CN109460897A - 一种基于数据审核的自学习方法 - Google Patents
一种基于数据审核的自学习方法 Download PDFInfo
- Publication number
- CN109460897A CN109460897A CN201811152251.6A CN201811152251A CN109460897A CN 109460897 A CN109460897 A CN 109460897A CN 201811152251 A CN201811152251 A CN 201811152251A CN 109460897 A CN109460897 A CN 109460897A
- Authority
- CN
- China
- Prior art keywords
- data
- inspection
- crusing robot
- training
- self
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000012550 audit Methods 0.000 title claims abstract description 15
- 238000007689 inspection Methods 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims abstract description 22
- 230000000694 effects Effects 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Manipulator (AREA)
Abstract
本发明公开了一种基于数据审核的自学习方法,包括:通过少量的人工标注数据对巡检机器人进行初期训练;将经过初期训练的巡检机器人放入标准工作环境中,基于初期的训练数据进行巡检;对巡检结果进行人工评定,正确的结果将转换为标签与巡检数据成对存储在巡检机器人中;错误的结果通过人工修订,指定正确值后再次成对进行存储;将经过自学习的巡检机器人放入实际工作环境中,并再次在技术人员的监督下进行自学习,经过多次训练,直到达到最终的巡检效果。本发明将传统的监督学习方式改为半监督学习方式,极大地减少了技术人员的工作量,减少了对于数据集的成本投入。
Description
技术领域
本发明涉及一种基于数据审核的自学习方法。
背景技术
伴随着城市规模的扩大以及居民对电能依赖程度的增加,变电站的规划数量与日俱增,变电站在电网中扮演着不可或缺的角色。变电站长久、稳定的运行才能保证电能的平稳输送,保证居民生产、生活正常开展以及社会的安定、和谐。
但是伴随着变电站的增加,相对应的变电站的巡检工作则变得十分困难。传统的采用人工巡检的方式存在下列问题:首先,变电站需要定期巡检,巡检员工作强度大;第二,采用人工巡检对巡检员的业务水平有较高要求,因为经验缺乏无法排查到所有的问题将留下安全隐患;第三,变电站除分布于城市中的小型变电站外,多数大型变电站都分布于交通不便的地区,而且由于变电站规模增大等一系列原因,都增加了人工巡检的成本。目前,采用巡检机器人替代人工巡检已经成为变电站巡检的主流。
变电站巡检机器人的巡检过程与人工巡检类似,需要代替人工来读取变电站中的各种表计的示值,基于读取到的示值进一步分析是否存在异常。但是,在进行判定之前需要对巡检机器人通过大量的数据进行训练,而这些数据需要人工提前进行标注,变为带有标签(label)的数据才可使用,标注过程中的人力成本及其高昂,且消耗时间。
目前还没有针对巡检机器人的自学习训练方法。
发明内容
本发明的目的在于提供一种基于数据审核的自学习方法,可以使得巡检机器人无需大量的标注数据进行训练,通过自我学习来实现巡检训练目标。
为实现上述目的,本发明的技术方案为:
一种基于数据审核的自学习方法,包括如下步骤:
步骤1:通过少量的人工标注数据对巡检机器人进行初期训练,该人工标注数据是指带有标签的数据集;
步骤2:将经过初期训练的巡检机器人放入标准工作环境中,基于初期的训练数据进行巡检;
步骤3:对巡检结果进行人工评定,正确的结果将转换为标签与巡检数据成对存储在巡检机器人中;错误的结果通过人工修订,指定正确值后再次成对进行存储;
步骤4:将经过自学习的巡检机器人放入实际工作环境中,并再次在技术人员的监督下进行自学习,经过多次训练,直到达到最终的巡检效果。
其中,步骤2所述的标准工作环境是指包含了巡检机器人所需要巡检的所有表计种类,且表计示值固定已知。因此可以通过将正确的表计示数存储于计算机中进行自动数据审核,来替代技术人员进行审核,减少人工工作成本。
本发明的有益效果是:由于标注数据人工成本高,人工标注工作量大且依赖大量的原始数据,这样制约了巡检机器人的识别性能的提升,本发明的自学习方法,将传统的监督学习方式变更为半监督学习方式,极大地减少了技术人员的工作量,减少了对于数据集的成本投入。同时,巡检机器人可以在日常工作中不断自我学习,自我提升,这是在规模一定的已标注数据集训练下难以实现的。
附图说明
图1是巡检机器人的传统训练方式。
图2是巡检机器人基于数据审核自学习的训练方式。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
一种基于数据审核的自学习方法,包括如下步骤:
步骤1:通过少量的人工标注数据对巡检机器人进行初期训练,该人工标注数据是指带有标签的数据集,该数据集中样本量较低,不同于传统的大数据集的训练方法。
步骤2:将经过初期训练的巡检机器人放入标准工作环境中,基于初期的训练数据进行巡检;该标准工作环境是指包含了巡检机器人所需要巡检的所有表计种类,且表计示值固定已知,因此可以通过将正确的表计示数存储于计算机中进行自动数据审核,来替代技术人员进行审核,减少人工工作成本。
步骤3:对巡检结果进行人工评定,正确的结果将转换为标签与巡检数据成对存储在巡检机器人中;错误的结果通过人工修订,指定正确值后再次成对进行存储,其具体的实现方式如下:
在标准工作环境中,巡检机器人读取表计示数已知的表计,并将巡检结果反馈给技术人员,技术员对反馈的数据进行审核,若巡检结果正确,在经技术人员确定后,该组数据变为数据集存储于巡检机器人的识别模块中;若巡检结果错误,技术人员手动输入正确的巡检结果,之后这组数据变为数据集再次存储于机器人的识别模块中。
步骤4:将经过自学习的巡检机器人放入实际工作环境中,并再次在技术人员的监督下进行自学习,经过多次训练,直到达到最终的巡检效果。
本发明的自学习方法,将传统的监督学习方式(如图1所示)改为半监督学习方式(如图2所示),极大地减少了技术人员的工作量,减少了对于数据集的成本投入。同时,巡检机器人可以在日常工作中不断自我学习,自我提升,这是在规模一定的已标注数据集训练下难以实现的。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。
Claims (2)
1.一种基于数据审核的自学习方法,其特征在于:包括如下步骤:
步骤1:通过少量的人工标注数据对巡检机器人进行初期训练,该人工标注数据是指带有标签的数据集;
步骤2:将经过初期训练的巡检机器人放入标准工作环境中,基于初期的训练数据进行巡检;
步骤3:对巡检结果进行人工评定,正确的结果将转换为标签与巡检数据成对存储在巡检机器人中;错误的结果通过人工修订,指定正确值后再次成对进行存储;
步骤4:将经过自学习的巡检机器人放入实际工作环境中,并再次在技术人员的监督下进行自学习,经过多次训练,直到达到最终的巡检效果。
2.根据权利要求1所述的一种基于数据审核的自学习方法,其特征在于:步骤2所述的标准工作环境是指包含了巡检机器人所需要巡检的所有表计种类,且表计示值固定已知。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811152251.6A CN109460897A (zh) | 2018-09-29 | 2018-09-29 | 一种基于数据审核的自学习方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811152251.6A CN109460897A (zh) | 2018-09-29 | 2018-09-29 | 一种基于数据审核的自学习方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109460897A true CN109460897A (zh) | 2019-03-12 |
Family
ID=65607258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811152251.6A Pending CN109460897A (zh) | 2018-09-29 | 2018-09-29 | 一种基于数据审核的自学习方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109460897A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015083293A1 (ja) * | 2013-12-06 | 2015-06-11 | 株式会社日立製作所 | 教師あり機械学習装置、教師あり機械学習方法、および教師あり機械学習プログラム |
CN105141889A (zh) * | 2015-07-28 | 2015-12-09 | 国家电网公司 | 一种基于图像视觉输电线路智能巡检系统 |
CN106778740A (zh) * | 2016-12-06 | 2017-05-31 | 北京航空航天大学 | 一种基于深度学习的tfds非故障图像检测方法 |
CN108537269A (zh) * | 2018-04-04 | 2018-09-14 | 中山大学 | 一种弱交互式的物体检测深度学习方法及其系统 |
-
2018
- 2018-09-29 CN CN201811152251.6A patent/CN109460897A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015083293A1 (ja) * | 2013-12-06 | 2015-06-11 | 株式会社日立製作所 | 教師あり機械学習装置、教師あり機械学習方法、および教師あり機械学習プログラム |
CN105141889A (zh) * | 2015-07-28 | 2015-12-09 | 国家电网公司 | 一种基于图像视觉输电线路智能巡检系统 |
CN106778740A (zh) * | 2016-12-06 | 2017-05-31 | 北京航空航天大学 | 一种基于深度学习的tfds非故障图像检测方法 |
CN108537269A (zh) * | 2018-04-04 | 2018-09-14 | 中山大学 | 一种弱交互式的物体检测深度学习方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Qureshi et al. | Energy crisis, greenhouse gas emissions and sectoral growth reforms: Repairing the fabricated mosaic | |
CN110516837B (zh) | 一种基于ai的智能化诊断方法、系统及装置 | |
CN107784397B (zh) | 一种电网物资需求预测系统及其预测方法 | |
CN108736465A (zh) | 一种未来态电网模型构建方法和装置 | |
CN104700321A (zh) | 一种输变电设备状态运行趋势分析方法 | |
CN109725219B (zh) | 一种电能表台区自动识别方法 | |
CN108445435A (zh) | 一种电能表检定装置误差在线评估方法 | |
CN108090530A (zh) | 一种基于二维码识别技术的电力设备信息管理系统和方法 | |
CN109738723B (zh) | 一种电能表三相自动识别方法 | |
CN112330065A (zh) | 一种基于基流分割和人工神经网络模型的径流预报方法 | |
CN110119417A (zh) | 一种变电站远动数据智能校核分析系统及校核分析方法 | |
CN110968703B (zh) | 基于lstm端到端抽取算法的异常计量点知识库构建方法及系统 | |
CN107067910A (zh) | 基于云服务的模拟电子实验系统 | |
CN109214713A (zh) | 含有分布式电源的主动配电网规划方法 | |
Seidu et al. | An assessment of the implications of disruptive technologies on the performance of energy infrastructure projects in Ghana | |
CN112116219A (zh) | 一种用于客户侧电力物联网的仿真实训系统及方法 | |
CN109460897A (zh) | 一种基于数据审核的自学习方法 | |
CN107248036A (zh) | 一种智能化信用评级方法和装置 | |
CN104166902A (zh) | 基于物联网技术的城市照明能效管理系统 | |
CN107016066A (zh) | 一种电网模型建模过程中测点匹配方法及装置 | |
Zhang et al. | Analysis of influencing factors of transmission line loss based on GBDT algorithm | |
CN107194597A (zh) | 一种分布式电站的评估方法及装置 | |
CN109815374A (zh) | 低压配电网台区名称相似性匹配方法及匹配系统 | |
CN106886851A (zh) | 基于电能表状态检修的电能表备品备件预测方法 | |
CN205845288U (zh) | 一种用于居民用户电能表的数据采集检测机构 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190312 |