技术摘要：
一种基于输电线路通道图像连续告警的可疑样本识别方法，利用图像分析模型对某可视化巡视设备采集的图像进行实时识别，用连续告警模型对识别结果进行判断，确定其是否触发连续告警：如果触发则将其中识别为无隐患的图像标记为可疑漏报样本，未触发则将其中识别为有隐患  全部
背景技术：
随着输电线路检修技术的升级，输电线路通道可视化巡视被广泛应用，目前已经 实现对可视化图像的自动识别并标注出图像内出现的告警物体，如塔吊及挖掘机等机械 类、烟雾类、异物类等。但图像分析模型存在一定的误报和漏报，需要进行持续的优化升级， 为此需要收集大量的漏报和误报样本，收集过程需要人工进行筛选确认，耗费大量的人力， 且人工筛选过程中受主观因素影响较大。 综上所述，如何提供一种低成本、高质量的样本筛选方法，缩小样本筛选范围，用 于图像分析模型准确率提升，为输电线路智能检修提供技术支撑，是目前本领域技术人员 亟待解决的问题之一。
技术实现要素：
针对现有技术的不足，本发明公开一种基于输电线路通道图像连续告警的可疑样 本识别方法。本发明的目的是提供一种低成本、高质量的样本筛选方法，基于连续告警模型 对输电通道可视化图像分析模型的识别结果进行分析，找出其中疑似误报或疑似漏报的样 本，用于图像分析模型准确率的提升。 本发明的技术方案如下： 一种基于输电线路通道图像连续告警的可疑样本识别方法，其特征在于，包括以 下步骤： a、利用图像分析模型对某可视化巡视设备采集的图像进行实时识别，得到识别结 果：有隐患图像和无隐患图像； b、用连续告警模型对识别结果进行判断； c、确定图像数据是否触发连续告警，得到结果：触发连续告警和未触发连续告警； d、当步骤c所得结果为触发某类隐患连续告警，且步骤a中图像存在识别结果为无 隐患的图像时，则将该部分图像标记为可疑漏报样本； e、当步骤c所得结果为未触发连续告警，且步骤a中图像存在识别结果为有隐患的 图像时，则将该部分图像标记为可疑误报样本。 步骤a所述图像分析模型是指，能自动识别图像中存在的隐患及类型的模型，在本 专利中用到该模型的识别结果，但不对图像分析模型的功能做权利要求； 步骤b所述连续告警模型是指，能对图像分析模型的识别结果进行进一步的分析， 确定是否存在持续性的某类隐患告警，在本专利中用到该模型的判断结果，但不对连续告 警模型的功能做权利要求。 根据本发明优选的，所述步骤d包含以下详细步骤： 3 CN 111582192 A 说　明　书 2/5 页 d1：选定步骤a中处于连续告警范围内的图像； d2：将步骤d1中选定的图像结合步骤a的识别结果，选出识别为无隐患的图像； d3：将步骤d2中选定的图像标记为可疑漏报样本。 根据本发明优选的，所述步骤e包含以下详细步骤： e1：结合步骤a的识别结果，选出识别为有隐患的图像； e2：将步骤e1中选定的图像标记为可疑误报样本。 本发明的优点和有益效果如下： (1)本发明能对图像分析模型的识别结果进行可疑漏报和可疑误报样本标记，为 图像分析模型的优化升级提供大量可用样本。 (2)本发明基于图像分析模型的识别结果和连续告警模型的判断结果自动进行可 疑样本标记，大大缩小了误报样本和漏报样本的筛选范围。人工整理误报和漏报样本的方 法：1、误报样本，需要对图像识别模型的识别结果进行确认，如图像识别模型从50万张图像 中识别出1万张出现挖掘机的图像，需要人工确认这1万张图像是否都有挖掘机，将没有挖 掘机的图像标记为误报样本；2、漏报样本，在上例中需找出剩余49万张图像中出现挖掘机 但没有识别的图像，标记为漏报样本。本发明可以解决人工整理样本工作量大、筛选结果受 主观影响大的问题。 附图说明 图1是本发明中的识别方法的流程示意图； 图2是本发明中实施例的步骤a中图像分析模型的识别结果； 图 3 a 是 应 用例 1 中 可 疑 误 报 样 本的 原 始图 像 9 9 0 0 0 8 4 3 0 7 3 4 9 8 _ 20190415080013.jpg； 图 3 b是 应 用例 1 中 可 疑 误 报 样 本的 原 始图 像 9 9 0 0 0 8 4 3 0 7 3 4 9 8 _ 20190415113012.jpg； 图 4 a 是 应 用例 2中 可 疑 漏 报 样 本的 原 始图 像 9 9 0 0 0 8 4 3 0 6 4 2 8 7 _ 20190415113210.jpg； 图 4 b是 应 用例 2中 可 疑 漏 报 样 本的 原 始图 像 9 9 0 0 0 8 4 3 0 6 4 2 8 7 _ 20190415123124.jpg。