买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网吉林省电力有限公司四平供电公司

摘要：本发明公开了一种基于CNN‑SVM的配网设备红外图像识别方法和系统，属于配电故障监测技术领域，系统包括计算机可读存储介质和处理器；计算机可读存储介质用于存储可执行指令；处理器用于读取计算机可读存储介质中存储的可执行指令，执行基于CNN‑SVM的配网设备红外图像识别方法的步骤，采用深度卷积神经网络建立的识别模型进行配网设备红外图像识别，同时将SVM分类器应用到深度卷积神经网络上，在相同的条件下，达到了更好的分类效果。本发明能够实现配网设备红外图像识别效果好、速度快的需求，极大减少了配网故障的影响，提高了配网故障解决效率，有效地减少了早期热故障所导致的配网设备停电事故，有效保证配网设备的稳定运行。

主权项：1.基于CNN-SVM的配网设备红外图像识别方法，其特征在于，包括：步骤S1、获取配网设备红外图像数据集，对配网设备红外图像进行去噪和分割处理，处理后将配网设备红外图像数据集分为正常运行状态样本和故障样本并分别设置不同的标签，同时将正常运行状态样本和故障样本均划分为训练集、测试集和验证集；步骤S2、建立CNN-SVM图像识别模型，CNN-SVM图像识别模型的网络架构包括顺序布置的卷积层、深度残差收缩网络、BN层、激活层、池化层、GAP层和SVM分类器，将去噪和分割处理后的配网设备红外图像输入模型，经卷积、软阈值化、归一化与激活操作后进入池化层，连续两次上述操作后传入GAP层进行全局平均池化，最后将GAP层特征传入SVM分类器进行故障识别；步骤S3、使用步骤S1中的配网设备红外图像数据进行模型训练和测试，在训练阶段，运用梯度下降算法来执行反向传播，同时，利用验证集数据验证准确率，训练过程达到预设的迭代轮次，并且模型的准确率符合预设的期望标准，将保存此时模型的最优超参数和对应的权重配置，若未能满足上述条件，则对模型的初始参数进行相应的调整，以寻求最优的模型性能；将已保存参数迁移到CNN-SVM图像识别模型中，利用GAP层的输出特征和样本标签对SVM分类器进行训练；将测试集输入训练好的CNN-SVM图像识别模型，输出故障诊断结果；然后，将之前保存的参数迁移到CNN-SVM图像识别模型中，利用GAP层的输出特征，对SVM分类器进行针对性的训练，针对性的训练即利用样本的输出特征信息，结合该样本所对应的标签作为SVM分类器的训练数据进行模型的训练；步骤S4、使用验证集配网设备红外图像数据对模型准确率进行测试；步骤S5、利用训练完成的CNN-SVM图像识别模型对配网设备红外图像进行识别。

全文数据：

权利要求：

百度查询： 国网吉林省电力有限公司四平供电公司 基于CNN-SVM的配网设备红外图像识别方法和系统