T/CES 129-2022 电力人工智能平台样本规范

以下为《电力人工智能平台样本规范》（T/CES 129-2022）核心内容的详细总结：

​​一、样本类型与基本要求​​

• ​​文件格式​​
  • 图像：jpg/jpeg/png
  • 视频：mp4（截取帧需转为jpg/jpeg/png）。
• ​​命名规则​​
  包含项目来源、专业信息、日期（年月日）、唯一编号（如输电巡检_甘肃_20230101_001）。
• ​​质量要求​​
  • 分辨率≥1920×1080像素，目标物体占比≥40%；
  • 视频码率≥5Mb/s（1080p）；
  • 目标物体边缘清晰，遮挡≤2/3。
• ​​描述文件​​
  • 格式：txt；
  • 内容：样本来源、项目、日期、联系人、样本量及用途（见附录A.1）。

• ​​文件格式​​
  mp3/pcm/raw。
• ​​命名规则​​
  省份拼音首字母+性别（F/M）+设备类别（如GS_F_T表示甘肃女性电话录音）。
• ​​质量要求​​
  • 环境安静，无效音（背景噪声/方言/语气词）≤40%；
  • 语速150-200音节/分钟，音量≥25分贝。
• ​​描述文件​​
  • 声源信息：录音设备、系统参数；
  • 样本信息：标注规范、录音时间/地点、环境等。

• ​​文件格式​​
  txt/csv/json/xls/xlsx/xml（UTF-8编码）。
• ​​命名规则​​
  项目来源+专业信息+日期+唯一编号（如故障报告_变电_20230101_001）。
• ​​质量要求​​
  内容无乱码，符合业务需求。

​​二、标注要求​​

• ​​标签内容​​
  • 输电：线路名称、杆塔号、缺陷类型；
  • 变电：设备名称、缺陷内容；
  • 配电：违规原因。
• ​​标注规则​​
  • 使用最小矩形框，目标物体需完整包含（边缘距离≤框边长3%）；
  • 遮挡＞2/3时标注轮廓并添加“遮挡”标签；
  • 存储格式：COCO或VOC（XML/JSON）。
• ​​标注文件​​
  与图像同名，存储于独立文件夹。

• ​​切分规则​​
  • 按静音段切分，每段5-6秒。
• ​​标注规则​​
  • 完全复现语音内容（含口吃、语气词如“嗯”）；
  • 数字转汉字，听不清词用“*”标注（≤5%）；
  • 格式：开始时间-结束时间：文本（例：00:02:35-00:02:40：查存款到期时间）。
• ​​标注文件​​
  TXT格式，与语音文件同名。

• ​​标注类型​​
  • 序列标注（BIOES模式）、实体抽取（定义语义层次）。
• ​​词性标注规则​​
  • 单类词按《语法信息词典》标注；
  • 多类词按场景区分（如“车”在“一车煤”中标注量词q，其他场景标注名词n）。
• ​​标注文件​​
  TXT格式，文件名加-bz后缀（如故障报告_001-bz.txt）。

​​三、标注流程​​

1. ​​样本检查​​
   • 全面检查（100%）或抽样检查（≥1%样本量）。
2. ​​标注工具​​
   使用平台兼容工具（需支持标准格式）。
3. ​​标注执行​​
   • ​​半自动标注​​：
     ① 构建训练集（70%）和测试集（30%）；
     ② 训练模型并评估（召回率/精确率）；
     ③ 批量标注。
   • ​​人工标注​​：
     ① 试标注（≥1%样本）；
     ② 批量标注。
4. ​​结果收集​​
   • 统一回收，按类型（图像/语音/文本）和标注方式分类存储。
5. ​​结果检查​​
   • 全量检查或抽样检查（随机/分类抽样）。

​​四、附录关键内容​​

• ​​表A.1（样本描述文件模板）​​
  包含项目名称、来源、日期、联系人、样本量及用途。
• ​​表A.2（多类词标注规则）​​
  例：
  • “编辑科技文献” → “编辑”作动词标v；
  • “考虑领导意见” → “考虑”作名词标n；
  • “共同进步” → “共同”作副词标d，但“共同目标”中标区别词b。

​​总结​​：该规范系统定义了电力AI平台中三类样本的采集、标注全流程，强调格式标准化（如图像分辨率、语音无效音比例）、标注一致性（如BIOES模式）及质量控制（全量/抽样检查），为电力行业AI模型训练提供数据基础支撑。