基于深度学习卷积神经网络技术的电网输电缺陷智能管理系统的制作方法

1.本发明属于图像识别管理系统，尤其是一种电网输电线路缺陷的图像识别管理技术。


背景技术：

2.输电线路缺陷的发现和消除对电网安全运行有至关作用。以往，一线员工在实际工作中进行缺陷判定仍然存在一定的模糊，如“轻微锈蚀”和“严重锈蚀”的界定范围，因此不同人员容易依据自己的主观判断对缺陷进行定级，导致缺陷定级出现误差，从而影响到缺陷的消缺工作，对电网可靠的安全运行造成了风险和威胁。目前，随着电网智能化、信息化技术的发展，依靠人为经验判断逐渐被机器替代。利用图像识别技术结合移动互联网，辅助一线操作人员第一时间更加准确的判断缺陷、定级缺陷，非常有利于提升输电线路缺陷定级准确率和效率。
3.输电缺陷智能管理系统建立，且运行能够高效稳定的因素是缺陷图库和部件库、标签库、卷积神经网络模型的建立和调优。


技术实现要素：

4.本发明的目的是提出一种基于深度学习卷积神经网络技术的电网输电缺陷智能管理系统，系统能够将缺陷图库、部件库、标签库、卷积神经网络模型建立并优化。
5.本发明基于深度学习卷积神经网络技术的电网输电缺陷智能管理系统，其特征在于系统包括数据的采集，以及应用架构的建立，其中：数据采集是利用深度学习算法链对异构数据源，建立多层抽象数据学习模型，进行抽象知识的挖掘推理；同时使用docker和 kubernetes构建企业容器云，搭建多层感知器模型(multi layer perceptron)模拟学习神经元行为，通过内建不同场景的配置器对组建应用场景上下文相关的多层次隐层算法链；应用架构包括数据层、模型层和设计层；数据层分为数据库访问逻辑模块和底层数据实体两部分；模型层承接数据与业务的整合，读取数据用于深度学习、模型调优，同时为设计层提供部件缺陷等级分类的人工智能服务。
6.本发明的系统，结构合理，可将电网输电缺陷等级库、部件信息库、缺陷标签库和智能算法建立统一，并实现其优化，使得系统运行稳定，辨识度高，保证数据运算的性能，提高模型或识别的识别、分类速度。
7.系统的运用，辅助员工第一时间更加准确的判断缺陷、定级缺陷，非常有利于提升输电线路缺陷定级准确率和效率，从而正确指导消缺工作计划的安排，避免了对因定级不准导致的未及时消除缺陷，从而威胁电网正常运行的风险。
附图说明
8.图1是应用架构示意图。
具体实施方式
9.实施例1：基于深度学习卷积神经网络技术的电网输电缺陷智能管理系统，包括数据的采集，以及应用架构的建立，其中：数据采集是利用深度学习算法链对异构数据源，建立多层抽象数据学习模型，进行抽象知识的挖掘推理；同时使用docker和 kubernetes构建企业容器云，搭建多层感知器模型(multi layer perceptron)模拟学习神经元行为，通过内建不同场景的配置器对组建应用场景上下文相关的多层次隐层算法链，自主总结数据特征，从而归纳和演绎成深层次的模式规律，根据导入数据以及目标模型设定，为最终解决生产环节的目标问题提供优化方案以及效果仿真训练。通过实现局部感知与权值共享。
10.每个神经元无需对全局图像做感受，只需要感受局部区域（feature map）在高层会将整个些感受不同局部的神经元综合起来获得全局信息。
11.应用架构包括数据层、模型层和设计层；其中：数据层是部件缺陷智能分类系统的基础,也是最终所展示数据的来源。在应用中数据层分为数据库访问逻辑模块和底层数据实体两部分。逻辑模块以方法的形式封装“连接建立”、“数据访问”、“数据封装”等功能并提供给上层直接调用,达到获取数据的目的。底层数据实体是数据访问逻辑模块操作的对象，底层数据实体提供数据端来源和依据，包括电网输电缺陷等级库、部件信息库、缺陷标签库。
12.模型层是系统的核心层，它承接数据与业务的整合，它读取数据用于深度学习、模型调优。同时为设计层提供部件缺陷等级分类的人工智能服务。模型层的建立有技术人员发起，包括神经网络参数微调、数据端和设计端的接口对接。模型层包括识别模型、分类模型和派单模型。
13.设计层则包括图片识别、缺陷分类和智能派单模块，实现部件缺陷等级分类的人工智能服务。

技术特征：
1.基于深度学习卷积神经网络技术的电网输电缺陷智能管理系统，其特征在于系统包括数据的采集，以及应用架构的建立，其中：数据采集是利用深度学习算法链对异构数据源，建立多层抽象数据学习模型，进行抽象知识的挖掘推理；同时使用docker和 kubernetes构建企业容器云，搭建多层感知器模型(multi layer perceptron)模拟学习神经元行为，通过内建不同场景的配置器对组建应用场景上下文相关的多层次隐层算法链；应用架构包括数据层、模型层和设计层；数据层分为数据库访问逻辑模块和底层数据实体两部分；模型层承接数据与业务的整合，读取数据用于深度学习、模型调优，同时为设计层提供部件缺陷等级分类的人工智能服务。2.基于深度学习卷积神经网络技术的电网输电缺陷智能管理系统，其特征在于应用架构数据层包括电网输电缺陷等级库、部件信息库、缺陷标签库；应用架构模型层包括识别模型、分类模型和派单模型；应用架构设计层则包括图片识别、缺陷分类和智能派单模块。
技术总结
基于深度学习卷积神经网络技术的电网输电缺陷智能管理系统，属于图像识别管理系统，尤其是一种电网输电线路缺陷的图像识别管理技术。系统包括数据的采集，以及应用架构的建立，其中应用架构数据层包括电网输电缺陷等级库、部件信息库、缺陷标签库；应用架构模型层包括识别模型、分类模型和派单模型；应用架构设计层则包括图片识别、缺陷分类和智能派单模块。本发明的系统，结构合理，可将电网输电缺陷等级库、部件信息库、缺陷标签库和智能算法建立统一，并实现其优化，使得系统运行稳定，辨识度高，保证数据运算的性能，提高模型或识别的识别、分类速度。分类速度。分类速度。


技术研发人员：倪凡 冯光璐 黄莉雅 李然 欧阳静 舒彧 陈卿 方继宇
受保护的技术使用者：贵州电网有限责任公司
技术研发日：2021.03.02
技术公布日：2021/6/29