一种基于特征重放的变电检测模型在线学习方法及系统

本发明涉及一种基于特征重放的变电检测模型在线学习方法及系统，该方法包括以下步骤：获取实时的检测数据，选择残差网络模型ResNet作为变电检测模型的基座，将残差网络模型ResNet分割为基础网络B和分类网络F；将实时的检测数据输入基础网络B得到新类数据特征；计算新类数据特征的均值，并将所述均值作为新类原型特征；将新类数据特征、旧类原型特征以及新类原型特征拼接得到拼接输入数据，使用拼接输入数据训练分类网络F并得到模型损失；使用正交权重修改算法OWM调整模型损失的权重，维持变电检测模型识别历史的检测数据的准确率；本发明引入新类原型特征和旧类原型特征，实现了对变电检测模型的实时更新。提高了模型对新数据的识别能力。