电网设备图像标注方法、电子设备及存储介质

技术领域

本发明涉及图像识别的技术领域，特别涉及一种电网设备图像标注方法、电子设备及存储介质。

背景技术

传统的图像标注方式，都是将素材导出来后，通过人工进行标注，耗时较长。在相关的技术中，有采用神经网络进行标注的方式，但是目前的神经网络标注方式，兼容性较低，在不同的设备上运行的效率不同。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种电网设备图像标注方法、电子设备及存储介质，兼容性较高，可以实现在不同设备上的顺畅运行。

根据本发明的第一方面实施例的电网设备图像标注方法，包括以下步骤：

将神经网络算法模型通过容器化加载，得到容器化加载后的神经网络算法模型；

将待标注图像输入所述神经网络算法模型，得到被标注的图像。

根据本发明实施例的电网设备图像标注方法，至少具有如下有益效果：首先将神经网络算法模型通过容器化加载，得到容器化加载后的神经网络算法模型。然后将待标注图像输入所述神经网络算法模型，得到被标注的图像。由于通过将神经网络算法模型通过容器化加载，然后将待标注图像输入容器化加载后的神经网络算法模型，进行图像识别。当需要将标注用的神经网络算法模型转移到其他设备使用时，可以直接将容器转移，如此标注用的神经网络算法模型在不同的设备中的运行环境，与原环境相同，因此兼容性较高，可以实现在不同设备上的顺畅运行。

根据本发明的一些实施例，所述将待标注的图像输入所述神经网络算法模型，得到被标注的图像，包括：

获取通讯网络传输的所述待标注图像；

将待标注的图像输入所述神经网络算法模型，得到被标注的图像。

根据本发明的一些实施例，还包括：

对所述神经网络算法模型进行训练。

根据本发明的一些实施例，所述对所述神经网络算法模型进行训练，包括：

获取已标注的图像训练集合；

将所述图像训练集合输入所述神经网络算法模型进行训练，得到训练后的所述神经网络算法模型。

根据本发明的一些实施例，还包括：

将训练环境和待训练的所述神经网络算法模型经过容器化加载到容器中。

根据本发明的一些实施例，所述被标注的图像为+json格式的标注结果文件。

根据本发明的一些实施例，所述神经网络算法模型包括如下之一：SSD、Yolo V3、Faster-Rcnn、mobileNet。

根据本发明的一些实施例，还包括：

将被标注的图像传输至显示界面。

根据本发明的第二方面实施例的电子设备，包括：

至少一个处理器，以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的电网设备图像标注方法。

根据本发明的第三方面实施例的存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述的电网设备图像标注方法。

本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例的电子设备的示意图；

图2为本发明实施例的电网设备图像标注方法的流程图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，需要理解的是，涉及到方位描述，例如上、下、前、后、左、右等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

在本发明的描述中，若干的含义是一个或者多个，多个的含义是两个以上，大于、小于、超过等理解为不包括本数，以上、以下、以内等理解为包括本数。如果有描述到第一、第二只是用于区分技术特征为目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。

本发明的描述中，除非另有明确的限定，设置、安装、连接等词语应做广义理解，所属技术领域技术人员可以结合技术方案的具体内容合理确定上述词语在本发明中的具体含义。

参照图1，该电子设备100的部件包括但不限于存储器110和处理器120。处理器120与存储器110通过总线130相连接，数据库160用于保存数据。

电子设备100还包括接入设备140，接入设备140使得电子设备100能够经由一个或多个网络150通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备1400可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或者多个，例如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口等等。

在本发明的一些具体实施例中，电子设备100的上述部件以及图1中未示出的其他部件可以彼此相连接，例如通过总线。应当理解，图1所示的电子设备结构框图仅仅是出于示例的目的，而不是对本发明范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。电子设备100可以是任何类型的电子设备100，例如计算机、智能手机、智能平板等。

其中，处理器120可以执行图2所示设备状态检测方法中的步骤。图2示出了根据本发明实施例的设备状态检测方法的流程图，参照图2，包括步骤S100至步骤S300。

步骤S100：将神经网络算法模型通过容器化加载，得到容器化加载后的神经网络算法模型。

可以理解的是，还包括对所述神经网络算法模型进行训练。所述对所述神经网络算法模型进行训练，包括：获取已标注的图像训练集合；将所述图像训练集合输入所述神经网络算法模型进行训练，得到训练后的所述神经网络算法模型。

例如，通过设备持续采集的素材，通过素材的下发，统一发送到人工智能平台中，由人工智能平台统一管理。人工智能平台将采集到的素材，通过其素材的大小，类型，将异常数据废除，形成最终的待标准数据集。形成待标注数据集后，人工智能平台通过待标注数据集采集设备，采集时间，采集角度等信息，按照均衡化原则，按比例抽取部分数据通过人工进行标注，以便形成一个包含绝大部分情况的预训练素材，即图像训练集合。将标注之后的预训练素材，使用容器化技术，将训练的环境及训练的算法加载起来，然后通过人工智能平台，将预训练的素材传输到容器中进行训练，通过训练，形成一个初步的预训练模型，整个过程，由人工智能平台统一管理，无需人工参与。

步骤S200：将待标注图像输入所述神经网络算法模型，得到被标注的图像。

可以理解的是，所述将待标注的图像输入所述神经网络算法模型，得到被标注的图像，包括：获取通讯网络传输的所述待标注图像；将待标注的图像输入所述神经网络算法模型，得到被标注的图像。所述被标注的图像为+json格式的标注结果文件。所述神经网络算法模型包括如下之一：SSD、Yolo V3、Faster-Rcnn、mobileNet。将被标注的图像传输至显示界面。

例如，将训练出来的预训练模型进行保存，并保存到人工智能平台中，通过人工智能平台通过容器化技术，将模型加载起来，并运行，并提供对外的http服务，用于素材的请求响应，输入为待标注素材，输出为标注结果。人工智能平台获取到标注结果后，根据输入素材的名词及标注结果，形成素材+json格式的标注结果文件，形成统一的标注数据。通过人工智能平台，可以查看预训练模型的反向标注全部情况，在界面上统一展示标注结果，有标注错误或者不准确的，可直接在上面修正，重新输入到预训练素材中，丰富预训练素材。对于预训练数据标注正确的素材，可直接标注输入到预训练素材里面，继续丰富预训练素材，通过该方式，经过多次迭代后，最终完成全部数据的标注。可适用于深度学习算法SSD，Yolo V3，Faster-Rcnn，mobileNet等但不限于这些，在需要进行人工标注领域均可使用。

首先将神经网络算法模型通过容器化加载，得到容器化加载后的神经网络算法模型。然后将待标注图像输入所述神经网络算法模型，得到被标注的图像。由于通过将神经网络算法模型通过容器化加载，然后将待标注图像输入容器化加载后的神经网络算法模型，进行图像识别。当需要将标注用的神经网络算法模型转移到其他设备使用时，可以直接将容器转移，如此标注用的神经网络算法模型在不同的设备中的运行环境，与原环境相同，因此兼容性较高，可以实现在不同设备上的顺畅运行。

本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机执行上述的电网设备图像标注方法。

需要说明的是，该计算机可读存储介质的技术方案与上述的电网设备图像标注方法的技术方案属于同一构思，计算机可读存储介质的技术方案未详细描述的细节内容，均可以参见上述电网设备图像标注方法的技术方案的描述。

以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，均包含在本申请的保护范围内。

上面结合附图对本发明实施例作了详细说明，但是本发明不限于上述实施例，在所述技术领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。