本發(fā)明涉及圖像識(shí)別，特別涉及一種電氣圖元器件識(shí)別模型訓(xùn)練方法。

背景技術(shù)：

1、為了能對(duì)無(wú)紙化處理后的電器圖進(jìn)行快速編輯，需要對(duì)電器圖中的電器元件進(jìn)行智能識(shí)別。電器圖識(shí)別的準(zhǔn)確與否，直接影響到后續(xù)推理解答的準(zhǔn)確率。電器圖識(shí)別技術(shù)的研究是電路分析領(lǐng)域與模式識(shí)別領(lǐng)域的交叉方向。在近幾十年的發(fā)展過(guò)程中來(lái)看，大多采用計(jì)算機(jī)視覺(jué)領(lǐng)域中的圖像識(shí)別方法。

2、但是目前應(yīng)用于電器圖識(shí)別的基于有監(jiān)督學(xué)習(xí)的識(shí)別模型或無(wú)監(jiān)督學(xué)習(xí)模型訓(xùn)練過(guò)程中，由于訓(xùn)練中的樣本不平衡，使得模型訓(xùn)練存在速度慢、不易收斂的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)的缺陷，本發(fā)明針對(duì)無(wú)監(jiān)督/有監(jiān)督學(xué)習(xí)的電氣圖元器件識(shí)別模型，給出了一種補(bǔ)訓(xùn)練樣本的方法，解決了訓(xùn)練中的樣本不平衡對(duì)模型收斂速度的影響問(wèn)題，從而使得模型收斂速度更快。

2、為了達(dá)到上述目的，本發(fā)明提出了一種電氣圖元器件識(shí)別模型訓(xùn)練方法，包括如下步驟：

3、(1)獲取多個(gè)電氣圖中所有電器元件樣本圖像，作為訓(xùn)練集；

4、(2)針對(duì)電氣圖元器件識(shí)別模型，使用所述訓(xùn)練集對(duì)所述電氣圖元器件識(shí)別模型進(jìn)行訓(xùn)練；

5、(2.1)針對(duì)所有所述訓(xùn)練集圖像l1，l2，...，lx進(jìn)行分類，其中x為所述訓(xùn)練集圖像數(shù)量，得到各訓(xùn)練子集；

6、(2.2)針對(duì)每一個(gè)所述訓(xùn)練子集，分別選取其中所有所述電器元件的圖像數(shù)量的1/m組成第一次迭代的訓(xùn)練集；使用所述電氣圖元器件識(shí)別模型對(duì)所述第一次迭代的訓(xùn)練集做聚類，分別統(tǒng)計(jì)每一個(gè)所述訓(xùn)練子集下的準(zhǔn)確率；

7、(2.3)針對(duì)準(zhǔn)確率最低的所述訓(xùn)練子集，下一次選取該訓(xùn)練子集中所有所述電器元件的圖像數(shù)量的2/m，其余所述訓(xùn)練子集選取其所有所述電器元件的圖像數(shù)量的1/m組成下一次迭代的訓(xùn)練集，使用所述電氣圖元器件識(shí)別模型對(duì)其進(jìn)行聚類，并分別統(tǒng)計(jì)每一個(gè)所述訓(xùn)練子集下的準(zhǔn)確率；

8、(2.4)不斷重復(fù)步驟(2.3)直至所有所述訓(xùn)練子集下的準(zhǔn)確率都大于閾值，模型訓(xùn)練完成，得到訓(xùn)練好的所述電氣圖元器件識(shí)別模型；

9、(3)獲取待識(shí)別的電氣圖，使用訓(xùn)練好的所述電氣圖元器件識(shí)別模型進(jìn)行元器件識(shí)別。

10、進(jìn)一步的，所述步驟(2.1)中通過(guò)所述訓(xùn)練集圖像中子部件數(shù)量和元器件筆畫(huà)數(shù)量進(jìn)行分類，將子部件數(shù)量與元器件筆畫(huà)數(shù)量一樣的元器件歸為一類，得到各訓(xùn)練子集，分別記作aij，其中i代表子部件數(shù)量，j代表元器件筆畫(huà)數(shù)量。

11、進(jìn)一步的，所述m取20或者30，所述閾值為80％。

12、進(jìn)一步的，所述電氣圖元器件識(shí)別模型包括無(wú)監(jiān)督學(xué)習(xí)模型或有監(jiān)督學(xué)習(xí)模型。

13、進(jìn)一步的，所述無(wú)監(jiān)督學(xué)習(xí)模型為k-means模型；所述有監(jiān)督學(xué)習(xí)模型為k近鄰模型。

14、本發(fā)明還提供了一種電氣圖元器件識(shí)別模型訓(xùn)練裝置，包括：

15、訓(xùn)練數(shù)據(jù)獲取模塊：用于獲取多個(gè)電氣圖中所有電器元件樣本，并進(jìn)行預(yù)處理，得到各所述電器元件的圖像作為訓(xùn)練集；

16、模型訓(xùn)練模塊，用于針對(duì)電氣圖元器件識(shí)別模型，使用所述訓(xùn)練集對(duì)所述電氣圖元器件識(shí)別模型進(jìn)行訓(xùn)練；

17、識(shí)別模塊，用于獲取待識(shí)別的電氣圖，使用訓(xùn)練好的所述電氣圖元器件識(shí)別模型進(jìn)行元器件識(shí)別。

18、本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被執(zhí)行時(shí)實(shí)現(xiàn)如上所述的電氣圖元器件識(shí)別模型訓(xùn)練方法。

19、本發(fā)明還提供了一種計(jì)算機(jī)設(shè)備，其包括處理器、存儲(chǔ)器及存儲(chǔ)于所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如上所述的電氣圖元器件識(shí)別模型訓(xùn)練方法。

20、本發(fā)明的有益效果：

21、本發(fā)明給出的針對(duì)電氣圖元器件識(shí)別模型采用補(bǔ)訓(xùn)練樣本來(lái)進(jìn)行電氣圖元器件識(shí)別方法，能夠解決訓(xùn)練中的樣本不平衡對(duì)模型收斂速度的影響問(wèn)題，從而使得模型收斂速度更快，更好的進(jìn)行電氣圖元器件的識(shí)別。

技術(shù)特征：

1.一種電氣圖元器件識(shí)別模型訓(xùn)練方法，其特征在于，包括如下步驟：

2.根據(jù)權(quán)利要求1所述的電氣圖元器件識(shí)別模型訓(xùn)練方法，其特征在于，所述步驟(2.1)中通過(guò)所述訓(xùn)練集圖像中子部件數(shù)量和元器件筆畫(huà)數(shù)量進(jìn)行分類，將子部件數(shù)量與元器件筆畫(huà)數(shù)量一樣的元器件歸為一類，得到各訓(xùn)練子集，分別記作aij，其中i代表子部件數(shù)量，j代表元器件筆畫(huà)數(shù)量。

3.根據(jù)權(quán)利要求1所述的電氣圖元器件識(shí)別模型訓(xùn)練方法，其特征在于：所述m取20或者30，所述閾值為80％。

4.根據(jù)權(quán)利要求1所述的電氣圖元器件識(shí)別模型訓(xùn)練方法，其特征在于：所述電氣圖元器件識(shí)別模型包括無(wú)監(jiān)督學(xué)習(xí)模型或有監(jiān)督學(xué)習(xí)模型。

5.根據(jù)權(quán)利要求4所述的電氣圖元器件識(shí)別模型訓(xùn)練方法，其特征在于：所述無(wú)監(jiān)督學(xué)習(xí)模型包括k-means模型；所述有監(jiān)督學(xué)習(xí)模型包括k近鄰模型。

6.一種電氣圖元器件識(shí)別模型訓(xùn)練裝置，其特征在于，包括：

7.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1～5任一項(xiàng)所述的電氣圖元器件識(shí)別模型訓(xùn)練方法。

8.一種計(jì)算機(jī)設(shè)備，其特征在于，其包括處理器、存儲(chǔ)器及存儲(chǔ)于所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1～5任一項(xiàng)所述的電氣圖元器件識(shí)別模型訓(xùn)練方法。

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種電氣圖元器件識(shí)別模型訓(xùn)練方法，屬于圖像識(shí)別技術(shù)領(lǐng)域。該方法包括：獲取多個(gè)電氣圖中所有電器元件樣本圖像，作為訓(xùn)練集；針對(duì)所有訓(xùn)練集圖像進(jìn)行分類，得到各訓(xùn)練子集；分別選取每個(gè)子集中1/m數(shù)量的圖像組成第一次迭代的訓(xùn)練集；使用識(shí)別模型對(duì)第一次迭代的訓(xùn)練集做聚類，統(tǒng)計(jì)每一個(gè)訓(xùn)練子集下的準(zhǔn)確率；針對(duì)準(zhǔn)確率最低的訓(xùn)練子集，下一次選取其圖像數(shù)量的2/m，其余訓(xùn)練子集選取圖像數(shù)量的1/m組成下一次迭代的訓(xùn)練集，不斷重復(fù)上述操作，直至訓(xùn)練好的識(shí)別模型。本發(fā)明解決了訓(xùn)練中的樣本不平衡對(duì)模型收斂速度的影響，從而使得模型收斂速度更快，更好的進(jìn)行電氣圖元器件的識(shí)別。

技術(shù)研發(fā)人員：張毅駿,王春光,彭富裕
受保護(hù)的技術(shù)使用者：億可能源科技（上海）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9