【技术实现步骤摘要】
本专利技术涉及计算机，具体地涉及一种用于识别电力场景的人工智能模型训练方法、一种用于识别电力场景的人工智能模型训练系统、一种机器可读存储介质及一种电子设备。
技术介绍
1、图像处理技术的飞速发展推动了图像识别技术的产生和发展，并逐渐成为人工智能领域中重要的组成部分，并广泛地运用于面部识别、指纹识别、医疗诊断等领域中，发挥重要作用。
2、图像识别是人工智能的一个重要领域，是指利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。在工业使用中，通常采用工业相机拍摄图片，然后再利用软件根据图片灰阶差做进一步识别处理。
3、由于图像识别技术的产生是基于人工智能的基础上，所以计算机图像识别的过程与人脑识别图像的过程大体一致，现有图像识别技术的过程包括如下四个步骤:
4、1、获取信息：指将声音和光等信息通过传感器向电信号转换，也就是对识别对象的基本信息进行获取，并将获取的识别对象的基本信息向计算机可识别的信息转换；
5、2、信息预处理：指采用去噪、变换及平滑等操作对图像进行处理，基于此，使图像的重要特点提高；
6、3、抽取及选择特征：指在模式识别中抽取及选择图像特征，概括而言就是识别图像具有种类多样的特点，如采用一定方式分离，就要识别图像的特征，获取特征也被称为特征抽取；
7、4、设计分类器及分类决策：设计分类器就是根据训练和识别规则进行制定，基于此识别规则能够得到特征的主要种类，进而使图像识别不断提高辨识率，此后再通过识别特殊特征，可以实现对图像
8、由此可见，现有图像识别技术的流程复杂，如何提高电站典型工况的识别效率和准确性，以提高安全性以及实现减员增效是目前亟需解决的问题。
技术实现思路
1、本专利技术实施方式的目的是提供一种用于识别电力场景的人工智能模型训练方法及系统，以至少解决上述的如何提高电站典型工况的识别效率和准确性，以提高安全性以及实现减员增效的问题。
2、为了实现上述目的，本专利技术第一方面提供一种用于识别电力场景的人工智能模型训练方法，包括：
3、基于多种图像采集方案，对预先构建的电力场景模型进行图像采集，以获取多个电力场景图像；其中，各电力场景模型基于不同场景建立规则进行构建；
4、将各电力场景图像输入至人工智能初始模型进行模型训练，得到用于识别电力场景的人工智能模型。
5、可选的，上述电力场景模型包括电力场景图像模型；
6、上述场景建立规则包括：
7、控制目标实验室内的屏幕对预先收集的电力场景图片进行展示，以得到电力场景图像模型；
8、其中，电力场景图像模型用于通过图片的形式展示处于不同背景条件的电力场景，不同背景条件包括不同天气的光线强度数据、不同时间段的光线强度数据以及不同烟尘浓度数据中的一种或多种。
9、可选的，上述电力场景模型包括电力场景实物模型；
10、上述场景建立规则包括：
11、控制布设于目标实验室内的实物场景中的灯光光线强度和烟尘浓度，得到电力场景实物模型；
12、其中，目标实验室内的实物场景基于实际电力场景数据进行布设，电力场景实物模型用于通过控制实物场景中的灯光光线强度和烟尘浓度，以模拟处于不同背景条件的电力场景，不同背景条件包括不同天气的光线强度数据、不同时间段的光线强度数据以及不同烟尘浓度数据中的一种或多种。
13、可选的，上述获取多个电力场景图像，包括：
14、获取实际电力场景图片；
15、将实际电力场景图片中的背景条件进行调整，以使实际电力场景图片与不同背景条件相混合，得到多个电力场景图像。
16、可选的，上述多种图像采集方案包括通过静态摄像头进行图像采集的方案和通过动态摄像头进行图像采集的方案。
17、可选的，上述通过动态摄像头进行图像采集的方案的内容包括：
18、控制预设巡检装置按照预设巡检速率和预设巡检路线进行图像采集；
19、其中，预设巡检装置、预设巡检速率和预设巡检路线均由实际电力场景的实际巡检信息确定，预设巡检装置上设置有高清摄像头和热成像摄像头。
20、可选的，上述获取多个电力场景图像，包括：
21、通过云边协同的方式，获取由远程摄像头采集的实际电力场景的电力生产过程视频；其中，实际电力场景的电力生产过程视频包括多个电力场景图像。
22、本专利技术第二方面提供一种用于识别电力场景的人工智能模型训练系统，包括：
23、图像采集模块，用于基于多种图像采集方案，对预先构建的电力场景模型进行图像采集，以获取多个电力场景图像；其中，各电力场景模型基于不同场景建立规则进行构建；
24、模型训练模块，用于将各电力场景图像输入至人工智能初始模型进行模型训练，得到用于识别电力场景的人工智能模型。
25、在本专利技术第三方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得上述处理器被配置成执行上述的用于识别电力场景的人工智能模型训练方法。
26、在本专利技术第四方面提供一种电子设备，电子设备包括存储器、处理器以及存储在上述存储器中并可在上述处理器上运行的计算机程序，上述处理器执行上述计算机程序时实现上述的用于识别电力场景的人工智能模型训练方法。
27、通过上述技术方案，提供一种用于识别电力场景的人工智能模型训练方法及系统针对电力生产过程，在预先构建的电力场景模型(包括电力场景图像模型和电力场景实物模型)的基础上，利用多种图像采集方案进行图像采集，以获取多个电力场景图像。不同的电力场景模型基于不同场景建立规则进行构建。将各电力场景图像输入至人工智能初始模型进行模型训练，得到用于识别电力场景的人工智能模型。该方法及系统充分利用了人工智能的图像识别技术，将电力场景图像模型和电力场景实物模型相结合，能够实现在目标实验室内进行人工智能模型的识别与训练的目的，进而提高电站典型工况的识别效率和准确性，以提高安全性以及实现减员增效。
28、本专利技术实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种用于识别电力场景的人工智能模型训练方法，其特征在于，包括：
2.根据权利要求1所述的用于识别电力场景的人工智能模型训练方法，其特征在于，所述电力场景模型包括电力场景图像模型；
3.根据权利要求1所述的用于识别电力场景的人工智能模型训练方法，其特征在于，所述电力场景模型包括电力场景实物模型；
4.根据权利要求3所述的用于识别电力场景的人工智能模型训练方法，其特征在于，所述获取多个电力场景图像，包括：
5.根据权利要求1所述的用于识别电力场景的人工智能模型训练方法，其特征在于，所述多种图像采集方案包括通过静态摄像头进行图像采集的方案和通过动态摄像头进行图像采集的方案。
6.根据权利要求5所述的用于识别电力场景的人工智能模型训练方法，其特征在于，所述通过动态摄像头进行图像采集的方案的内容包括：
7.根据权利要求1所述的用于识别电力场景的人工智能模型训练方法，其特征在于，所述获取多个电力场景图像，包括：
8.一种用于识别电力场景的人工智能模型训练系统，其特征在于，包括：
9.一种机器可
10.一种电子设备，所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项权利要求所述的用于识别电力场景的人工智能模型训练方法。
...【技术特征摘要】
1.一种用于识别电力场景的人工智能模型训练方法，其特征在于，包括：
2.根据权利要求1所述的用于识别电力场景的人工智能模型训练方法，其特征在于，所述电力场景模型包括电力场景图像模型；
3.根据权利要求1所述的用于识别电力场景的人工智能模型训练方法，其特征在于，所述电力场景模型包括电力场景实物模型；
4.根据权利要求3所述的用于识别电力场景的人工智能模型训练方法，其特征在于，所述获取多个电力场景图像，包括：
5.根据权利要求1所述的用于识别电力场景的人工智能模型训练方法，其特征在于，所述多种图像采集方案包括通过静态摄像头进行图像采集的方案和通过动态摄像头进行图像采集的方案。
6.根据权利要求5所述的用于识别电力场景的人工智能模型训练方法，其特征...
【专利技术属性】
技术研发人员：张秋生，张洪福，何宁，谢天，王富强，刘千，张婷，李亚巍，张文亮，李京，崔亚辉，康佳垚，吕方超，
申请(专利权)人：国家能源集团新能源技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。