[发明专利]一种基于深度学习的电力图像分类方法

摘要

本发明公开了一种基于深度学习的电力图像分类方法，步骤采用乱序发射机制实现输入电力图像的逐类发射在乱序发射机制中采用第一缓存区和第二缓存区，第一缓存区用于存储若干张待处理的图象，从第一缓存区中选取若干张图象存储到第二缓存区中，第二缓存区的图象排队等候发射；对电力图像进行区域提取；对区域提取后的图象进行增强处理；对增强处理后的图像的进行大小调整，并将该图象格式化使其满足分类器的输入；将数据输入到分类器中，选择不同的训练集大小和训练速度进行多次实验，并将分类准确率和效率进行对比分析，选出最优的训练参数，以获得最佳训练效果。本发明比传统技术有着明显的优势，训练的收敛速度较快并有较高的准确率。

主权项

一种基于深度学习的电力图像分类方法，其特征是，包括以下步骤：步骤S1：采用乱序发射机制实现输入电力图像的逐类发射：在乱序发射机制中采用第一缓存区和第二缓存区，所述第一缓存区用于存储若干张待处理的图像，从第一缓存区中选取若干张图像存储到第二缓存区中，第二缓存区的图像排队等候发射；所述第二缓存区的图像按照图像类型标签逐类排序，进一步保证了训练一直处于有效状态；步骤S2：对电力图像进行区域提取：图像的色数估计、图像的区域聚类和图像的分割融合；步骤S3：使用基于非线性变换的改进的拉普拉斯算子对步骤S2的区域提取后的图像进行增强处理；步骤S4：对步骤S3增强处理后的图像的进行大小调整，并将该图像格式化使其满足分类器的输入；步骤S5：将步骤S4的数据输入到分类器中，选择不同的训练集大小和训练速度进行多次实验，并将分类准确率和效率进行对比分析，选出最优的训练参数，以获得最佳训练效果。