【技术实现步骤摘要】
本专利技术涉及变电站状态识别，尤其涉及一种变电站室内状态识别方法及装置。
技术介绍
1、目前，随着社会经济的发展，各行业对电力供应的要求越来越高，变电站的稳定运行对于提供稳定可靠的电力供应起到了至关重要的作用。为了完成对变电站内设备的监控，需要对变电站的设备进行定期的检查和维护。检查和维护的方式通常为人工巡视，可靠性及效率较低进而导致变电站设备出现故障不能及时发现，造成连锁事故。同时，由于变电站内有很多高压设备，人工巡视危险性很高，运用视频监控系统的智能图像识别技术代替人工巡视将成为变电站巡视的发展趋势。
2、现有的变电站状态识别方法，使用传统卷积神经网络方法进行变电站设备目标状态识别，但由于当前变电站环境的复杂性、现有设备多样以及多种干扰因素，使得图像处理算法的准确性较低，状态识别准确率不高，为了取得较好的识别效果，往往需要较多的训练数据，而变电站的室内真实数据获取非常困难、标注成本高。
技术实现思路
1、本专利技术提供了一种变电站室内状态识别方法及装置，以解决现有变电站状态...
【技术保护点】
1.一种变电站室内状态识别方法，其特征在于，包括：
2.如权利要求1所述的变电站室内状态识别方法，其特征在于，所述根据图像编码器和文字编码器构建第一神经网络模型，并根据跨模态自适应算法和所述训练数据训练所述第一神经网络模型，具体为：
3.如权利要求2所述的变电站室内状态识别方法，其特征在于，所述根据所述图像编码器和所述文字编码器提取所述训练数据的特征信息，具体为：
4.如权利要求3所述的变电站室内状态识别方法，其特征在于，所述根据跨模态自适应算法对所述特征信息进行融合，优化所述第一神经网络模型，具体为:
5.如权利要求1...
【技术特征摘要】
1.一种变电站室内状态识别方法，其特征在于，包括：
2.如权利要求1所述的变电站室内状态识别方法，其特征在于，所述根据图像编码器和文字编码器构建第一神经网络模型，并根据跨模态自适应算法和所述训练数据训练所述第一神经网络模型，具体为：
3.如权利要求2所述的变电站室内状态识别方法，其特征在于，所述根据所述图像编码器和所述文字编码器提取所述训练数据的特征信息，具体为：
4.如权利要求3所述的变电站室内状态识别方法，其特征在于，所述根据跨模态自适应算法对所述特征信息进行融合，优化所述第一神经网络模型，具体为:
5.如权利要求1所述的变电站室内...
【专利技术属性】
技术研发人员：李竹筠，吴昊，麦晓明，冯善强，杨英仪，赖嘉暘，梅鹏，苏启奖，
申请(专利权)人：南方电网电力科技股份有限公司，
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。