本申请属于图像识别，尤其涉及一种水电站设备识别方法、装置、电子设备和存储介质。
背景技术：
1、随着水电站自动化程度的提高，对水电站设备的管理和维护提出了更高的要求。为了提高效率，目前对于水电站中设备的检测和识别，通常通过拍摄设备照片来实现。
2、在对水电站设备拍摄照片进行识别的过程中，通常使用神经网络、模版匹配、特征提取等方法识别图片中是设备，但是，识别结果仍然受到环境、数据训练误差等方面的影响，导致识别结果不准确。例如：1、图片识别在复杂背景下的识别准确率较低，特别是对于部分遮挡或光线不足的情况；2、拍摄环境的变化如光照、角度等对识别效果有较大影响。并且水电站中存在一些具有不同编号的相同设备，即使用上述方法识别出该设备类型，由于设备类型外形相同，难以确定所识别的设备对应的设备编号。
3、因此，如何提高水电站设备识别的准确性，成为了亟需要解决的问题。
技术实现思路
1、本申请提供一种水电站设备识别方法、装置、电子设备和存储介质，快速准确的识别水电站中的设备及设备对应的编号。
2、第一方面，本申请实施例提供了一种水电站设备识别方法，所述方法包括：获取待检测图片信息，所述待检测图片信息包括待检测图片和待检测图片拍摄位置信息；基于所述待检测图片和已经构建好的图片识别模型，确定待检测图片内的预测设备类型；基于所述预测设备类型、所述待检测图片拍摄位置信息和预设设备信息，确定所述待检测图片内的准确设备类型和设备编号。
3、在一种可能的实现方式中，所述待检测图片拍摄位置信息，包括待检测图片拍摄位置的经纬度信息、拍摄位置的高程信息和拍摄位置的朝向信息；所述预设设备信息，包括水电站内的设备类型、设备编码和设备位置信息。
4、在一种可能的实现方式中，所述设备位置信息包括水电站内设备经纬度信息和设备高程信息。
5、在一种可能的实现方式中，构建所述图片识别模型，包括：获取水电站图片，所述水电站图片由包含水电站设备的图片和不包含水电站设备的图片组成；基于所述水电站图片和卷积神经网络模型，确定所述图片识别模型。
6、在一种可能的实现方式中，所述基于所述水电站图片和卷积神经网络模型，确定所述图片识别模型，包括：基于所述水电站图片和预设比例，确定训练数据集合和测试数据集合；基于所述训练数据集合对所述卷积神经网络模型进行训练，得到训练后的卷积神经网络模型；基于所述测试数据集合和所述训练后的卷积神经网络模型，确定所述图片识别模型。
7、在一种可能的实现方式中，所述基于所述训练数据集合对所述卷积神经网络模型进行训练，得到训练后的卷积神经网络模型，包括：基于所述训练数据集合，分解任一所述训练数据集合内的水电站图片，确定第一训练图片，所述第一训练图片包括多个区域和用于标识各个区域的位置的标签；打乱所述第一训练图片的多个区域的位置，得到第二训练图片；基于所述第一训练图片和所述第二训练图片对所述卷积神经网络模型进行训练，得到训练后的卷积神经网络模型。
8、在一种可能的实现方式中，所述基于所述测试数据集合和所述训练后的卷积神经网络模型，确定所述图片识别模型，包括：基于所述测试数据集合中任一包含水电站设备的图片和所述训练后的卷积神经网络模型，采用预设熵函数，确定目标损失值；当所述目标损失值大于预设期望值时，采用自适应学习率优化算法，更新所述训练后的卷积神经网络模型，当所述目标损失值小于或等于所述预设期望值时，确定所述训练后的卷积神经网络模型为所述图片识别模型。
9、第二方面，本申请实施例提供了一种水电站设备识别装置，所述装置包括：获取模块，用于获取待检测图片信息，所述待检测图片信息包括待检测图片和待检测图片拍摄位置信息；确定模块，用于基于所述待检测图片和已经构建好的图片识别模型，确定待检测图片内的预测设备类型；所述确定模块，还用于基于所述预测设备类型、所述待检测图片拍摄位置信息和预设设备信息，确定所述待检测图片内的准确设备类型和设备编号。
10、第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面或其中任意一种实现方式所述的方法。
11、第四方面，本申请实施例提供了一种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程序，所述计算机程序被处理器执行时实现如第一方面或其中任意一种实现方式所述的方法。
12、第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行上述第一方面或其中任意一种实现方式所述的方法。
13、本申请通过获取待检测图片信息，待检测图片信息包括待检测图片和待检测图片拍摄位置信息；基于待检测图片和已经构建好的图片识别模型，确定待检测图片内的预测设备类型；基于预测设备类型、待检测图片拍摄位置信息和预设设备信息，确定待检测图片内的准确设备类型和设备编号。相对于现有技术中，对水电站设备进行识别常用的神经网络识别或者特征提取识别的不准确，并且无法识别相同设备的不同编号的问题，本申请利用水电站设备位于不同经纬度和高程，并且不随便移动的特点，通过待检测图片和待检测图片拍摄位置信息，结合神经网络模型和预设设备信息，有效地提高了图片识别的准确率，克服了单纯依靠图片特征进行识别的局限性，适用于环境复杂、设备种类多样的水电站场景。同时，本发明的方法简单易行，能够显著提升水电站设备管理和维护的效率。
1.一种水电站设备识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述待检测图片拍摄位置信息，包括待检测图片拍摄位置的经纬度信息、拍摄位置的高程信息和拍摄位置的朝向信息；所述预设设备信息，包括水电站内的设备类型、设备编码和设备位置信息。
3.根据权利要求2所述的方法，其特征在于，所述设备位置信息包括水电站内设备经纬度信息和设备高程信息。
4.根据权利要求1所述的方法，其特征在于，构建所述图片识别模型，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述水电站图片和卷积神经网络模型，确定所述图片识别模型，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述训练数据集合对所述卷积神经网络模型进行训练，得到训练后的卷积神经网络模型，包括：
7.根据权利要求5所述的方法，其特征在于，所述基于所述测试数据集合和所述训练后的卷积神经网络模型，确定所述图片识别模型，包括：
8.一种水电站设备识别装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种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程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
