【技术实现步骤摘要】
一种用于电表终端故障识别的图像识别方法
本专利技术属于电表终端故障识别
，具体涉及一种用于电表终端故障识别的图像识别方法。
技术介绍
随着电力行业的发展，电表终端设备越来越多，在实际运营过程中，电表可能会出现各种故障，故障种类较多，常规的运维模式，不能高效智能的保障其可持续性的运营，迫切需要通过技术手段来提升电表故障识别的智能化水平，提高运营经济效益。随着计算机科学在各行业中的不断普及和应用，使用计算机视觉技术辅助快速识别电表故障类型，可以简化系统管理，快速提供当前故障的指导性维修方法，提高整个系统的运行效率。但是当前，电表终端的智能识别面临如下两方面的问题：一、电表终端设备产自不同厂家，设备型号也多种多样。每种电表终端的故障报警显示方式，报警灯显示位置，液晶屏显示信息等都不一样，给视觉识别带来较大的挑战。二、实际采集的电表图像可能来自于不同的摄像设备，电表箱的安装高度不同等导致获取到的图像，光照、视角、背景(其它电力设备)和分辨率可能都不一样，给电表故障的识别带来了进一步的挑战。当前深...
【技术保护点】
1.一种用于电表终端故障识别的图像识别方法，其特征在于：该方法包括以下步骤：/n(1)搭建基于深度学习分类网络、电表终端检测网络、组态匹配和故障识别网络；/n(2)深度学习分类网络输入为图像，输出为电表终端设备的型号；/n(3)电表终端检测网络的输出为每个电表终端型号对应的一个特征；/n(4)使用组态匹配检测方法获取每个电表终端面板信息特征；/n(5)根据面板信息特征进行故障识别：识别使用深度学习网络，将典型的“无故障”图片和“有故障”图片送进深度学习网络进行训练，识别时，将待识别的图片送入网络，网络会输出是否有故障的结果。/n
【技术特征摘要】
1.一种用于电表终端故障识别的图像识别方法，其特征在于：该方法包括以下步骤：
(1)搭建基于深度学习分类网络、电表终端检测网络、组态匹配和故障识别网络；
(2)深度学习分类网络输入为图像，输出为电表终端设备的型号；
(3)电表终端检测网络的输出为每个电表终端型号对应的一个特征；
(4)使用组态匹配检测方法获取每个电表终端面板信息特征；
(5)根据面板信息特征进行故障识别：识别使用深度学习网络，将典型的“无故障”图片和“有故障”图片送进深度学习网络进行训练，识别时，将待识别的图片送入网络，网络会输出是否有故障的结果。
2.根据权利要求1所述的一种用于电表终端故障识别的图像识别方法，其特征在于：步骤(4)中组态匹配检测方法为：在步骤2的深度学习分类网络中，根据深度学习的分类识别结果，获取厂家和和型号信息，厂家信息设置为目标1的位置，设目标1的位置信息为(x，y,w,h)，其中x，y表述目标1的中心位置，w，h分别表示，对于每一个具体型号的电表终端，建立一个组态匹配信息，对于目标2，建立一个VariationX1，VariationY1，VariationW1，VariationH1的相对位置信息，建立一个VarationDetection的算法信息，建立一个VariationLink＝1的组态信息，获得目标2的信息检测，在得到目标2的基础上继续检测3和4的信息，依次获得面板上其余信息。
3.根据权利要求2所述的一种用于电表终端故障识别的图像识别方法，其特征在于：若检测的目标i为小目标，则建立一个VariationXi，VariationYi，VariationWi，VariationHi的相对位置信息，建立一个VarationClassify的算法信息，建立一个VariationLink＝i-1的组态信息；VariationLink＝i-1表述位置信息是相对于目标位置i的偏移，VarationClassify表述直接使用分类算法。
4.根据权利要求1所述的一种用于电表终端故障识别的图像识别方法，其特征在于：步骤(2)中深度学习分类网络的训练方法包括以下步骤：
(1)搭建基于深度学习的网络架构；
(2)使用透视变换技术丰富样本，在相机只有旋转变化的情况下，所有的图片都由特定的透视变换矩阵得到，透视变换矩阵是3X3的矩阵，除去缩放因子，其有八个自由度，确定了变换前的坐标和变换后的坐标关系：
q＝H*p
式中，q表示变换后的坐标(x’,y’,z’)，H表示透视矩阵，p表示原坐标(x,y,z)，该公式为标准的透视变换齐次矩阵公式；
(3)使用ISP技术调整图像的亮度、对比度和颜色，丰富样本；
(4)训练电表终端检测识别网络，用于识别电表终端和表盘四个角点所在区域；
(...
【专利技术属性】
技术研发人员：丁超，张秋雁，欧家祥，张俊玮，王蓝苓，胡厚鹏，王扬，李航峰，李聪，叶左宣，关怀海，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：贵州;52
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。