本發明涉及智慧用電領域，具體涉及一種基于卷積神經網絡的用電安全診斷方法。

背景技術：

1、近年來，隨著越來越多用電設備的加入，電氣火災的發生概率也不斷提高，安全用電問題變得愈發重要，現有技術主要利用物聯網、移動終端等無線傳感技術，對被監測線路的運行情況或者被監測場景的環境情況實時診斷，分析電氣參數、溫度、煙霧以及可燃氣體濃度的變化，識別出可能出現的火災或將要發生的火災，以提升用電安全水平。

2、但現有技術診斷方法中電氣參數、溫度、煙霧以及可燃氣體濃度易受周圍電子噪聲和環境的影響，誤報率極高。相比無線傳感技術，基于視覺信息的用電安全診斷方法具有更短響應、更廣監控范圍、更多信息獲取等優勢。

3、因此，提供一種準確率高，響應時間快的用電安全診斷方法，成為目前亟需解決的技術問題。

技術實現思路

1、鑒于上述問題，提出了本申請，提供了一種基于卷積神經網絡的用電安全診斷方法，采用當前診斷時刻的校準溫度值選擇高感受野特征提取通道或低感受野特征提取通道，對當前診斷時刻的目標區域圖像進行特征提取，防止目標特征的丟失或模糊，提高響應速度，減小響應時間，實現目標區域用電安全的準確、快速診斷。

2、本申請提供了一種基于卷積神經網絡的用電安全診斷方法，包括步驟s1至步驟s6：

3、s1：獲取目標區域的當前診斷時刻的溫度值和目標區域圖像、當前診斷時刻之前的n-1個診斷時刻的溫度值，其中n大于等于2；

4、s2：構建去噪校正模塊，接收當前診斷時刻的溫度值和當前診斷時刻之前的n-1個診斷時刻的溫度值，對當前診斷時刻的溫度值去噪校正處理，得到當前診斷時刻的校正溫度值；

5、s3：構建比較模塊，接收當前診斷時刻的校正溫度值，將當前診斷時刻的校正溫度值與預設溫度閾值比較，產生選擇信號；

6、s4：構建預處理模塊，接收目標區域的當前診斷時刻的目標區域圖像，對目標區域圖像進行對比度增強，產生目標區域增強圖像；

7、s5：構建特征提取模塊，接收選擇信號和目標區域增強圖像，根據選擇信號選擇高感受野特征提取通道或低感受野特征提取通道，對目標區域增強圖像進行特征提取，產生目標特征；

8、s6：構建分類器，接收目標特征，對目標特征進行分類，產生診斷結果。

9、其中，對當前診斷時刻的溫度值去噪校正處理，得到當前診斷時刻的校正溫度值，包括步驟s21至步驟s23：

10、s21：基于當前診斷時刻的溫度值和當前診斷時刻之前的n-1個診斷時刻的溫度值，比較得到最大溫度值、最小溫度值；

11、s22：根據最大溫度值、最小溫度值和n個診斷時刻的溫度值，計算得到最優校正系數；

12、s23：根據最優校正系數αopt、當前診斷時刻的前一個診斷時刻的校正溫度值和當前診斷時刻的溫度值，計算得到當前診斷時刻的校正溫度值。

13、其中，最優校正系數具體為：

14、

15、其中，αopt為最優校正系，xmax為最大溫度值，xmin為最小溫度值，xt為診斷時刻t時的溫度值。

16、其中，當前診斷時刻的校正溫度值具體為：

17、sn＝sn-1+αopt(xn-sn-1)

18、其中，sn為當前診斷時刻的校正溫度值，sn-1為當前診斷時刻的前一個診斷時刻的校正溫度值，xn為當前診斷時刻的溫度值。

19、其中，對目標區域圖像進行對比度增強，產生目標區域增強圖像，包括步驟s41至步驟s42：

20、s41：對目標區域圖像的像素的灰度值進行調節；

21、s42：將調節后的像素的灰度值歸一化處理，得到目標區域增強圖像。

22、其中，對目標區域圖像的像素的灰度值進行調節，具體為：

23、

24、其中，p為目標區域圖像中像素的灰度值，pmin為低灰度閾值，pmax為高灰度閾值，p1為調節后的像素的灰度值。

25、其中，歸一化處理具體為：

26、

27、其中，p2為歸一化后的像素的灰度值。

28、其中，根據選擇信號選擇高感受野特征提取通道或低感受野特征提取通道，對目標區域增強圖像進行特征提取，產生目標特征，具體包括步驟s51至步驟s52：

29、s51：當選擇信號指示當前診斷時刻的校正溫度值小于預設溫度閾值時，選擇低感受野特征提取通道，其中低感受野特征提取通道由4個卷積層依次連接，對目標區域增強圖像進行特征提取，產生目標特征；

30、s52：當選擇信號指示當前診斷時刻的校正溫度值不小于預設溫度閾值時，選擇高感受野特征提取通道，其中高感受野特征提取通道由8個卷積層依次連接，對目標區域增強圖像進行特征提取，產生目標特征。

31、其中，分類器采用softmax函數，產生診斷結果。

32、本申請的有益效果是：

33、(1)本申請提供了一種基于卷積神經網絡的用電安全診斷方法，采用當前診斷時刻的校準溫度值選擇高感受野特征提取通道或低感受野特征提取通道，對當前診斷時刻的目標區域圖像進行特征提取，防止目標特征的丟失或模糊，提高響應速度，減小響應時間，實現目標區域用電安全的準確、快速診斷。

34、(2)本申請還構建了去噪校正模塊，設計了一種去噪校準方法，根據目標區域的當前診斷時刻的溫度值和前一個診斷時刻的校正溫度值，去除了溫度值的毛刺和噪聲，綜合計算得到了當前診斷時刻的校正溫度值，提高了溫度值獲取的準確性，改善了后續用電安全的診斷結果。

35、(3)本申請還構建了構建預處理模塊，接收目標區域的當前診斷時刻的目標區域圖像，對目標區域圖像進行對比度增強預處理，增強目標特征，提高了后續特征提取的準確性。

技術特征：

1.一種基于卷積神經網絡的用電安全診斷方法，其特征在于，包括步驟s1至步驟s6：

2.根據權利要求1所述的用電安全診斷方法，其特征在于，所述對當前診斷時刻的溫度值去噪校正處理，得到當前診斷時刻的校正溫度值，包括步驟s21至步驟s23：

3.根據權利要求2所述的用電安全診斷方法，其特征在于，所述最優校正系數具體為：

4.根據權利要求3所述的用電安全診斷方法，其特征在于，所述當前診斷時刻的校正溫度值具體為：

5.根據權利要求1所述的用電安全診斷方法，其特征在于，所述對目標區域圖像進行對比度增強，產生目標區域增強圖像，包括步驟s41至步驟s42：

6.根據權利要求5所述的用電安全診斷方法，其特征在于，所述對目標區域圖像的像素的灰度值進行調節，具體為：

7.根據權利要求6所述的用電安全診斷方法，其特征在于，所述歸一化處理具體為：

8.根據權利要求1所述的用電安全診斷方法，其特征在于，所述根據選擇信號選擇高感受野特征提取通道或低感受野特征提取通道，對目標區域增強圖像進行特征提取，產生目標特征，具體包括步驟s51至步驟s52：

9.根據權利要求1所述的用電安全診斷方法，其特征在于，所述分類器采用softmax函數，產生診斷結果。

技術總結
本申請提供了一種基于卷積神經網絡的用電安全診斷方法，構建去噪校正模塊，對當前診斷時刻的溫度值去噪校正處理，得到當前診斷時刻的校正溫度值；構建比較模塊，將當前診斷時刻的校正溫度值與預設溫度閾值比較，產生選擇信號；構建預處理模塊，對目標區域圖像進行對比度增強，產生目標區域增強圖像；構建特征提取模塊，根據選擇信號選擇高感受野特征提取通道或低感受野特征提取通道，對目標區域增強圖像進行特征提取，產生目標特征；構建分類器，對目標特征進行分類，產生診斷結果。

技術研發人員：胡飛,金劍飛
受保護的技術使用者：浙江鯤游科技有限公司
技術研發日：
技術公布日：2025/4/24