一种变电设备的外观检测方法、装置、设备和存储介质制造方法及图纸

本发明专利技术涉及一种变电设备的外观检测方法，包括获取变电设备的图像数据；根据所述图像数据和颜色空间模型，得到所述图像数据中的疑似污渍区域；根据所述疑似污渍区域、预先训练的卷积神经网络和K近邻法，得到所述变电设备的外观检测结果。本发明专利技术实现了提升判定变电设备的外观是否存在污渍的效率，同时还提升了对变电设备的污渍类型和区域检测的准确度。本发明专利技术还涉及一种变电设备的外观检测装置、设备和存储介质。

【技术实现步骤摘要】
一种变电设备的外观检测方法、装置、设备和存储介质
本专利技术涉及电力
，尤其涉及一种变电设备的外观检测方法、装置、设备和存储介质。
技术介绍
变电设备是指电力系统中对电压和电流进行变换，接受电能及分配电能的电力设备。智能变电设备是采用先进、可靠、集成和环保的智能设备，以全站信息数字化、通信平台网络化、信息共享标准化为基本要求，自动完成信息采集、测量、控制、保护、计量和检测等基本功能。目前，通常是通过值守人员对变电设备的外观进行巡检，存在效率低下，易受环境影响，对污渍的识别准确率低等问题。
技术实现思路
本专利技术所要解决的技术问题是针对现有技术的不足，提供一种变电设备的外观检测方法、装置、设备和存储介质。本专利技术解决上述技术问题的技术方案如下：一种变电设备的外观检测方法，包括：获取变电设备的图像数据；根据所述图像数据和颜色空间模型，得到所述图像数据中的疑似污渍区域；根据所述疑似污渍区域、预先训练的卷积神经网络和K近邻法，得到所述变电设备的外观检测结果。本专利技术本文档来自技高网...

【技术保护点】
1.一种变电设备的外观检测方法，其特征在于，包括：/n获取变电设备的图像数据；/n根据所述图像数据和颜色空间模型，得到所述图像数据中的疑似污渍区域；/n根据所述疑似污渍区域、预先训练的卷积神经网络和K近邻法，得到所述变电设备的外观检测结果。/n

【技术特征摘要】
1.一种变电设备的外观检测方法，其特征在于，包括：
获取变电设备的图像数据；
根据所述图像数据和颜色空间模型，得到所述图像数据中的疑似污渍区域；
根据所述疑似污渍区域、预先训练的卷积神经网络和K近邻法，得到所述变电设备的外观检测结果。


2.根据权利要求1所述的变电设备的外观检测方法，其特征在于，所述根据所述图像数据和颜色空间模型，得到所述图像数据中的疑似污渍区域，具体包括：
将所述图像数据划分为多个检测区域，并将每一个所述检测区域输入至颜色空间模型中，得到所述检测区域的色彩信息；
将满足预设条件的色彩信息所对应的所述检测区域，确定为疑似污渍区域。


3.根据权利要求1所述的变电设备的外观检测方法，其特征在于，所述根据所述疑似污渍区域、预先训练的卷积神经网络和K近邻法，得到所述变电设备的外观检测结果，具体包括：
提取所述疑似污渍区域的图像特征；
采用所述卷积神经网络对所述图像特征进行分类，得到分类结果和所述分类结果的置信度；
判断所述分类结果的置信度是否高于预设阈值；
若是，将所述分类结果作为所述疑似污渍区域的检测结果；
否则，将所述图像特征输入所述K近邻法，得到所述疑似污渍区域的检测结果；
根据所有所述疑似污渍区域的检测结果，得到所述变电设备的外观检测结果。


4.根据权利要求3所述的变电设备的外观检测方法，其特征在于，所述提取所述疑似污渍区域的图像特征之前，还包括：
对所述疑似污渍区域进行中值滤波处理和直方图均衡化处理。


5.根据权利要求1-4中任一项所述的变电设备的外观检测方法，其特征在于，还包括：对所述卷积神经网络和所述K近邻法进行训练的步骤：
采集所述变电设备的图像数据作为样本图像；
对所述样本图像进行图像预处理，并将预处理后的所述样本图像作为训练样...

【专利技术属性】
技术研发人员：刘秋生，岳焕印，袁飞，崔敏，
申请(专利权)人：北京恒通智控机器人科技有限公司，
类型：发明
国别省市：北京;11