基于视频图像智能前端的变电设备缺陷诊断方法和系统技术方案

本发明专利技术公开了基于视频图像智能前端的变电设备缺陷诊断方法及系统。该方法包括：实时采集变电设备视频图像；采用最优调度方案，执行轻量化缺陷识别模型处理所述视频图像，并根据处理结果，确定变电设备的缺陷。该方法利用设置在智能前端这一边端侧的边缘计算能力来实时处理视频图像。利用集成在智能前端的视频图像处理芯片，执行变电设备缺陷图像诊断算法，生成变电设备状态预警结论或缺陷识别结论；在边端侧实现了快速高效的图像处理，保证了变电站设备缺陷诊断的快速性、及时性和准确性。

【技术实现步骤摘要】
基于视频图像智能前端的变电设备缺陷诊断方法和系统
本专利技术属于变电设备智能巡检
，具体涉及基于视频图像智能前端的变电设备缺陷诊断方法和系统。
技术介绍
目前，变电设备巡检和分析存在以下问题：一、缺少智能采集变电设备视频图像的手段。在变电设备巡视的发展初期，通常采用手持红外热成像仪、手持紫外成像仪以及人工巡视方式，提升了设备缺陷发现能力，但增加了运检人员的日常巡视工作压力，也对运检人员提出了较高技术要求。随着智能变电站建设，变电设备巡视可采用移动巡检机器人、固定机位的视频图像摄像头等视频图像巡检终端，减少了运检人员部分人工巡视压力，但增加了运检人员设备维护、系统升级、缺陷审核等方面的压力。目前受限于软硬件技术水平，固定机位的视频图像摄像头和移动巡检机器人只能在固定预置点位进行数据采集，无法实现自适应角度的智能图像采集，存在采集的图像质量不高而导致在云端诊断效率低及误检率较高的问题。二、目前的视频图像巡检终端缺少实时智能分析能力。目前，变电设备视频图像通过光纤等信道统一传输到后台服务器来分析处理，增加了通信及数据集中管理的成本和压力，数据分析的时效性和即时性不足。尤其在变电站内设置的视频图像巡检终端数量不断增加，视频图像采集智能前端的成像质量和分辨率不断提高时，通信信道和后台服务器的硬件成本激增，及图像识别和处理效率大幅下降。因此，尽管目前已经有变电站/换流站在利用巡检机器人、视频摄像头、红外摄像头等视频图像巡检终端对变电站设备进行定期巡检，但其后续需要利用设置在云端的计算能力来处理视频图像，缺陷诊断及时性不足。
技术实现思路
针对现有技术的不足，本专利技术提供基于视频图像智能前端的变电设备缺陷诊断方法和系统，以解决目前变电站设备缺陷诊断及时性不足的问题。第一方面，本专利技术提供一种基于视频图像智能前端的变电设备缺陷诊断方法，包括：实时采集变电设备视频图像；采用最优调度方案，执行轻量化缺陷识别模型处理所述视频图像，并根据处理结果，确定变电设备的缺陷。进一步地，在实时采集变电设备视频图像之前，还包括：经边端侧云边协同组件和云端侧云边协同组件从云端服务器获取变电设备图像诊断模型，所述变电设备图像诊断模型是根据变电站的典型视频图像及典型缺陷完成深度学习神经网络训练及评估后生成的；其中，所述边端侧云边协同组件设置于所述视频图像智能前端；所述云端侧云边协同组件设置于所述云端服务器；对获取的变电设备图像诊断模型执行伪量化处理和/或剪枝处理，得到轻量化缺陷识别模型。进一步地，所述视频图像智能前端设置有视频图像处理芯片和中央处理器；在实时采集变电设备视频图像之前，还包括：协同视频图像处理芯片的硬件资源和中央处理器的硬件资源，对所述轻量化缺陷识别模型执行算子调优算法，得到与所述轻量化缺陷识别模型对应的最优调度方案，并映射到中央处理器内。进一步地，所述视频图像智能前端设置有摄像头传感单元，所述摄像头传感单元固定设置在可控云台上，跟随可控云台摆动；在实时采集变电设备视频图像之前，还包括：获取摄像头传感单元采集的变电设备视频图像，执行轻量化实例分割模型处理所述视频图像，确定目标主体的目标中心值；根据所述目标主体的目标中心值和摄像头传感单元采集的图像的画面中心值计算偏移量；根据所述偏移量，通过比例-积分-微分控制可控云台，以使得目标主体位于摄像头传感单元采集的画面的中央。进一步地，在根据变电站的典型视频图像及典型缺陷完成深度学习神经网络训练及评估，生成所述变电设备图像诊断模型时，所述变电设备缺陷图像诊断模型基于以下深度学习神经网络框架中的一种或多种得到：YOLO、FasterRCNN、SSD和MaskRCNN；在模型预测准确度大于或等于预先设定的准确度时，输出所述变电设备缺陷图像诊断模型的权重矩阵和模型参数。第二方面，本专利技术提供一种基于视频图像智能前端的变电设备缺陷诊断系统，包括：设置于变电站内不同位置的多个视频图像智能前端；每一所述视频图像智能前端包括智能摄像头和智能前端板卡；所述智能摄像头用于采集变电设备视频图像；所述智能前端板卡设置有视频图像处理芯片和中央处理器；所述智能前端板卡还设置有智能分析单元，所述智能分析单元用于采用最优调度方案，协调视频图像处理芯片的硬件资源和中央处理器的硬件资源，执行轻量化缺陷识别模型处理所述视频图像，并根据处理结果，确定变电设备的缺陷。进一步地，所述智能摄像头包括摄像头传感单元，所述摄像头传感单元为红外摄像头、可见光摄像头或紫外摄像头；所述智能摄像头固定设置在可控云台上，跟随可控云台摆动；所述视频图像处理芯片和中央处理器还用于实例分割变电设备视频图像，并确定目标主体的目标中心值；所述中央处理器还用于根据所述目标主体的目标中心值，执行云台视角自适应调节算法，控制可控云台摆动，以使得目标主体位于摄像头传感单元采集的画面的中央。进一步地，所述中央处理器还用于协同视频图像处理芯片的硬件资源和中央处理器的硬件资源，对所述轻量化缺陷识别模型执行算子调优算法，得到与所述轻量化缺陷识别模型对应的最优调度方案，并映射到中央处理器内。进一步地，所述智能前端板卡还包括压缩算法处理单元；所述压缩算法处理单元用于对从云端获取的变电设备图像诊断模型执行伪量化处理和/或剪枝处理，得到轻量化缺陷识别模型；所述变电设备缺陷图像诊断模型基于以下深度学习神经网络框架中的一种或多种得到：YOLO、FasterRCNN、SSD和MaskRCNN。进一步地，还包括：与所述多个智能前端通信连接的云端服务器；所述云端服务器设置有云端侧云边协同组件、缺陷图像样本库、缺陷识别模型库和缺陷识别模型训练平台；相应地，每一所述智能前端还包括边端侧云边协同组件；所述智能分析单元确定的指示变电设备缺陷的缺陷图像经边端侧云边协同组件和云端侧云边协同组件传输；在云端服务器，所述指示变电设备缺陷的缺陷图像通过标注和审核后，作为具有缺陷类型标识的标注样本存储在缺陷图像样本库；所述缺陷识别模型训练平台根据所述标注样本进行模型训练和优化，并将通过模型评估的模型推送至缺陷识别模型库；所述缺陷识别模型库还用于对模型进行版本管理，并将更新后的模型通过云端侧云边协同组件及边端侧云边协同组件推送至各所述智能前端。本专利技术提供的基于视频图像智能前端的变电设备缺陷诊断方法和系统，利用集成在智能前端的视频图像处理芯片，执行变电设备缺陷图像诊断算法，生成变电设备状态预警结论或缺陷识别结论；利用设置在边端侧的边缘计算能力来实时处理视频图像，在边端侧实现了快速高效的图像处理，保证了变电站设备缺陷诊断的快速性、及时性和准确性。附图说明通过参考下面的附图，可以更为完整地理解本专利技术的示例性实施方式：图1为本专利技术优选实施方式的变电设备缺陷本文档来自技高网...

【技术保护点】
1.一种基于视频图像智能前端的变电设备缺陷诊断方法，其特征在于，包括：/n实时采集变电设备视频图像；/n采用最优调度方案，执行轻量化缺陷识别模型处理所述视频图像，并根据处理结果，确定变电设备的缺陷。/n

【技术特征摘要】
1.一种基于视频图像智能前端的变电设备缺陷诊断方法，其特征在于，包括：
实时采集变电设备视频图像；
采用最优调度方案，执行轻量化缺陷识别模型处理所述视频图像，并根据处理结果，确定变电设备的缺陷。


2.根据权利要求1所述的方法，其特征在于，
在实时采集变电设备视频图像之前，还包括：
经边端侧云边协同组件和云端侧云边协同组件从云端服务器获取变电设备图像诊断模型，所述变电设备图像诊断模型是根据变电站的典型视频图像及典型缺陷完成深度学习神经网络训练及评估后生成的；其中，
所述边端侧云边协同组件设置于所述视频图像智能前端；
所述云端侧云边协同组件设置于所述云端服务器；
对获取的变电设备图像诊断模型执行伪量化处理和/或剪枝处理，得到轻量化缺陷识别模型。


3.根据权利要求1所述的方法，其特征在于，
所述视频图像智能前端设置有视频图像处理芯片和中央处理器；
在实时采集变电设备视频图像之前，还包括：
协同视频图像处理芯片的硬件资源和中央处理器的硬件资源，对所述轻量化缺陷识别模型执行算子调优算法，得到与所述轻量化缺陷识别模型对应的最优调度方案，并映射到中央处理器内。


4.根据权利要求1所述的方法，其特征在于，
所述视频图像智能前端设置有摄像头传感单元，所述摄像头传感单元固定设置在可控云台上，跟随可控云台摆动；
在实时采集变电设备视频图像之前，还包括：
获取摄像头传感单元采集的变电设备视频图像，
执行轻量化实例分割模型处理所述视频图像，确定目标主体的目标中心值；
根据所述目标主体的目标中心值和摄像头传感单元采集的图像的画面中心值计算偏移量；
根据所述偏移量，通过比例-积分-微分控制可控云台，以使得目标主体位于摄像头传感单元采集的画面的中央。


5.根据权利要求1所述的方法，其特征在于，
在根据变电站的典型视频图像及典型缺陷完成深度学习神经网络训练及评估，生成所述变电设备图像诊断模型时，
所述变电设备缺陷图像诊断模型基于以下深度学习神经网络框架中的一种或多种得到：YOLO、FasterRCNN、SSD和MaskRCNN；
在模型预测准确度大于或等于预先设定的准确度时，输出所述变电设备缺陷图像诊断模型的权重矩阵和模型参数。


6.一种基于视频图像智能前端的变电设备缺陷诊断系统，其特征在于，包括：
设置于变电站内不同位置的多个视频图像智能前端；
每一所述视频图像智能前端包括智...

【专利技术属性】
技术研发人员：杨宁，高飞，杨洋，李丽华，张博文，韩帅，贾鹏飞，
申请(专利权)人：中国电力科学研究院有限公司，
类型：发明
国别省市：北京;11