【技术实现步骤摘要】
一种基于深度学习的变电站异物识别方法、装置及系统
本专利技术涉及人工智能、输变电
，尤其涉及一种基于深度学习的变电站异物识别方法、装置及系统。
技术介绍
变电站是远程输电架构中最至关重要的组成部分，它内部包含了数百种设备，而每一设备又包括了数十个部件，并且在传统变电站中这些设备、部件基本都是裸露在外，无套管保护的。另一方面，变电站一般是通过矮墙与外部环境进行阻隔，环境中的异物，如风筝、气球、薄膜等，难免会闯入到站内且容易与站内的设备纠缠在一起，如未及时发现，则很容易造成设备短路，继而损坏设备甚至是更加严重的级联灾害。虽然变电站内已经架设了固定摄像机使得人员可以通过实时视频去观察站内的情况以找出闯入的异物，但实际情况下，要求人力进行24小时全方位、多角度的监控是没办法做到的，且人眼容易疲劳，产生误判的情况。若干变电站内也已经部署了巡视机器人，可以沿固定路线对站内不同位置进行拍摄并进行自动分析以发现设备状态的变化和异物的闯入等。然而，当前机器人所使用目标识别技术智能化水平低，仅能通过图像比对的方式来分辨当前与历史画面的异同...
【技术保护点】
1.一种基于深度学习的变电站异物识别方法，其特征在于，包括：/n采集变电站的场景图像；/n根据预先建立的变电站异物的目标检测模型，对所述场景图像中的异物进行识别，得到所述场景图像内的异物所在位置和异物的类型；/n其中，所述变电站异物的目标检测模型为根据预设的变电站内的异物类型以及若干变电站异物图像进行训练得到。/n
【技术特征摘要】 【专利技术属性】
1.一种基于深度学习的变电站异物识别方法，其特征在于，包括：
采集变电站的场景图像；
根据预先建立的变电站异物的目标检测模型，对所述场景图像中的异物进行识别，得到所述场景图像内的异物所在位置和异物的类型；
其中，所述变电站异物的目标检测模型为根据预设的变电站内的异物类型以及若干变电站异物图像进行训练得到。
2.根据权利要求1所述的一种基于深度学习的变电站异物识别方法，其特征是：所述异物类型，包括以下一种或多种：
鸟巢、蜂巢、风筝、气球、塑料薄膜、防尘网。
3.根据权利要求1所述的一种基于深度学习的变电站异物识别方法，其特征是：所述变电站异物的目标检测模型的建立过程，包括：
对变电站内的异物进行辨别和分类；
采集变电站异物场景图像以及模拟变电站异物场景图像，对图像中的每一标注物打上所属的标签，所述标签为标注物所属种类的文字描述，并进行图像汇总得到汇总后的图像；
利用汇总后的图像进行模型训练，得到变电站异物的目标检测模型。
4.根据权利要求3所述的一种基于深度学习的变电站异物识别方法，其特征是：所述采集变电站异物场景图像，包括：
收集变电站异物闯入的历史图像；
根据异物本体的类型剔除质量差的数据样本，所述质量差的数据样本包括：场景图像中异物本体所占像素区域面积小于5％的样例和/或异物本体只有不足10％部分显示在场景图像中的样例；
所述模拟变电站异物场景图像，包括：异物本体图像的拍摄和采集、变电站内场景拍摄、异物本体部分剪裁、图像扩充、改变图像噪声和图像拼接，得到模拟的变电站异物场景图像。
5.根据权利要求4所述的一种基于深度学习的变电站异物识别方法，其特征是：所述异物本体图像的拍摄和采集，包括：
对变电站内异物进行实时拍摄时保证异物落于摄像设备视野中央区域，从不同距离和角度分别进行拍摄，并通过调节设备光圈获取不同亮度的图像；从网上或其它途径下载关于异物本体的图片样例。
6.根据权利要求4所述的一种基于深度学习的变电站异物识别方法，其特征是：
所述异物本体部分裁剪包括对每一张图片进行定制化处理，剔除背景，沿边缘剪裁出异物本体部分的图像；
所述图像扩充包括通过翻转、裁剪和缩放的方法来增加所获的每一异物本体的数量；通过翻转进行异物本体图像处理的方法如下：将图像每隔30度进行翻转，获取新的图像；通过裁剪进行异物本体图像处理的方法如下：随机对所获的异物本体图像进行裁剪，分别从图像的上、下、左、右裁剪去图像的20％、40％、60％部分，最终从每一张异物图像获取12张新的裁剪后的图像；通过缩放的进行异物本体图像处理的方法如下，分别将异物图像变为原始尺寸的25％、50％、200％大小，获取新的图像；
技术研发人员：邵宝珠，陈其鹏，赵永彬，李桐，吴鹏，刘一涛，林国强，孔剑虹，柴博，杨智斌，刚毅凝，刘芮彤，施玉杰，王明睿，崔楠，
申请(专利权)人：国网辽宁省电力有限公司电力科学研究院，全球能源互联网研究院有限公司，国家电网有限公司，
类型：发明
国别省市：辽宁;21
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。