基于多光谱图像的演进式知识图谱构建方法及系统与流程

本发明涉及智能电网信息，特别涉及一种基于多光谱图像的演进式知识图谱构建方法。

背景技术：

1、全面掌握、预测输变电装备运行状态与健康水平，是电力系统安全、可靠、稳定运行的核心基础。红外成像、紫外成像等成像技术由于其不接触、安全可靠等优点被广泛应用于输变电装备智能运维。随着人工智能技术的发展，未来红外、紫外、可见光巡视检测技术应向着智能化识别、分析的方向发展，并形成精确的评价体系，建立规范化的管理平台，为电力设备状态评估管理提高支持。

2、但是，在现有技术中，由于获得面向电力设备的红外、紫外、可见光图像数据需要花费很多人力物力，难以支撑人工智能模型训练数据集。如何快速生成更多的电力设备虚拟图像，以辅助人工智能模型的训练成为了一个急待解决的问题。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种基于多光谱图像的演进式知识图谱构建方法及方法。可以快速生成符合要求的用于训练的图片，提高了生成训练集的效率以及成功率，降低了成本。

2、为了解决所述技术问题，本发明的一方面，提供了一种基于多光谱图像的演进式知识图谱构建方法，其至少包括如下步骤：

3、步骤s10，获取电力设备图像，所述图像为红外图像、紫外图像及可见光图像中之一种；

4、步骤s11，随机生成噪声矩阵；

5、步骤s12，将所述电力设备图像与噪声矩阵输入一图像生成模型，获得该图像对应的干扰后图像；

6、步骤s13，将所述干扰后图像输入一图像判别模型，根据所述电力设备图像与干扰后图像的损失函数的计算结果对所述干扰后图像进行判定；

7、步骤s14，在判定结果为满足要求后，输出所述干扰后图像，并根据电力设备图像与对应的预定数目的干扰后图像形成训练集。

8、优选地，所述步骤s11进一步包括：

9、通过python的numpy库随机生成预定尺寸的随机噪声矩阵，随机噪声矩阵中任意值均小于1；

10、检测所述噪声矩阵是否符合图像生成模型的数据要求，在不满足时调整噪声生成参数。

11、优选地，所述步骤s13进一步包括：

12、检测所述干扰后图像是否符合图像判别模型的数据要求，在不满足时，对所述干扰后图像进行数据格式调整；

13、在所述电力设备图像与干扰后图像的损失函数的计算结果小于一预定阈值时，则判断所述干扰后图像满足要求。

14、优选地，进一步包括：

15、预先采用人工智能框架tensorflow开发所述图像生成模型，所述图像生成模型至少包括：全连接层、多组批处理层、多组激活函数层以及多组反卷积层；

16、预先采用人工智能框架tensorflow开发所述图像判别模型，所述图像判别模型至少包括：全连接层、多组卷积层、多组池化层、多组批处理层、多组激活函数层。

17、优选地，进一步包括：

18、根据损失函数的计算结果，对图像生成模型和图像判别模型中的权重进行更新。

19、相应地，作为本发明的另一方面，还提供一种基于多光谱图像的演进式知识图谱构建系统，其至少包括：

20、多光谱图像获取单元，用于获取电力设备图像，所述图像为红外图像、紫外图像及可见光图像中之一种；

21、干扰噪声生成单元，用于随机生成噪声矩阵；

22、图像生成处理单元，用于将所述电力设备图像与噪声矩阵输入一图像生成模型，获得该图像对应的干扰后图像；

23、图像判断处理单元，将所述干扰后图像输入一图像判别模型，根据所述电力设备图像与干扰后图像的损失函数的计算结果对所述干扰后图像进行判定；

24、训练集生成单元，用于在判定结果为满足要求后，输出所述干扰后图像，并根据电力设备图像与对应的预定数目的干扰后图像形成训练集。

25、优选地，所述干扰噪声生成单元进一步包括：

26、噪声矩阵生成单元，用于通过python的numpy库随机生成预定尺寸的随机噪声矩阵，随机噪声矩阵中任意值均小于1；

27、第一检测处理单元，用于检测所述噪声矩阵是否符合图像生成模型的数据要求，在不满足时调整噪声生成参数。

28、优选地，所述图像判断处理单元进一步包括：

29、第二检测处理单元，用于检测所述干扰后图像是否符合图像判别模型的数据要求，在不满足时，对所述干扰后图像进行数据格式调整；

30、判断确定单元，用于在所述电力设备图像与干扰后图像的损失函数的计算结果小于一预定阈值时，则判断所述干扰后图像满足要求。

31、优选地，，进一步包括：

32、图像生成模型生成单元，用于预先采用人工智能框架tensorflow开发所述图像生成模型，所述图像生成模型至少包括：全连接层、多组批处理层、多组激活函数层以及多组反卷积层；

33、图像判断模型生成单元，用于预先采用人工智能框架tensorflow开发所述图像判别模型，所述图像判别模型至少包括：全连接层、多组卷积层、多组池化层、多组批处理层、多组激活函数层。

34、优选地，进一步包括：

35、权重更新处理单元，用于根据损失函数的计算结果，对图像生成模型和图像判别模型中的权重进行更新。

36、实施本发明实施例，具有如下有益效果：

37、本发明提供一种基于多光谱图像的演进式知识图谱构建方法及方法。通过对获取的多光谱的电力设备图像采用随机生成的噪声矩阵利用一图像生成模型进行干扰处理，生成干扰后图像；将干扰后图像输入一图像判别模型，根据电力设备图像与干扰后图像的损失函数的计算结果对干扰后图像进行判定；在判定结果为满足要求后，输出所述干扰后图像，并根据电力设备图像与对应的预定数目的干扰后图像形成训练集。利用本发明提供的方法，可以快速生成符合要求的用于训练的图片，提高了生成训练集的效率以及成功率，并降低了成本。

38、可以理解的是，通过本发明的方法可以采用少量的电力设备图像而获得大量用于训练的图片，这些图片可以组成训练集，用于对电力设备的识别模型进行训练，以用于进行电力设备的类别和故障识别的应用中，有利于满足电力设备智能化运维的实现。

技术特征：

1.一种基于多光谱图像的演进式知识图谱构建方法，其特征在于，至少包括如下步骤：

2.如权利要求1所述的方法，其特征在于，所述步骤s11进一步包括：

3.如权利要求2所述的方法，其特征在于，所述步骤s13进一步包括：

4.如权利要求3所述的方法，其特征在于，进一步包括：

5.如权利要求1至4任一项所述的方法，其特征在于，进一步包括：

6.一种基于多光谱图像的演进式知识图谱构建系统，其特征在于，至少包括：

7.如权利要求6所述的系统，其特征在于，所述干扰噪声生成单元进一步包括：

8.如权利要求7所述的系统，其特征在于，所述图像判断处理单元进一步包括：

9.如权利要求8所述的系统，其特征在于，进一步包括：

10.如权利要求6至9任一项所述的系统，其特征在于，进一步包括：

技术总结
本发明公开了一种基于多光谱图像的演进式知识图谱构建方法及系统，所述方法包括步骤：步骤S10，获取多光谱的电力设备图像；步骤S11，随机生成噪声矩阵；步骤S12，将所述电力设备图像与噪声矩阵输入一图像生成模型，获得该图像对应的干扰后图像；步骤S13，将所述干扰后图像输入一图像判别模型，根据所述电力设备图像与干扰后图像的损失函数的计算结果对所述干扰后图像进行判定；步骤S14，在判定结果为满足要求后，输出所述干扰后图像，并根据电力设备图像与对应的预定数目的干扰后图像形成训练集。实施本发明，可以快速生成符合要求的用于训练的图片，提高了生成训练集的效率以及成功率，降低了成本。

技术研发人员：凌乐陶,裴慧坤,李艳,张林,杜进桥,李致民,杨帆
受保护的技术使用者：深圳供电局有限公司
技术研发日：
技术公布日：2024/1/12