一种电力仪表设备的智能分类方法
【技术领域】
[0001]本发明涉及工业自动化领域，特别是涉及一种电力仪表设备的智能分类方法。
【背景技术】
[0002]随着工业化的不断发展，在电力行业中，电力仪表设备的种类也是越来越多，因此需要对电力仪表设备进行分类，才能准确地识别并使用电力仪表设备。
[0003]传统的电力仪表设备分类方法往往都是以人力测试为主，有时为了保证分类的准确性，需要对一个电力仪表设备进行多次识别才能进行分类，因此这种传统的分类方法不仅耗费大量的人力和时间，而且效率较低，其中在对电力仪表设备进行分类的时候，其过程枯燥无味而且繁琐，使分类人员容易出错，从而使得电力仪表设备的分类准确率较低。
[0004]因此如何提高电力仪表设备的分类效率和准确率，是本技术领域人员急需解决的技术问题。
【发明内容】
[0005]本发明的目的是提供一种电力仪表设备的智能分类方法，可以有效解决分类效率和准确率的问题。
[0006]为解决上述技术问题，本发明提供了如下技术方案:
[OOO7 ] 一种电力仪表设备的智能分类方法，包括:
[0008]根据已知类别的电力仪表设备图片集建立具有所述已知类别的电力仪表设备图片集的特征库的分类模型；
[0009]获取需要分类的电力仪表设备图片；
[0010]预处理所述需要分类的电力仪表设备图片，获取所述需要分类的电力仪表设备图片的特征信息；
[0011]根据所述特征信息和所述分类模型对所述需要分类的电力仪表设备图片进行分类；
[0012]输出所述需要分类的电力仪表设备的分类结果。
[0013]优选地，所述根据已知类别的电力仪表设备图片集建立具有所述已知类别的电力仪表设备图片集的特征库的分类模型包括:
[0014]创建具有三层卷积神经网络的第一分类模型；
[0015]获取所述已知类别的电力仪表设备图片集的特征信息；
[0016]根据所述已知类别的电力仪表设备图片集的特征信息，训练所述第一分类模型，获得所述具有已知类别的电力仪表设备图片集的特征库的分类模型。
[0017]优选地，训练所述第一分类模型包括:
[0018]根据所述已知类别的电力仪表设备图片集的特征信息相对应的类别信息对所述第一分类模型进行训练。
[0019]优选地，所述预处理所述需要分类的电力仪表设备图片，获取所述需要分类的电力仪表设备图片的特征信息包括:
[0020]灰度化所述需要分类的电力仪表设备图片；
[0021]提取所述需要分类的电力仪表设备图片经过灰度化后的HOG特征；
[0022]获取对应的所述需要分类的电力仪表设备图片的特征矩阵。
[0023]优选地，在所述灰度化所述需要分类的电力仪表设备图片之前，还包括:压缩所述需要分类的电力仪表设备图片。
[0024]优选地，在所述获取所述已知类别的电力仪表设备图片集的特征信息之前，还包括:
[0025]灰度化所述已知类别的电力仪表设备图片集；
[0026]提取所述已知类别的电力仪表设备图片集经过灰度化后的HOG特征；
[0027]获取对应的所述已知类别的电力仪表设备图片集的特征矩阵。
[0028]优选地，所述具有三层卷积神经网络的分类模型，包括:
[0029]用于接收所述已知类别的电力仪表设备图片集的输入层；
[0030]用于处理所述已知类别的电力仪表设备图片集的处理层；
[0031]用于输出所述已知类别的电力仪表设备图片集的分类类别的全连接输出层。
[0032]优选地，在所述获得所述具有已知类别的电力仪表设备图片集的特征库的分类模型之后，还包括:
[0033]判断所述分类模型是否符合预设分类精度要求；
[0034]若所述分类模型不符合所述预设分类精度要求，则对所述分类模型的预设参数进行调整，继续训练所述分类模型；
[0035]若所述分类模型符合所述预设分类精度要求，则保存所述分类模型。
[0036]优选地，在判断所述分类模型是否符合预设分类精度要求之前，还包括:
[0037]判断训练所述第一分类模型的迭代次数是否达到预设的迭代上限；
[0038]若达到迭代上限，则保存所述分类模型；
[0039]若未达到迭代上限，则判断所述分类模型是否符合预设分类精度要求。
[0040]与现有技术相比，上述技术方案具有以下优点:
[0041]本发明所提供的一种电力仪表设备的智能分类方法，包括:根据已知类别的电力仪表设备图片集建立具有所述已知类别的电力仪表设备图片集的特征库的分类模型;获取需要分类的电力仪表设备图片;预处理所述需要分类的电力仪表设备图片，获取所述需要分类的电力仪表设备图片的特征信息;根据所述特征信息和所述分类模型对所述需要分类的电力仪表设备图片进行分类;输出所述需要分类的电力仪表设备的分类结果。首先建立一个分类模型，该分类模型根据大量的已知类别的电力仪表设备图片集的数据库训练而得，在对需要分类的电力仪表设备进行分类时，可以通过摄像设备等获取需要分类的电力仪表设备图片，然后通过图形图像处理技术对其进行预处理，得到需要分类的电力仪表设备图片的特征信息，将该特征信息输入到该分类模型中，即可得到该特征信息对应的电力仪表设备图片的分类结果。相对于传统的以人力进行分类的方法来说，本智能分类系统在对电力仪表设备进行分类时，更加智能化，通过在分类系统中直接输入需要分类的电力仪表设备图片，即可得到对应的电力仪表设备的分类结果，提高了分类效率。
【附图说明】
[0042]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1为本发明一种【具体实施方式】所提供的一种电力仪表设备的智能分类方法流程图；
[0044]图2为本发明一种【具体实施方式】所提供的预处理需要分类的电力仪表设备图片的示意图。
【具体实施方式】
[0045]本发明所提供的一种电力仪表设备的智能分类方法，包括:根据已知类别的电力仪表设备图片集建立具有已知类别的电力仪表设备图片集的特征库的分类模型;获取需要分类的电力仪表设备图片;预处理需要分类的电力仪表设备图片，获取需要分类的电力仪表设备图片的特征信息;根据特征信息和分类模型将电力仪表设备图片进行分类;输出电力仪表设备的分类结果。本智能分类系统在对电力仪表设备进行分类时，通过在分类系统中直接输入需要分类的电力仪表设备图片，即可对电力仪表设备进行分类，提高了电力仪表设备的分类效率和准确率。
[0046]为了使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的【具体实施方式】做详细的说明。
[0047]在以下描述中阐述了具体细节以便于充分理解本发明。但是本发明能够以多种不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广。因此本发明不受下面公开的【具体实施方式】的限制。
[0048]请参考图1、图2，图1为本发明一种【具体实施方式】所提供的一种电力仪表设备的智能分类方法流程图；图2为本发明一种【具体实施方式】所提供的预处理需要分类的电力仪表设备图片的示意图。