【技术实现步骤摘要】
本专利技术涉及接线评价，特别涉及一种基于机器视觉的接线工艺量化评分方法及系统。
技术介绍
1、装表接电工是电力企业中的一个基本工种，电能计量装置的接线是计量人员的重要岗位操作技能，对于电能计量装置的安装，不仅要保证接线的正确性，还要保证接线的布局美观，方便以后的维护，即接线的工艺性。
2、目前计量人员进行培训考评时，所有接线工艺的考评都是采用人工方式进行，通过人工方式对接线的横平竖直以及前后布局等进行评价，作为人工评价的一个基本影响因素就是必然会带有一定的主观性，同时对于很多细节差异通过人眼没法区别。
3、为此，如何提供一种能够客观准确地对接线工艺进行量化评分的基于机器视觉的接线工艺量化评分方法及系统是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提出了一种基于机器视觉的接线工艺量化评分方法及系统。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一种基于机器视觉的接线工艺量化评分方法，包括：
4、步骤(1)：获取接线完成图像，并基于预设的图像基准面，构建基于lstm的接线特征提取模型；
5、步骤(2)：利用多头注意力机制对接线特征进行注意力加权，并输入基于lstm的接线工艺量化评分模型，得到接线工艺量化评分结果。
6、可选的，步骤(1)中，基于预设的图像基准面，构建基于lstm的接线特征提取模型，具体为：
7、选取一图像基准面，并将标定板置于图像基准面上
8、可选的，步骤(1)中，接线特征，包括：每根线的水平度和垂直度、各线的间隔距离、各线的中心线的距离以及每根线的水平角度和垂直角度中的至少两种。
9、可选的，lstm，如下：
10、ft＝σ(wf·[ht+1，xt]+bf)；
11、it＝σ(wi·[ht+1，xt]+bi)；
12、
13、
14、ot＝σ(wo·[ht+1，xt]+bo)；
15、
16、其中，ft为单个lstm层中遗忘门在t时刻的输出；wf为单个lstm层中遗忘门的运算系数；ht+1为单个lstm层中t+1时刻单元模块的输出；bf为单个lstm层中遗忘门的偏置参数；it为单个lstm层中输入门的更新层的值；wi为单个lstm层的输入门中更新层的权重；bi为单个lstm层的输入门中更新层的偏置参数；为单个lstm层中的输入门的状态层的新的候选向量；ct为单个lstm层中的输入门的状态层的值；ot为单个lstm层的输出门中更新层的值；ht为单个lstm层的输出门中状态层的值；为按元素相乘。
17、可选的，步骤(2)中，多头注意力机制，如下：
18、
19、
20、
21、其中，eij为第i个预测结果与接线特征提取模型提取的第x个接线特征的第j个输出结果的权重，x≥2；we、we1、we2、be均为需要迭代学习的参数；为基于lstm的接线工艺量化评分模型在i-1时刻的隐状态；为对归一化后得到的权重；为第i个预测结果与接线特征提取模型提取的第x个接线特征的第k个输出结果的权重；ci为多头注意力机制的第i个输出；为第i个预测结果与接线特征提取模型提取的第x个接线特征的第k个输出结果的归一化的权重。
22、可选的，还包括，对lstm进行测试，具体为：
23、将测试标签集输入lstm中，根据测试标签集、权值以及偏置参数，利用lstm中的遗忘门、输入门、输出门函数公式，得出第一层lstm的测试输出数据；
24、将第一层lstm的测试输出数据输入第二层lstm，利用第二层lstm的遗忘门、输入门、输出门函数公式，得出第二层lstm的测试输出数据；
25、根据lstm的测试输出数据，经过全连接层，以及softmax函数计算输出预测结果，并利用损失函数求解与测试数据集的误差值，若符合精度要求，则保存lstm，若不符合精度要求，则更改lstm的层数、隐含层单元数、批量大小，进行重新训练，直至符合精度要求。
26、可选的，损失函数采用均方误差损失函数，如下：
27、
28、其中，为测试数据集得出的误差函数；n为测试数据的个数；为lstm输出结果；为测试数据集的输出值。
29、本专利技术还提供一种利用如上所述的一种基于机器视觉的接线工艺量化评分方法的基于机器视觉的接线工艺量化评分系统，包括：
30、接线特征提取模型构建模块：用于获取接线完成图像，并基于预设的图像基准面，构建基于lstm的接线特征提取模型；
31、接线工艺量化评分模块：用于利用多头注意力机制对接线特征进行注意力加权，并输入基于lstm的接线工艺量化评分模型，得到接线工艺量化评分结果。
32、经由上述的技术方案可知，与现有技术相比，本专利技术提出了一种基于机器视觉的接线工艺量化评分方法及系统。采用机器视觉代替传统人工评价，避免人为主观因素影响，打破传统人工接线评价的局限性。通过构建基于lstm的接线特征提取模型、接线工艺量化评分模型，并利用多头注意力机制对接线特征进行注意力加权，在保证接线特征提取、接线工艺量化评分客观性、精准度的基础上，充分考虑接线特征之间的关联性，学习更深层次的特征，进一步提高接线工艺量化评分精度。且由于接线特征提取模型以及接线工艺量化评分模型均基于lstm构建，因此，可通过更改lstm的层数、隐含层单元数、批量大小等，适应不同工况下的接线评价，进一步提高了接线工艺量化评分在不同工况下的适用性。
本文档来自技高网...【技术保护点】
1.一种基于机器视觉的接线工艺量化评分方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器视觉的接线工艺量化评分方法，其特征在于，步骤(1)中，基于预设的图像基准面，构建基于LSTM的接线特征提取模型，具体为：
3.根据权利要求1所述的一种基于机器视觉的接线工艺量化评分方法，其特征在于，步骤(1)中，所述接线特征，包括：每根线的水平度和垂直度、各线的间隔距离、各线的中心线的距离以及每根线的水平角度和垂直角度中的至少两种。
4.根据权利要求1所述的一种基于机器视觉的接线工艺量化评分方法，其特征在于，所述LSTM，如下：
5.根据权利要求1所述的一种基于机器视觉的接线工艺量化评分方法，其特征在于，步骤(2)中，所述多头注意力机制，如下：
6.根据权利要求1所述的一种基于机器视觉的接线工艺量化评分方法，其特征在于，还包括，对所述LSTM进行测试，具体为：
7.根据权利要求6所述的一种基于机器视觉的接线工艺量化评分方法，其特征在于，所述损失函数采用均方误差损失函数，如下：
8.一种利用权利要求1
...【技术特征摘要】
1.一种基于机器视觉的接线工艺量化评分方法，其特征在于，包括：
2.根据权利要求1所述的一种基于机器视觉的接线工艺量化评分方法，其特征在于，步骤(1)中，基于预设的图像基准面，构建基于lstm的接线特征提取模型，具体为：
3.根据权利要求1所述的一种基于机器视觉的接线工艺量化评分方法，其特征在于，步骤(1)中，所述接线特征，包括：每根线的水平度和垂直度、各线的间隔距离、各线的中心线的距离以及每根线的水平角度和垂直角度中的至少两种。
4.根据权利要求1所述的一种基于机器视觉的接线工艺量化评分方法，其特征在于，所述...
【专利技术属性】
技术研发人员：范友鹏，接怡冰，徐家恒，许敏敏，王金亮，刘超男，荣潇，周博曦，牛凯春，吕妮娜，
申请(专利权)人：国家电网有限公司技术学院分公司，
类型：发明
国别省市：
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。