本发明专利技术公开了一种机器人巡检图像的表计位置检测方法，包括：将巡检图像按预设的比例分为训练图像和待测试图像；构建初始训练神经网络，并去除初始训练神经网络中的小尺度的训练卷积层，得到表计训练神经网络；表计训练神经网络接收训练图像，训练图像经过第一层卷积层后，对训练图像进行一次下采样；训练图像经过采样单元后，对训练图像进行下采样；根据采样结果训练表计神经网络；其中，采样单元包括两层卷积层及一层残差层；将待测试图像输入训练后的表计训练神经网络，得到表计检测结果。本发明专利技术公开的一种机器人巡检图像的表计位置检测方法，能够提高检测速度，降低背景检测错误率，避免重复识别现象。本发明专利技术还公开了一种机器人巡检图像的表计位置检测装置和存储介质。
Meter Position Detection Method, Device and Storage Medium for Robot Patrol Image
【技术实现步骤摘要】
机器人巡检图像的表计位置检测方法、装置及存储介质
本专利技术涉及表计位置检测
，尤其涉及一种机器人巡检图像的表计位置检测方法、装置及存储介质。
技术介绍
变电站是电力系统的重要组成部分，因而需要通过变电站智能监控作业，来有效保证变电站的运行安全。当前，许多变电站的智能监控依靠智能机器人巡检的方法来完成。相较于传统的定点监控方法，利用智能机器人对变电站巡检具有部署方便，节约开销的优点。表计是变电站中监控安全情况的重要设备，通过读取变电站表计的显示状态或当前数值，可以明确当前变电站的运行状态。正确识别表计类型是对变电站表计状态及显示数值读取的必要前提。利用智能机器人巡检采集到的图像包含多种类型的表计，其中有压力表，液压表，油位表，避雷针指示器等。除此之外，相同类型的表计又有多种型号，因此设计一种能够对不同类型多型号的表计进行识别的模型是当前实现机器人智能巡检所面临的的一项巨大挑战。现有技术中，表计的检测方法有：(1)以RCNN、Fast-RCNN为代表的基于预选框的思想来实现目标检测；(2)以YOLO为代表的基于回归思想的目标检测算法。本专利技术人在实施本专利技术的过程中发现，现有技术中存在以下技术问题：(1)RCNN、Fast-RCNN算法结构相对复杂，运行速率较慢；(2)YOLO算法会出现重复检测出同一物体的现象。
技术实现思路
本专利技术实施例提供一种机器人巡检图像的表计位置检测方法，提高了检测速度，降低了背景检测错误率，避免了重复识别现象。本专利技术实施例一提供一种机器人巡检图像的表计位置检测方法，包括：将巡检图像按预设的比例分为训练图像和待测试图像；构建初始训练神经网络，并去除所述初始训练神经网络中的小尺度的训练卷积层，得到表计训练神经网络；所述表计训练神经网络接收所述训练图像，所述训练图像经过第一层卷积层后，对所述训练图像进行一次下采样；所述训练图像经过采样单元后，对所述训练图像进行下采样；根据采样结果训练所述表计神经网络；其中，所述采样单元包括两层卷积层及一层残差层；将所述待测试图像输入训练后的所述表计训练神经网络，得到表计检测结果。作为上述方案的改进，所述训练图像经过采样单元后，对所述训练图像进行下采样，具体包括：所述训练图像经在第一个所述采样单元之后进行，对所述训练图像进行下采样；再经过两个所述采样单元后，对所述训练图像进行下采样；经过八个所述采样单元后，对所述训练图像进行下采样。本专利技术实施例二对应提供了一种机器人巡检图像的表计位置检测装置，包括：图像分类单元，用于将巡检图像按预设的比例分为训练图像和待测试图像；网络构建单元，用于构建初始训练神经网络，并去除所述初始训练神经网络中的小尺度的训练卷积层，得到表计训练神经网络；采样训练单元，用于所述表计训练神经网络接收所述训练图像，所述训练图像经过第一层卷积层后，对所述训练图像进行一次下采样；所述训练图像经过采样单元后，对所述训练图像进行下采样；根据采样结果训练所述表计神经网络；其中，所述采样单元包括两层卷积层及一层残差层；表计检测单元，用于将所述待测试图像输入训练后的所述表计训练神经网络，得到表计检测结果。作为上述方案的改进，所述训练图像经过采样单元后，对所述训练图像进行下采样，具体包括：所述训练图像经在第一个所述采样单元之后进行，对所述训练图像进行下采样；再经过两个所述采样单元后，对所述训练图像进行下采样；经过八个所述采样单元后，对所述训练图像进行下采样。本专利技术实施例三对应提供了一种机器人巡检图像的表计位置检测装置，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如本专利技术实施例一所述的一种机器人巡检图像的表计位置检测方法。本专利技术实施例四对应提供了一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如本专利技术实施例一所述的一种机器人巡检图像的表计位置检测方法。本专利技术实施例提供的一种机器人巡检图像的表计位置检测方法，具有如下有益效果：去除所述初始训练神经网络中的小尺度的训练卷积层，提高了网络性能，减小了对于表计检测的作用较小的参数，同时避免了重复识别现象；通过设定下采样规则可以有效减少采样参数，提高网络采样和计算的工作效率。采用残差层可以使得数据跳层连接，实现多个尺度的同时输出，提高网络利用效率，以提高检测速度，并降低背景检测错误率。附图说明图1是本专利技术实施例一提供的一种机器人巡检图像的表计位置检测方法的流程示意图。图2是本专利技术一具体实施例中的表计训练神经网络结构示意图。图3是本专利技术另一具体实施例中的神经网络框架具体参数设置图。图4是本专利技术提供的一种机器人巡检图像的表计位置检测方法和YOLOv3算法的检测效果对比图。图5是本专利技术实施例二提供的一种机器人巡检图像的表计位置检测装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见图1，是本专利技术实施例一提供的一种机器人巡检图像的表计位置检测方法的流程示意图，包括：S101、将巡检图像按预设的比例分为训练图像和待测试图像；S102、构建初始训练神经网络，并去除初始训练神经网络中的小尺度的训练卷积层，得到表计训练神经网络；S103、表计训练神经网络接收训练图像，训练图像经过第一层卷积层后，对训练图像进行一次下采样；训练图像经过采样单元后，对训练图像进行下采样；根据采样结果训练表计神经网络；其中，采样单元包括两层卷积层及一层残差层；S104、将待测试图像输入训练后的表计训练神经网络，得到表计检测结果。进一步地，训练图像经过采样单元后，对训练图像进行下采样，具体包括：训练图像经在第一个采样单元之后进行，对训练图像进行下采样；再经过两个采样单元后，对训练图像进行下采样；经过八个采样单元后，对训练图像进行下采样。在一具体的实施例中，变电站智能巡检机器人巡检采集的图像尺寸大小为1920×1080，被检测的表计尺寸全部大于350×375，输入图像和被检测目标均大于图像被检测目标。小尺度训练对于表计检测的作用较小，且产生了大量参数，去除初始训练神经网络中的小尺度的训练卷积层，得到的表计训练神经网络结构如图2所示。在另一具体的实施例中，运行的工作站操作系统是64位的Ubuntu14.04，处理器的型号是IntelXeonCPUE5-2620v3@2.40GHz×16，内存32G。显卡型号是GeForceGTXTITANX/PCle/SSE2，显存32G。采集2047张变电站标记图像作为数据集，所有图像尺寸均为1920×1080。本实验按照3：7的比例划随机分数据集，将1432张图像作为训练集，615张图像作为测试集。数据集包含4类表11种型号的不同表计(5种压力表、3种温度表、避雷针检测器、2种油位表)，基本涵盖变电站中大部分表计种类。在训练前需要对训练神经网络的框架参数进行微调，由于输入图像尺寸较大，本实验将batch调小，s本文档来自技高网...
【技术保护点】
1.一种机器人巡检图像的表计位置检测方法，其特征在于，包括：将巡检图像按预设的比例分为训练图像和待测试图像；构建初始训练神经网络，并去除所述初始训练神经网络中的小尺度的训练卷积层，得到表计训练神经网络；所述表计训练神经网络接收所述训练图像，所述训练图像经过第一层卷积层后，对所述训练图像进行一次下采样；所述训练图像经过采样单元后，对所述训练图像进行下采样；根据采样结果训练所述表计神经网络；其中，所述采样单元包括两层卷积层及一层残差层；将所述待测试图像输入训练后的所述表计训练神经网络，得到表计检测结果。
【技术特征摘要】
1.一种机器人巡检图像的表计位置检测方法，其特征在于，包括：将巡检图像按预设的比例分为训练图像和待测试图像；构建初始训练神经网络，并去除所述初始训练神经网络中的小尺度的训练卷积层，得到表计训练神经网络；所述表计训练神经网络接收所述训练图像，所述训练图像经过第一层卷积层后，对所述训练图像进行一次下采样；所述训练图像经过采样单元后，对所述训练图像进行下采样；根据采样结果训练所述表计神经网络；其中，所述采样单元包括两层卷积层及一层残差层；将所述待测试图像输入训练后的所述表计训练神经网络，得到表计检测结果。2.如权利要求1所述的一种机器人巡检图像的表计位置检测方法，其特征在于，所述训练图像经过采样单元后，对所述训练图像进行下采样，具体包括：所述训练图像经在第一个所述采样单元之后进行，对所述训练图像进行下采样；再经过两个所述采样单元后，对所述训练图像进行下采样；经过八个所述采样单元后，对所述训练图像进行下采样。3.一种机器人巡检图像的表计位置检测装置，其特征在于，包括：图像分类单元，用于将巡检图像按预设的比例分为训练图像和待测试图像；网络构建单元，用于构建初始训练神经网络，并去除所述初始训练神经网络中的小尺度的训练卷积层，得到表计训练神经网络；采样训练单元，用于所...
【专利技术属性】
技术研发人员：张贵峰，田治仁，廖永力，王颂，李锐海，侯春萍，杨阳，李北辰，王致芃，赵林杰，王俊锞，龚博，黄增浩，冯瑞发，何锦强，
申请(专利权)人：南方电网科学研究院有限责任公司，中国南方电网有限责任公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。