申请/专利权人:动联(山东)电子科技有限公司
申请日:2020-09-29
公开(公告)日:2024-01-12
公开(公告)号:CN112132088B
主分类号:G06V20/54
分类号:G06V20/54;G06V20/40;G06V10/764;G06V10/774;G06V10/82;G06N3/0464
优先权:
专利状态码:有效-授权
法律状态:2024.01.12#授权;2021.01.12#实质审查的生效;2020.12.25#公开
摘要:本发明公开了一种巡检点位漏巡识别方法,根据预采集巡检视频提取巡检图像,按照巡检图像所属点位类别标注其标签向量,向量的元素表示巡检图像为对应点位类别的正样本或负样本;将标注的巡检图像划分为训练集、验证集和测试集;搭建密集连接卷积神经网络模型,所述模型的输入量为巡检图像,输出量为巡检图像预测为各点位类别正样本的置信度;采用训练集训练所述模型;采用验证集计算各点位类别的置信阈值;采用测试集验证模型训练完成;录制巡检过程时,同步提取实时巡检图像,采用训练后的模型预测实时巡检图像的置信度;录制完成后,汇总实时巡检图像的点位类别预测结果,判断是否存在点位漏巡。本发明实现了自动点位分类,能够及时发现漏巡。
主权项:1.一种巡检点位漏巡识别方法,其特征在于,包括:根据预采集巡检视频提取巡检图像,按照巡检图像所属点位类别标注其标签向量,向量的元素表示巡检图像为对应点位类别的正样本或负样本;将标注的巡检图像划分为训练集、验证集和测试集;搭建密集连接卷积神经网络模型,所述模型的输入量为巡检图像,输出量为巡检图像预测为各点位类别正样本的置信度;采用训练集训练所述模型;采用验证集计算各点位类别的置信阈值;采用测试集验证模型训练完成;录制巡检过程时,同步提取实时巡检图像,采用训练后的模型预测实时巡检图像的置信度;录制完成后,汇总实时巡检图像的点位类别预测结果,判断是否存在点位漏巡;所述采用验证集计算各点位类别的置信阈值,包括:采用训练后的模型预测验证集图像为各点位类别正样本的置信度;计算每一点位类别的每一正样本置信度作为阈值时,该点位类别在验证集的约登指数;选择每一点位类别最大约登指数对应的置信度作为该点位类别的置信阈值;所述汇总实时巡检图像的点位类别预测结果,判断是否存在点位漏巡,包括:将预测的实时巡检图像置信度与点位类别置信阈值进行比较,若置信度大于置信阈值,则预测该实时巡检图像为对应点位类别正样本,否则,为对应点位类别负样本;判断实时巡检图像预测结果是否包含所有点位类别正样本,若存在未包含的点位类别,则判断存在点位漏巡。
全文数据:
权利要求:
百度查询: 动联(山东)电子科技有限公司 一种巡检点位漏巡识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。