一种基于神经网络的变电站特征提取方法
【技术领域】
[0001] 本发明涉及一种基于神经网络的变电站特征提取方法，属于图像处理技术领域。
【背景技术】
[0002] 目前，视频监控系统对变电站存在的大量室内外设备，在调度或集中监控中心对 其进行直观监视。视频监控系统提升了对变电站安防能力。变电站现场视频图像中常常包 括变压器、断路器、母线、电线、绝缘子、建设物、钢架等众多物体，如何从视频图像中准确有 效的将众多变电站物体进行区分、提取，是实现真正无人值守，智能值守的关键。
【发明内容】
[0003] 目的：为了克服现有技术中存在的不足，本发明提供一种基于神经网络的变电站 特征提取方法。
[0004] 技术方案:为解决上述技术问题，本发明采用的技术方案为：
[0005] -种基于神经网络的变电站特征提取方法，包括步骤如下：
[0006] 步骤一：图像的预处理和特征分割，将变电站现场图像进行图像灰度化、图像背景 去除、图像光照补偿处理;将处理后的变电站现场图像中有关电力设备和人员各部分按轮 廓分别分割出来；
[0007] 步骤二:计算轮廓形状参数F和属性标记，将各部分轮廓按公式（1)进行计算;并人 工按轮廓实际属性进行标记；
[0008]
[0009] B为轮廓长度，A为轮廓面积；
[0010] 步骤三:随机取N张变电站现场图像，每张图像进行步骤一、步骤二的处理，得到按 轮廓属性分类的轮廓形状参数F的数据矩阵；
[0011]步骤四：BP网络初始化，用小的随机数对每一层的权值w和偏差b初始化，以保证网 络不被大的加权输入饱和；
[0012] 步骤五:BP网络训练，将步骤三中得到的数据矩阵输入BP网络进行训练，得到BP网 络模型参数:训练步骤为100，显示训练结果的间隔步骤为25，训练目标误差为0，训练允许 时间为Inf，训练中最小允许梯度值为LE-6;
[0013] 步骤六:将待测图像的轮廓形状参数F输入BP网络初始化，完成待测图像属性自动 识别。
[0014] 有益效果:本发明提供的一种基于神经网络的变电站特征提取方法，提高了变电 站视频图像分析的准确性和正确性，提高了变电站视图像数据的利用价值。
【附图说明】
[0015] 图1为本发明的结构示意图。
【具体实施方式】
[0016] 下面结合附图对本发明作更进一步的说明。
[0017] 如图1所示，一种基于神经网络的变电站特征提取方法，包括步骤如下：
[0018] 步骤一：图像的预处理和特征分割，将变电站现场图像进行图像灰度化、图像背景 去除、图像光照补偿处理;将处理后的变电站现场图像中有关电力设备和人员各部分按轮 廓分别分割出来；
[0019]步骤二:计算轮廓形状参数F和属性标记，将各部分轮廓按公式（1)进行计算;并人 工按轮廓实际属性进行标记；
[0020]
[0021 ] B为轮廓长度，A为轮廓面积；
[0022] 步骤三:随机取N张变电站现场图像，每张图像进行步骤一、步骤二的处理，得到按 轮廓属性分类的轮廓形状参数F的数据矩阵；
[0023]步骤四：BP网络初始化，用小的随机数对每一层的权值w和偏差b初始化，以保证网 络不被大的加权输入饱和；
[0024] 步骤五:BP网络训练，将步骤三中得到的数据矩阵输入BP网络进行训练，得到BP网 络模型参数:训练步骤为100，显示训练结果的间隔步骤为25，训练目标误差为0，训练允许 时间为Inf，训练中最小允许梯度值为LE-6;
[0025] 步骤六:将待测图像的轮廓形状参数F输入BP网络初始化，完成待测图像属性自动 识别。
[0026] 以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人 员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应 视为本发明的保护范围。
【主权项】
1. 一种基于神经网络的变电站特征提取方法，其特征在于:包括步骤如下： 步骤一：图像的预处理和特征分割，将变电站现场图像进行图像灰度化、图像背景去 除、图像光照补偿处理;将处理后的变电站现场图像中有关电力设备和人员各部分按轮廓 分别分割出来； 步骤二:计算轮廓形状参数F和属性标记，将各部分轮廓按公式（1)进行计算;并人工按 轮廓实际属性进行标记； 心歷 (1) 4πΑ Β为轮廓长度，Α为轮廓面积； 步骤三:随机取N张变电站现场图像，每张图像进行步骤一、步骤二的处理，得到按轮廓 属性分类的轮廓形状参数F的数据矩阵； 步骤四：BP网络初始化，用小的随机数对每一层的权值w和偏差b初始化，以保证网络不 被大的加权输入饱和； 步骤五:BP网络训练，将步骤三中得到的数据矩阵输入BP网络进行训练，得到BP网络模 型参数：训练步骤为100,显示训练结果的间隔步骤为25,训练目标误差为0,训练允许时间 为Inf，训练中最小允许梯度值为LE-6; 步骤六：将待测图像的轮廓形状参数F输入BP网络初始化，完成待测图像属性自动识 别。
【专利摘要】本发明公开了一种基于神经网络的变电站特征提取方法，步骤一：图像的预处理和特征分割；步骤二：计算轮廓形状参数F和属性标记；步骤三：随机取N张变电站现场图像，每张图像进行步骤一、步骤二的处理，得到按轮廓属性分类的轮廓形状参数F的数据矩阵；步骤四：BP网络初始化；步骤五：BP网络训练；步骤六：完成待测图像属性自动识别。本发明提供的一种基于神经网络的变电站特征提取方法，提高了变电站视频图像分析的准确性和正确性，提高了变电站视图像数据的利用价值。
【IPC分类】G06K9/00, G06N3/08, G06K9/46
【公开号】CN105469097
【申请号】CN201510796277
【发明人】崔涛, 商少波, 胡永忠, 牛文渝, 程星鑫, 胡汉巧, 吴罡明
【申请人】江苏省电力公司检修分公司, 国家电网公司, 山西振中电力软件有限公司
【公开日】2016年4月6日
【申请日】2015年11月18日