一种深度学习算法模型自动迭代方法
基本信息
| 申请号 | CN202111388669.9 | 申请日 | - |
| 公开（公告）号 | CN114155421A | 公开（公告）日 | 2022-03-08 |
| 申请公布号 | CN114155421A | 申请公布日 | 2022-03-08 |
| 分类号 | G06V20/00（2022.01）I;G06V10/764（2022.01）I;G06V10/74（2022.01）I;G06V10/44（2022.01）I;G06V10/26（2022.01）I;G06V10/82（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 赵常威;钱宇骋;李坚林;温招扬;朱太云;杨为;吴海峰;甄超;潘超;黄文礼;李森林 | 申请（专利权）人 | 安徽南瑞继远电网技术有限公司 |
| 代理机构 | 合肥正则元起专利代理事务所（普通合伙） | 代理人 | 李浩宇 |
| 地址 | 230000安徽省合肥市经济技术开发区紫云路299号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种深度学习算法模型自动迭代方法，属于电力技术领域，包括：步骤一：采集输变电现场设备的巡检影像，对采集的巡检影像进行审核和标注；步骤二：根据处理后的巡检影像构建算法模型；步骤三：实时获取输变电现场每天会上传的巡检影像，对每天上传的巡检影像进行筛选，获得有效新样本，并将有效新样本根据设备类型进行分类和处理，形成不同类型的有效新样本集；步骤四：定时监控有效新样本集内有效新样本数量，当监控到有效新样本集内有效新样本数量大于阈值X3时，将有效新样本集作为训练集对算法模型进行迭代；通过深度学习算法模型的自动迭代，降低建立深度学习算法模型的人工参与量，建立完算法模型后，能够进行自动迭代。 |
