CN111598138A - 一种神经网络学习图像识别方法及装置 - Google Patents
一种神经网络学习图像识别方法及装置 Download PDFInfo
- Publication number
- CN111598138A CN111598138A CN202010334811.0A CN202010334811A CN111598138A CN 111598138 A CN111598138 A CN 111598138A CN 202010334811 A CN202010334811 A CN 202010334811A CN 111598138 A CN111598138 A CN 111598138A
- Authority
- CN
- China
- Prior art keywords
- neural network
- module
- training
- image
- artificial neural
- 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
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012549 training Methods 0.000 claims abstract description 52
- 230000003993 interaction Effects 0.000 claims abstract description 20
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 11
- 238000007781 pre-processing Methods 0.000 abstract description 8
- 238000004422 calculation algorithm Methods 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 abstract description 2
- 238000013526 transfer learning Methods 0.000 abstract description 2
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005381 potential energy Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种神经网络学习图像识别方法及装置，包括学习用图像数据、神经网络数据生成模块、神经网络训练模块、神经网络推理预测模块和人机交互模块，所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建，通过人工神经网络训练用数据集生成模块进行训练数据的预处理，输入人工神经网络训练模块，利用迁移学习算法进行多轮训练，输出人工神经网络分类器，人工神经网络预测模块将实际现场采集的原始数据图像进行输入，通过人工神经网络分类器对原始数据图像进行识别，通过人机交互模块显示识别结果，对异常情况进行处理，提供更优质服务。
Description
技术领域
本发明涉及图像识别领域，具体是一种神经网络学习图像识别方法及装置。
背景技术
当前，机器学习已经成为一种十分重要的工具。其中，基于深度神经网络的深度学习受到了广泛的关注，并被应用于图像识别、语音识别、自然语言翻译等重要领域。其中，基于传统中央处理器(Central Processing Unit，CPU)的深度学习并非最优的方案；研发人员发展出了多样的硬件结构，以适应深度学习算法的要求，例如图形处理器和张量处理器。目前的神经学习图像识别方法对异常的处理能力较低，导致处理过程中容易出现偏差。
发明内容
本发明的目的在于提供一种神经网络学习图像识别方法及装置，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种神经网络学习图像识别方法及装置，包括学习用图像数据、神经网络数据生成模块、神经网络训练模块、神经网络推理预测模块和人机交互模块，所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建，神经网络训练模块以人工神经网络训练用数据集生成模块输出的图像数据集为输入，进行神经网络计算，输出人工神经网络分类器，神经网络推理预测模块以实际现场采集的原始数据图像为输入，人工神经网络分类器对每张图所代表的类别进行批量自动的推理预测，输出每一张图像对应的类别标识，人机交互模块实现操作人员输入待分析的原始数据图像。
作为本发明进一步的方案：所述基于神经网络的学习图像识别系统包括：分类器预训练单元和分析判断单元，分类器预训练阶段包括人工神经网络训练用数据集生成模块和神经网络训练模块，分析判断阶段包括神经网络推理预测模块和人机交互模块，人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建，示例图像数据的预处理包括：示例图像分类、图像归一化处理和图像数据扩增处理。
作为本发明再进一步的方案：所述神经网络推理预测模块以实际现场采集的电力系统的原始数据图像为输入，通过内置的图像预处理器过滤后，输送给神经网络训练模块输出的人工神经网络分类器，人工神经网络分类器对每一张图所代表的类别进行批量自动的推理预测，输出每一张图像对应的类别标识，判断是否发生局部放电现象，人机交互模块通过操作人员从设备或电脑存储器上读取待分析的原始数据图像、导入事先训练并优化调参的人工神经网络分类器，命令神经网络推理预测模块执行图像分类操作，并在人机交互模块上图形化显示神经网络推理预测模块的输出结果，在输出结果为响应的故障或异常时，在人机交互模块上动态提示操作员采取相关措施进行处理。
与现有技术相比，本发明的有益效果是：通过人工神经网络训练用数据集生成模块进行训练数据的预处理，输入神经网络训练模块，利用迁移学习算法进行多轮训练，输出人工神经网络分类器，人工神经网络预测模块将实际现场采集的原始数据图像进行输入，通过人工神经网络分类器对原始数据图像进行识别，通过人机交互模块显示识别结果，对异常情况进行处理，提供更优质服务。
附图说明
图1为一种神经网络学习图像识别方法及装置的连接示意图。
图2为一种神经网络学习图像识别方法及装置中神经网络数据生成模块的示意图。
图3为一种神经网络学习图像识别方法及装置中神经网络训练模块的示意图。
图中，1、学习用图像数据；2、神经网络数据生成模块；3、神经网络训练模块；4、神经网络推理预测模块；5、人机交互模块。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1～3，本发明实施例中，一种神经网络学习图像识别方法及装置，包括学习用图像数据1、神经网络数据生成模块2、神经网络训练模块3、神经网络推理预测模块4和人机交互模块5，所述学习用图像数据1将搜集好的图像经过神经网络数据生成模块2进行生成，人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集创建，神经网络训练模块3以人工神经网络训练用数据集生成模块输出的图像数据集为输入，从而进行神经网络计算，输出人工神经网络分类器，神经网络推理预测模块4以实际现场采集的原始数据图像为输入，人工神经网络分类器对每张图所代表的类别进行批量自动的推理预测，输出每一张图像对应的类别标识，人机交互模块5实现操作人员输入待分析的原始数据图像。
所述基于神经网络的学习图像识别系统包括：分类器预训练单元和分析判断单元，分类器预训练阶段包括人工神经网络训练用数据集生成模块和神经网络训练模块，分析判断阶段包括神经网络推理预测模块4和人机交互模块5。
所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建，示例图像数据的预处理包括：示例图像分类、图像归一化处理和图像数据扩增处理。
所述神经网络推理预测模块4以实际现场采集的电力系统的原始数据图像为输入，通过内置的图像预处理器过滤后，输送给神经网络训练模块3输出的人工神经网络分类器，人工神经网络分类器对每一张图所代表的类别进行批量自动的推理预测，输出每一张图像对应的类别标识，判断是否发生局部放电现象。
所述人机交互模块5通过操作人员从设备或电脑存储器上读取待分析的原始数据图像、导入事先训练并优化调参的人工神经网络分类器，命令神经网络推理预测模块4执行图像分类操作，并在人机交互模块5上图形化显示神经网络推理预测模块4的输出结果，在输出结果为响应的故障或异常时，在人机交互模块上动态提示操作员采取相关措施进行处理。
本发明的工作原理是：人机交互模块5包括电脑端和移动终端，所述电脑端通过网页进行原始数据图像的输入，进行智能识别预测，所述移动终端上安装智能APP，通过移动终端直接将原始数据图像导入势能APP，识别结果回流至人工神经网络训练用数据集生成模块，构建大数据库，通过超大规模数据进行二次学习而不断迭代模型达到更高的性能，实现更精准的预判。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种神经网络学习图像识别方法及装置，包括学习用图像数据(1)、神经网络数据生成模块(2)、神经网络训练模块(3)、神经网络推理预测模块(4)和人机交互模块(5)，其特征在于，所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建，神经网络训练模块(3)以人工神经网络训练用数据集生成模块输出的图像数据集为输入，进行神经网络计算，输出人工神经网络分类器，神经网络推理预测模块(4)以实际现场采集的原始数据图像为输入，人工神经网络分类器对每张图所代表的类别进行批量自动的推理预测，输出每一张图像对应的类别标识，人机交互模块(5)实现操作人员输入待分析的原始数据图像。
2.根据权利要求1所述的一种神经网络学习图像识别方法及装置，其特征在于，所述基于神经网络的学习图像识别系统包括：分类器预训练单元和分析判断单元，分类器预训练阶段包括人工神经网络训练用数据集生成模块和神经网络训练模块(3)，分析判断阶段包括神经网络推理预测模块(4)和人机交互模块(5)。
3.根据权利要求1所述的一种神经网络学习图像识别方法及装置，其特征在于，所述人工神经网络训练用数据集生成模块对用于训练人工神经网络的示例图像数据进行预处理和图像数据集的创建。
4.根据权利要求1所述的一种神经网络学习图像识别方法及装置，其特征在于，所述神经网络推理预测模块(4)以实际现场采集的电力系统的原始数据图像为输入，通过内置的图像预处理器过滤后，输送给神经网络训练模块(3)输出的人工神经网络分类器。
5.根据权利要求1所述的一种神经网络学习图像识别方法及装置，其特征在于，所述人机交互模块(5)通过操作人员从设备或电脑存储器上读取待分析的原始数据图像、导入事先训练并优化调参的人工神经网络分类器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010334811.0A CN111598138A (zh) | 2020-04-24 | 2020-04-24 | 一种神经网络学习图像识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010334811.0A CN111598138A (zh) | 2020-04-24 | 2020-04-24 | 一种神经网络学习图像识别方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111598138A true CN111598138A (zh) | 2020-08-28 |
Family
ID=72183572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010334811.0A Pending CN111598138A (zh) | 2020-04-24 | 2020-04-24 | 一种神经网络学习图像识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111598138A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112144150A (zh) * | 2020-10-16 | 2020-12-29 | 北京经纬纺机新技术有限公司 | 一种应用深度学习图像处理的分布式异性纤维分检系统 |
| CN113537339A (zh) * | 2021-07-14 | 2021-10-22 | 中国地质大学（北京） | 一种基于多标签图像分类的识别共生或伴生矿物的方法与系统 |
| CN114972022A (zh) * | 2022-04-18 | 2022-08-30 | 北京理工大学 | 一种基于非对齐rgb图像的融合高光谱超分辨率方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630840A (zh) * | 2009-08-12 | 2010-01-20 | 电子科技大学 | 微电网能量智能控制系统 |
| CN103186774A (zh) * | 2013-03-21 | 2013-07-03 | 北京工业大学 | 一种基于半监督学习的多姿态人脸表情识别方法 |
| CN109785289A (zh) * | 2018-12-18 | 2019-05-21 | 中国科学院深圳先进技术研究院 | 一种输电线路缺陷检测方法、系统及电子设备 |
| CN109886232A (zh) * | 2019-02-28 | 2019-06-14 | 燊赛(上海)智能科技有限公司 | 一种基于神经网络的电网图像识别系统 |
-
2020
- 2020-04-24 CN CN202010334811.0A patent/CN111598138A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101630840A (zh) * | 2009-08-12 | 2010-01-20 | 电子科技大学 | 微电网能量智能控制系统 |
| CN103186774A (zh) * | 2013-03-21 | 2013-07-03 | 北京工业大学 | 一种基于半监督学习的多姿态人脸表情识别方法 |
| CN109785289A (zh) * | 2018-12-18 | 2019-05-21 | 中国科学院深圳先进技术研究院 | 一种输电线路缺陷检测方法、系统及电子设备 |
| CN109886232A (zh) * | 2019-02-28 | 2019-06-14 | 燊赛(上海)智能科技有限公司 | 一种基于神经网络的电网图像识别系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112144150A (zh) * | 2020-10-16 | 2020-12-29 | 北京经纬纺机新技术有限公司 | 一种应用深度学习图像处理的分布式异性纤维分检系统 |
| CN113537339A (zh) * | 2021-07-14 | 2021-10-22 | 中国地质大学（北京） | 一种基于多标签图像分类的识别共生或伴生矿物的方法与系统 |
| CN113537339B (zh) * | 2021-07-14 | 2023-06-02 | 中国地质大学（北京） | 一种基于多标签图像分类的识别共生或伴生矿物的方法与系统 |
| CN114972022A (zh) * | 2022-04-18 | 2022-08-30 | 北京理工大学 | 一种基于非对齐rgb图像的融合高光谱超分辨率方法和系统 |
| CN114972022B (zh) * | 2022-04-18 | 2024-06-07 | 北京理工大学 | 一种基于非对齐rgb图像的融合高光谱超分辨率方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111598138A (zh) | 一种神经网络学习图像识别方法及装置 | |
| CN111597204A (zh) | 一种基于ai技术的智慧运维知识分析方法 | |
| CN110046562A (zh) | 一种风电系统健康监测方法及装置 | |
| CN111292020B (zh) | 一种基于随机森林的电网实时运行风险评估方法及系统 | |
| CN105424395A (zh) | 设备故障的确定方法和装置 | |
| CN109886232A (zh) | 一种基于神经网络的电网图像识别系统 | |
| CN102298694A (zh) | 一种应用于远程信息服务的人机交互识别系统 | |
| CN114386537B (zh) | 基于CatBoost的锂电池故障诊断方法、装置及电子设备 | |
| CN110084158B (zh) | 一种基于智能算法的用电设备识别方法 | |
| CN110110095A (zh) | 一种基于长短期记忆循环神经网络的电力指令文本匹配方法 | |
| CN115221776A (zh) | 一种新型配电网的智能感知诊断模型的训练方法及装置 | |
| CN111950197A (zh) | 一种基于人工智能语义的配网攻击及故障采集分析系统 | |
| CN114298141A (zh) | 基于深度学习的发电设备异常检测方法及系统 | |
| CN116738339A (zh) | 一种小样本电信号多分类深度学习识别检测方法 | |
| CN116540015A (zh) | 一种基于暂态波形信号的配电网故障预警方法及系统 | |
| CN118381467A (zh) | 基于物联网的柔性光伏智能监控与管理系统及方法 | |
| CN118094232A (zh) | 一种动态监测的生产能耗控制系统及方法 | |
| CN110943536A (zh) | 一种将语音识别应用于电网调度监控的系统及方法 | |
| Sun et al. | Physics-inspired multimodal machine learning for adaptive correlation fusion based rotating machinery fault diagnosis | |
| CN112803587A (zh) | 一种基于诊断决策库的自动化设备状态智能巡视方法 | |
| CN108600046B (zh) | 基于感知哈希的设备状态监测终端、系统及方法 | |
| CN115378140A (zh) | 基于图像识别的无人机电力设备巡检系统及方法 | |
| CN114783597A (zh) | 多类疾病诊断的诊断方法及装置、电子设备和存储介质 | |
| CN113850344A (zh) | 一种巡检机器人设备识别方法及系统 | |
| CN118197317B (zh) | 一种基于语音技术的智能服务机器人业务识别方法及系统 |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200828 |