锈斑识别方法及装置制造方法及图纸

本发明专利技术公开了一种锈斑识别方法及装置。该方法包括：获取目标图像；将所述目标图像进行预处理，生成上采样图片与下采样图片；将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取特征图；对所述特征图进行细粒度特征识别，确定识别结果；以及根据所述识别结果确定所述目标图像中是否存在锈斑；其中，所述锈斑识别模型通过具有ResNet50网络结构的卷积神经网络模型训练获得。本公开涉及的锈斑识别方法及装置，能够准确、快捷地判断设备上的锈斑，保证配电网系统安全运转。

Rust Spot Recognition Method and Device

【技术实现步骤摘要】
锈斑识别方法及装置
本公开涉及计算机信息处理领域，具体而言，涉及一种锈斑识别方法及装置。
技术介绍
配电柜分动力配电柜和照明配电柜、计量柜，是配电系统的末级设备。配电柜是电动机控制中心的统称,配电柜使用在负荷比较分散、回路较少的场合；电动机控制中心用于负荷集中、回路较多的场合。它们把上一级配电设备某一电路的电能分配给就近的负荷。配电柜设备应对负荷提供保护、监视和控制。由于配电柜需要在不同的工作环境下工作，而且配电柜是金属材质的，很容易生成锈斑。配电柜锈蚀导致的后果小的影响就是接触不良，不能有效接通，虚接，发热，出现缺相或者信号失效现象。最坏的可能就是会导致短路，引起跳闸，严重的甚至会导致火灾、爆掉部分电气控制设备。针对这一问题，为了更准确、快捷地判断电表、配电柜等设备的锈蚀情况，需要一种新的锈斑识别方法及装置。
技术实现思路
有鉴于此，本公开提供一种锈斑识别方法及装置，能够准确、快捷地判断设备上的锈斑，保证配电网系统安全运转。根据本公开的一方面，提出一种锈斑识别方法，该方法包括：获取目标图像；将所述目标图像进行预处理，生成上采样图片与下采样图片；将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取特征图；对所述特征图进行细粒度特征识别，确定识别结果；以及根据所述识别结果确定所述目标图像中是否存在锈斑；其中，所述锈斑识别模型通过具有ResNet50网络结构的卷积神经网络模型训练获得。在本公开的一种示例性实施例中，还包括：将目标图像的上采样图片与下采样图片输入具有ResNet50网络结构的卷积神经网络模型中，获取目标特征图；基于ResNet50网络结构中的原始包围盒与目标检测特殊层剔除目标特征图中的低分辨率特征，生成筛选特征数据；对所述目标特征图进行细粒度特征识别，生成细粒度特征数据；将所述细粒度特征数据与所述筛选特征数据进行叠加处理与聚合处理，生成训练特征数据；以及基于所述训练特征数据对原始包围盒的参数进行回归计算以确定所述锈斑识别模型。在本公开的一种示例性实施例中，获取目标图像包括：确定待检测设备的设备标识；以及基于所述设备标识获取所述目标图像、所述待检测设备的环境信息。在本公开的一种示例性实施例中，还包括：在确定所述目标图像中存在锈斑时，间隔预定时间获取所述目标图像的多个更新图像及其对应的环境信息；以及基于所述多个更新图像及其对应的环境信息进行锈斑环境分析。在本公开的一种示例性实施例中，将所述目标图像进行预处理，生成上采样图片与下采样图片包括：将所述目标图像进行图像处理生成指定尺寸的目标图像；构建图像金字塔；以及基于所述图像金字塔分别通过上采样处理与下采样处理生成所述上采样图片与所述下采样图片。在本公开的一种示例性实施例中，将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取特征图包括：将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取初始特征图；对所述初始特征图中的每一个像素，生成多个预定参数的原始包围盒；以及基于所述多个预定参数的原始包围盒与所述初始特征图生成所述特征图。在本公开的一种示例性实施例中，基于所述多个预定参数的原始包围盒与所述初始特征图生成所述特征图包括：基于所述多个预定参数的原始包围盒与目标检测特殊层剔除低分辨率特征，生成筛选特征数据；将所述筛选特征数据与所述初始特征进行叠加处理与聚合处理生成所述特征图。在本公开的一种示例性实施例中，对所述特征图进行细粒度特征识别，确定识别结果包括：通过弱监督学习对所述特征图进行细粒度特征识别；在细粒度特征识别过程中局部信息采用图像级的语义标注以确定识别结果。在本公开的一种示例性实施例中，根据所述识别结果确定所述目标图像中是否存在锈斑包括：基于所述识别结果通过归一化指数函数确定所述目标图像中是否存在锈斑。根据本公开的一方面，提出一种锈斑识别装置，该装置包括：图片模块，用于获取目标图像；预处理模块，用于将所述目标图像进行预处理，生成上采样图片与下采样图片；识别模块，用于将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取特征图；其中，所述锈斑识别模型通过具有ResNet50网络结构的卷积神经网络模型训练获得；结果模块，用于对所述特征图进行细粒度特征识别，确定识别结果；以及判断模块，用于根据所述识别结果确定所述目标图像中是否存在锈斑。根据本公开的一方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上文的方法。根据本公开的一方面，提出一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上文中的方法。根据本公开的锈斑识别方法及装置，将目标图像的上采样图片与下采样图片输入锈斑识别模型中，获取特征图；对所述特征图进行细粒度特征识别，根据所述识别结果确定所述目标图像中是否存在锈斑的方式，能够准确、快捷地判断设备上的锈斑，保证配电网系统安全运转。附图说明通过参照附图详细描述其示例实施例，本公开的上述和其它目标、特征及优点将变得更加显而易见。图1是根据一实施例示出的一种锈斑识别方法及装置的系统框图。图2是根据一实施例示出的一种锈斑识别方法及装置的应用框图。图3是根据一实施例示出的一种锈斑识别方法的流程图。图4是根据另一实施例示出的一种锈斑识别方法的流程图。图5是根据另一实施例示出的一种锈斑识别方法的流程图。图6是根据一实施例示出的一种锈斑识别装置的框图。图7是根据另一实施例示出的一种锈斑识别装置的框图。图8是根据一实施例示出的一种电子设备的框图。图9是根据一实施例示出一种计算机可读存储介质示意图。具体实施方式现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。如上文所述，配电柜锈蚀会导致很严重的后果，针对这一问题，为了更准确、快捷地判断电表、配电柜等设备的锈蚀情况，申请人发现现有技术中存在运用荧光渗透检测来对钛合金金属表面的锈斑进行标记，与荧光渗透检测之前的零件表面状态比较，零件进行荧光渗透检测之后，在喷丸区域的表面明显存在锈点，且显示呈现圆周方向，因此这些锈点是在荧光渗透检验过程中产生的。荧光渗透检测采用的材料(包括溶剂清洗剂、荧光渗透液和乳化剂)都是无腐蚀性的，而钛合金零件本身也不会生锈。申请人发现现有技术也有提出了一种基于反介电谱的新技术来估算人工腐蚀的电流水平，从人工腐蚀的锈样品中开发出包含损耗因子，测量频率和腐蚀电流水平的反介电谱模型。根据实验结果，腐蚀电流水平越高，在测量的频率范围内人工锈的介电常数和损耗因子越低，通过使用反介电谱模型可以估算人造锈内的腐蚀电流水平。但是，鉴于以上方法在设备与硬件技术上更高的成本，基于数学形态学与边缘提取的锈斑识别方法越来越受到学术界与工业界的重视。申请人发现现有技术也有结合自适应阈值分割，给出一种单色织物疵点区域的快速检测方法，结果显示该算法检测效率高。现有技术也提出了一种基于颜色和纹理特征的铁锈缺陷识别方法(ruderm),该方法将傅里叶变换与彩色图像本文档来自技高网...

【技术保护点】
1.一种锈斑识别方法，其特征在于，包括：获取目标图像；将所述目标图像进行预处理，生成上采样图片与下采样图片；将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取特征图；对所述特征图进行细粒度特征识别，确定识别结果；以及根据所述识别结果确定所述目标图像中是否存在锈斑；其中，所述锈斑识别模型通过具有ResNet50网络结构的卷积神经网络模型训练获得。

【技术特征摘要】
1.一种锈斑识别方法，其特征在于，包括：获取目标图像；将所述目标图像进行预处理，生成上采样图片与下采样图片；将所述上采样图片与所述下采样图片输入锈斑识别模型中，获取特征图；对所述特征图进行细粒度特征识别，确定识别结果；以及根据所述识别结果确定所述目标图像中是否存在锈斑；其中，所述锈斑识别模型通过具有ResNet50网络结构的卷积神经网络模型训练获得。2.如权利要求1所述的方法，其特征在于，还包括：将目标图像的上采样图片与下采样图片输入具有ResNet50网络结构的卷积神经网络模型中，获取目标特征图；基于ResNet50网络结构中的原始包围盒与目标检测特殊层剔除目标特征图中的低分辨率特征，生成筛选特征数据；对所述目标特征图进行细粒度特征识别，生成细粒度特征数据；将所述细粒度特征数据与所述筛选特征数据进行叠加处理与聚合处理，生成训练特征数据；以及基于所述训练特征数据对原始包围盒的参数进行回归计算以确定所述锈斑识别模型。3.如权利要求1所述的方法，其特征在于，获取目标图像包括：确定待检测设备的设备标识；以及基于所述设备标识获取所述目标图像、所述待检测设备的环境信息。4.如权利要求3所述的方法，其特征在于，还包括：在确定所述目标图像中存在锈斑时，间隔预定时间获取所述目标图像的多个更新图像及其对应的环境信息；以及基于所述多个更新图像及其对应的环境信息进行锈斑环境分析。5.如权利要求1所述的方法，其特征在于，将所述目标图像进行预处理，生成上采样图片与下采样图片包括：将所述目标图像进行图像处理生成指定尺寸的目标图像；构建图像金字塔；以及基于所述图像金字塔分别通过上采样处理与下采样处...

【专利技术属性】
技术研发人员：周晨轶，张文杰，汤亿则，梅峰，王文，冯宇，徐亦白，卢杉，冯烛明，林晓亮，
申请(专利权)人：国网浙江省电力有限公司信息通信分公司，
类型：发明
国别省市：浙江,33