一种刀闸状态精细化检测识别方法技术

本发明专利技术提出一种刀闸状态精细化检测识别方法，包括以下步骤：输入待检测的刀闸图像，对图像进行预处理；将图像输入经过预训练的深度学习模块进行刀闸开闭状态的判断，若为开口状态，则直接输出判断结果并结束检测；若为闭合状态，则判断待检测刀闸的类型，若刀闸类型为双臂折叠式刀闸，则将图像进行锐化处理，提取图像中的特征值并对其进行特征编码，然后根据特征编码，识别得到其两个垂直双臂位置信息，计算刀闸闭合程度进行输出并结束检测；若为双柱旋转式刀闸，则将图像进行边缘检测，选取边缘上的圆形区域，得到闸刀的粗略位置信息，对图像进行直线检测定位得到两段导电闸刀的精确位置，计算刀闸闭合程度进行输出并结束检测。

A fine detection and recognition method of knife gate state

【技术实现步骤摘要】
一种刀闸状态精细化检测识别方法
本专利技术涉及电力设备检测及图像处理
，更具体地，涉及一种刀闸状态精细化检测识别方法。
技术介绍
当前电网的深度控制主要体现在设备的远程遥控操作方面，而刀闸作为输变电系统中的重要组成部分，其开合状态是否完全正常直接影响着系统的安全。此外，随着电网的发展，电网负荷越来越大，电网设备远程遥控操作的准确度和精细化要求越来越高，使得电网设备远程遥控操作对刀闸状态检测识别结果的准确度、速度、精度要求越来越高，尤其对于紧急缺陷及事故，在变电巡检未到站的情况下，由于缺乏可靠的技术手段判断隔离刀闸是否分合闸到位，不能及时地为事故缺陷处理提供决策依据。目前主要通过人工观察刀闸辅助触头的红外测温数据判断刀闸是否合闸到位，但是其判断结果受环境影响因素及人为影响因素较大，且由于一般使用的刀闸包括双臂折叠式刀闸和双柱旋转式刀闸，如果仅仅根据红外测温数据判断刀闸的合闸状态，不能保证其判断结果的准确度。
技术实现思路
本专利技术为克服上述现有技术所述的缺乏可靠的技术手段判断隔离刀闸是否分合闸到位，判断结果准确率不能满足需求的缺陷，提供一种刀闸状态精细化检测识别方法。为解决上述技术问题，本专利技术的技术方案如下：一种刀闸状态精细化检测识别方法，包括以下步骤：S1：输入待检测的刀闸图像，对待检测的刀闸图像进行预处理；S2：将所述完成预处理的待检测刀闸图像输入经过预训练的深度学习模块进行刀闸开闭状态的判断，若判断结果为刀闸处于闭合状态，则执行S3步骤；若判断结果为刀闸处于开口状态，则直接输出判断结果并结束检测；S3：判断所述完成预处理的待检测刀闸的类型，若判断刀闸类型为双臂折叠式刀闸，则执行S4步骤；若判断刀闸类型为双柱旋转式刀闸，则跳转执行S6步骤；S4：将所述完成预处理的待检测刀闸图像进行锐化处理，然后提取所述图像中的特征值并对其进行特征编码；S5：通过匹配所述特征编码，识别得到双臂折叠式刀闸中两个垂直双臂位置信息，并根据所述位置信息计算刀闸闭合程度进行输出，并结束检测；S6：将所述完成预处理的待检测刀闸图像进行边缘检测，选取图像中边缘上的圆形区域，得到待检测刀闸中导电闸刀的粗略位置信息；S7：根据所述待检测刀闸中导电闸刀的粗略位置信息，对待检测刀闸图像进行直线检测，并根据所述直线检测结果定位得到两段导电闸刀的精确位置，计算刀闸闭合程度进行输出，并结束检测。本技术方案中，考虑到常规使用的刀闸包括双臂折叠式刀闸和双柱旋转式刀闸，因此在本技术方案中先通过一个经过预训练的深度学习模块中进行刀闸类型的分类，再根据刀闸的类型分别采用不同的刀闸状态精细化检测识别方法。对于双臂折叠式刀闸，通过锐化处理提取其垂直双臂的主要线条，然后通过提取特征值并进行特征编码，对双臂折叠式刀闸中的垂直双臂的位置信息进行匹配，确定其垂直双臂的位置信息，然后根据所述位置信息进行刀闸闭合程度的计算；对于双柱旋转式刀闸，由于其导电闸刀上有圆球状部件，通过对待检测刀闸图像进行边缘检测，获得图像中的圆形区域，从而能够得到导电闸刀的粗略位置信息，进而通过直线检测定位导电闸刀的准确位置，从而计算得到刀闸闭合程度。优选地，S1步骤中，对待检测的刀闸图像进行预处理的具体步骤包括采用高斯滤波进行去噪处理，能够对待检测的刀闸图像中正态分布的噪声进行去噪。优选地，S2步骤中，深度学习模块采用YOLO_V3算法对刀闸开闭状态进行图像识别分类。优选地，S4步骤的具体步骤如下：S4.1：对所述完成预处理的待检测刀闸图像进行锐化处理；S4.2：对所述完成锐化处理的待检测刀闸图像进行二值化处理，提取包含刀闸垂直双臂的线条；S4.3：在所述完成二值化处理的待检测刀闸图像上通过滑动窗口提取图像中的特征值，并对其进行特征编码。优选地，S5步骤的具体步骤如下：S5.1：将所述特征编码对所述待检测刀闸图像进行匹配，定位刀闸的垂直双臂，得到垂直双臂的位置信息；S5.2：根据所述垂直双臂的位置信息，计算刀闸的垂直双臂之间的距离d；S5.3：根据所述待检测刀闸图像，计算刀闸的静触头直径D；S5.4：计算刀闸的垂直双臂之间的距离d与刀闸的静触头直径D的比值d/D，并转换为百分比数值，将所述百分比数值作为刀闸闭合程度进行输出。优选地，S6步骤还包括以下步骤：根据常规闸刀与圆形区域的相对关系预设过滤条件，将符合所述过滤条件的圆形区域所在位置信息作为待检测刀闸中导电刀闸的粗略位置信息进行输出。优选地，S7步骤中，对待检测刀闸图像采用霍夫变换进行直线检测，其中霍夫变换中的投票步骤可以在复杂的参数空间中找到凸形的参数，从而确定边缘的形状，能够解决因噪声或边缘的不完美而导致的点或像素缺漏。优选地，S7步骤中，对所述刀闸闭合程度的计算步骤如下：根据所述直线检测结果定位得到两段导电闸刀的精确位置，计算双柱旋转式刀闸的两段导电闸刀所属直线之间的角度，并将所述角度作为待检测刀闸中导电刀闸的粗略位置信息进行输出。与现有技术相比，本专利技术技术方案的有益效果是：通过结合深度学习模块和根据不同类型的刀闸的外观特征进行刀闸状态的精细化检测识别，能够有效判断刀闸是否分合闸到位，得到准确率较高的刀闸状态检测结果，提高刀闸状态检测效率，并能够提供具体的刀闸闭合程度的定量指标数据供工作人员参考。附图说明图1为本实施例的刀闸状态精细化检测识别方法流程图。具体实施方式附图仅用于示例性说明，不能理解为对本专利的限制；为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。下面结合附图和实施例对本专利技术的技术方案做进一步的说明。如图1所示，为本实施例的刀闸状态精细化检测识别方法流程图。本实施例提出一种刀闸状态精细化检测识别方法，包括以下步骤：步骤1：输入待检测的刀闸图像，对待检测的刀闸图像进行预处理。本步骤中，对待检测的刀闸图像进行预处理的具体步骤为采用高斯滤波对待检测的刀闸图像进行去噪处理。由于刀闸图像中的噪声一般符合正态分布，采用高斯滤波进行去噪处理能够有效对待检测的刀闸图像进行去噪，同时避免图像中重要的像素点被滤除。步骤2：将所述完成预处理的待检测刀闸图像输入经过预训练的深度学习模块进行刀闸开闭状态的判断，若判断结果为刀闸处于闭合状态，则执行步骤3；若判断结果为刀闸处于开口状态，则直接输出判断结果并结束检测。本步骤中，所采用的深度学习模块使用预测准确率较高且性能较好的YOLO_V3算法对刀闸图像进行刀闸开闭状态识别的深度学习训练。具体地，将足够数量的在不同环境、不同场景、不同角度、不同开闭状态下拍摄的刀闸图像输入该深度学习模块中进行深度学习，其中，深度学习模块中包括用于图像特征识别的卷积神经网络，对刀闸图像进行刀闸开闭状态的识别判断，同时不断修正本文档来自技高网...

【技术保护点】
1.一种刀闸状态精细化检测识别方法，其特征在于，包括以下步骤：/nS1：输入待检测的刀闸图像，对待检测的刀闸图像进行预处理；/nS2：将所述完成预处理的待检测刀闸图像输入经过预训练的深度学习模块进行刀闸开闭状态的判断，若判断结果为刀闸处于闭合状态，则执行S3步骤；若判断结果为刀闸处于开口状态，则直接输出判断结果并结束检测；/nS3：判断所述完成预处理的待检测刀闸的类型，若判断刀闸类型为双臂折叠式刀闸，则执行S4步骤；若判断刀闸类型为双柱旋转式刀闸，则跳转执行S6步骤；/nS4：将所述完成预处理的待检测刀闸图像进行锐化处理，然后提取所述图像中的特征值并对其进行特征编码；/nS5：通过匹配所述特征编码，识别得到双臂折叠式刀闸中两个垂直双臂位置信息，并根据所述位置信息计算刀闸闭合程度进行输出，并结束检测；/nS6：将所述完成预处理的待检测刀闸图像进行边缘检测，选取图像中边缘上的圆形区域，得到待检测刀闸中导电闸刀的粗略位置信息；/nS7：根据所述待检测刀闸中导电闸刀的粗略位置信息，对待检测刀闸图像进行直线检测，并根据所述直线检测结果定位得到两段导电闸刀的精确位置，计算刀闸闭合程度进行输出，并结束检测。/n...

【技术特征摘要】
1.一种刀闸状态精细化检测识别方法，其特征在于，包括以下步骤：
S1：输入待检测的刀闸图像，对待检测的刀闸图像进行预处理；
S2：将所述完成预处理的待检测刀闸图像输入经过预训练的深度学习模块进行刀闸开闭状态的判断，若判断结果为刀闸处于闭合状态，则执行S3步骤；若判断结果为刀闸处于开口状态，则直接输出判断结果并结束检测；
S3：判断所述完成预处理的待检测刀闸的类型，若判断刀闸类型为双臂折叠式刀闸，则执行S4步骤；若判断刀闸类型为双柱旋转式刀闸，则跳转执行S6步骤；
S4：将所述完成预处理的待检测刀闸图像进行锐化处理，然后提取所述图像中的特征值并对其进行特征编码；
S5：通过匹配所述特征编码，识别得到双臂折叠式刀闸中两个垂直双臂位置信息，并根据所述位置信息计算刀闸闭合程度进行输出，并结束检测；
S6：将所述完成预处理的待检测刀闸图像进行边缘检测，选取图像中边缘上的圆形区域，得到待检测刀闸中导电闸刀的粗略位置信息；
S7：根据所述待检测刀闸中导电闸刀的粗略位置信息，对待检测刀闸图像进行直线检测，并根据所述直线检测结果定位得到两段导电闸刀的精确位置，计算刀闸闭合程度进行输出，并结束检测。


2.根据权利要求1所述的刀闸状态精细化检测识别方法，其特征在于：所述S1步骤中，对待检测的刀闸图像进行预处理的具体步骤包括采用高斯滤波进行去噪处理。


3.根据权利要求1所述的刀闸状态精细化检测识别方法，其特征在于：所述S2步骤中，所述深度学习模块采用YOLO_V3算法对刀闸开闭状态进行图像识别分类。


4.根据权利要求1所述的刀闸状态精细化检测识别方法，其特征在于：所述S4步骤的具...

【专利技术属性】
技术研发人员：骆国铭，周俊宇，唐鹤，吴海江，陈晓彤，李伟，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司佛山供电局，
类型：发明
国别省市：广东;44