分类模型。
[0038]确定电缆分类数量和预训练好的预设分类模型的分类数量，若电缆分类数量与预训练好的预设分类模型的分类数量一致，则可以将预训练好的预设分类模型作为初始分类模型。其中，电缆分类数量具体可以根据电缆图像样本中的图像类别确定，图像类别例如可以包括电缆设备类、管道设备类、燃气设备类、排水管线设备类和非设备类等中的至少一类。
[0039]若电缆分类数量与预训练好的预设分类模型的分类数量不一致，则可以对预训练好的预设分类模型的分类层进行调整，并将调整后的预设分类模型作为初始分类模型，从而将基于预设数据库图像进行预训练得到的模型，调整为适配于电缆分类的模型。示例性的，还可本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电缆分类模型训练方法，其特征在于，包括：采用预设数据库图像对预设分类模型进行预训练；根据预训练好的预设分类模型，生成初始分类模型；根据电缆图像样本对所述初始分类模型进行再训练，得到目标分类模型，用于电缆分类。2.根据权利要求1所述的方法，其特征在于，所述根据预训练好的预设分类模型，生成初始分类模型，包括：根据电缆分类数量，调整预训练好的预设分类模型的分类层，得到初始分类模型。3.根据权利要求2所述的方法，其特征在于，所述根据电缆分类数量，调整预训练好的预设分类模型的分类层，得到初始分类模型，包括：根据电缆分类数量，调整预训练好的预设分类模型的分类层，得到中间分类模型；在所述中间分类模型的调整后的分类层与前序相邻网络层之间，添加全连接层，得到所述初始分类模型。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述预设分类模型基于Inception V3网络实现。5.根据权利要求4所述的方法，其特征在于，所述预设分类模型对所述Inception V3网络中第一预设分支模块中的预设子分支进行剔除后得到；和/或，所述预设分类模型对所述Inception V3网络中第二预设分支模块中的对称子分支进行合并后得到。6.一种电缆分类模型使用方法，其特征在于，包括：获取待分类电缆图像；将所述待分类电缆图像输入至目标...

【专利技术属性】
技术研发人员：刘培杰，曾振达，沈志毅，彭发东，汪进锋，黄智鹏，王东芳，叶杭，
申请(专利权)人：广东电网有限责任公司河源供电局，
类型：发明
国别省市：