基于無監(jiān)督學(xué)習(xí)的配電房設(shè)備異常監(jiān)測方法與系統(tǒng)

基本信息

申請?zhí)?/td> CN202210052733.4 申請日 -
公開（公告）號 CN114419506A 公開（公告）日 2022-04-29
申請公布號 CN114419506A 申請公布日 2022-04-29
分類號 G06V20/40（2022.01）I;G06V10/774（2022.01）I;G06V20/52（2022.01）I;G06V10/25（2022.01）I;G06V10/82（2022.01）I;G06V10/72（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I 分類 計算；推算；計數(shù);
發(fā)明人 穆曉琛 申請（專利權(quán)）人 南京思飛赫能信息技術(shù)有限公司
代理機(jī)構(gòu) 合肥東信智谷知識產(chǎn)權(quán)代理事務(wù)所（普通合伙） 代理人 劉寒冰
地址 210000江蘇省南京市雨花臺區(qū)寧雙路28號匯智大廈A棟6層609室
法律狀態(tài) -

摘要

摘要 本發(fā)明提供了基于無監(jiān)督學(xué)習(xí)的配電房設(shè)備異常監(jiān)測方法與系統(tǒng)，包括：樣本收集模塊：收集不同ROI區(qū)域內(nèi)正常設(shè)備的不同時刻圖像樣本；深度特征提取模塊：對圖像樣本，使用訓(xùn)練模型訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)提取深度特征向量，對不同ROI區(qū)域圖像的深度特征向量進(jìn)行裁剪；混合高斯建模模塊：根據(jù)裁剪后ROI區(qū)域圖像的深度特征向量對每個像素位置的深度特征向量使用K個高斯分布進(jìn)行混合高斯建模；圖像異常判別模塊：根據(jù)預(yù)設(shè)的像素異常判別閾值，計算異常像素總數(shù)，并計算異常像素百分比，根據(jù)預(yù)設(shè)的圖像異常判別閾，判別當(dāng)前ROI區(qū)域圖像是否異常；本發(fā)明的基于無監(jiān)督學(xué)習(xí)的配電房設(shè)備異常監(jiān)測方法及系統(tǒng)，對所有設(shè)備圖像均適用，避免了算法的重復(fù)設(shè)計。