【技术实现步骤摘要】
一种基于AE-SVM变电站巡检机器人的仪表图像识别方法
本专利技术涉及图像识别算法领域，特别是涉及一种基于AE-SVM变电站巡检机器人的仪表图像识别方法。
技术介绍
随着我国电力技术的不断发展，电网的建设运检体量越来越大、电力体制的改革也越来越深入，我国电力系统正朝着机械化、自动化、智能化方向发展。电力系统的蓬勃发展，伴随着的是变电站的日常监盘、巡视、维护、消缺工作的任务量变得繁重。传统的例行及特殊巡视、日常维护等工作需要变电运行人员或操作队班组成员定期去往各个变电站、换流站进行巡检工作，用人工采集的方式收集大量的数据，并且需要做很多繁琐的周期性、重复性、机械性的工作，消耗了大量的人力物力。巡视检查工作是变电站日常运维工作的重中之重，国家电网公司一直以来对变电站巡视工作要求非常严格，各网省公司变电运维专业也提出一系列的举措来强化变电巡视业务，但是由于人员数量配置不足等原因导致的巡视不到位、数据不准确、巡视流于形式等情况依然存在。变电站智能巡检机器人是身上安装有红外测温仪、高清摄像头、音频信号接收器等先进设备的...
【技术保护点】
1.基于AE-SVM变电站巡检机器人的仪表图像识别方法，具体步骤如下，其特征在于：/n步骤1:巡检机器人使用CCD图像传感器采集被测设备各时间段的仪表图像，通过WIFI上传至基站系统的仪表数据识别系统；/n步骤2：仪表数据识别系统通过预训练好的AE模型提取仪表数据的图像特征；/n步骤3：将提取的仪表数据图像特征输入到训练好的SVM模型中，对仪表数据进行分类，并按照设备编号读出数字型仪表数据，存入数据库；/n步骤4：对于仪表数据错分的情况，系统会将该数据送入分类模型中，对SVM模型进行增量学习，从而不断提升模型分类的准确率。/n
【技术特征摘要】
1.基于AE-SVM变电站巡检机器人的仪表图像识别方法，具体步骤如下，其特征在于：
步骤1:巡检机器人使用CCD图像传感器采集被测设备各时间段的仪表图像，通过WIFI上传至基站系统的仪表数据识别系统；
步骤2：仪表数据识别系统通过预训练好的AE模型提取仪表数据的图像特征；
步骤3：将提取的仪表数据图像特征输入到训练好的SVM模型中，对仪表数据进行分类，并按照设备编号读出数字型仪表数据，存入数据库；
步骤4：对于仪表数据错分的情况，系统会将该数据送入分类模型中，对SVM模型进行增量学习，从而不断提升模型分类的准确率。
2.根据权利要求1基于AE-SVM变电站巡检机器人的仪表图像识别方法，其特征在于,所述的变电站巡检机器人的控制系统主要分为：基站系统、巡检机器人系统；基站系统主要由后台工程机、仪表数据识别系统、无线通讯设备和基站导航定位规划系统等系统组成；其中后台工程机主要为操作人员提供操作交互界面、监控机器人的各项状态信息、规划机器人的运动路线；仪表数据识别系统主要存储CCD传感器采集的仪表图像，并完成仪表图像识别和保存数据等功能；巡检机器人系统主要分为移动控制系统和仪表检测系统；基站系统主要由后台工程机、仪表数据识别系统、无线通讯设备和基站导航定位规划系统等系统组成；其中移动控制系统主要通过传感器采集巡检机器人的导航定位信息，同时反馈给后台工程机控制巡检机器人的运动路线，根据后台工程机的控制命令控制机器人的运动，上传巡检机器人的状态信息和巡检机器人的运动状态；仪表检测系统主要将传感器采集的仪表图像数据传输到基站系统。
3.根据权利要求1基于AE-SVM变电站巡检机器人的仪表图像识别方法，其特征在于,所述的自编码SVM模型：
AE网络结构设置为256-80-256的网络结构，隐含层权重惩罚系数为0.003，输入层激活函数是logsig函数，输出层激活函数是purelin函数，最大迭代次数设置为300，学习率设置为0.05，误差函数采用均方根误差。
4.根据权利要求1基于AE-SVM变电站巡检机器人的仪表图像识别方法，其特征在于,所述的AE模型提取仪表图像特征：
仪表数据识别系统将巡检机器人拍摄的原始图像输入训练好的自编码网络中，在隐含层提取图像特征hd；对含有M个图像样本数据集中的任意样本xd，隐含层的编码矢量hd以及自编码网络重构输出可分别表示为：
hd＝f(W(1)xd+b(1))(1)
...
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。