一种变电站设备缺陷自动识别方法及系统技术方案

本发明专利技术公开了一种变电站设备缺陷自动识别方法及系统，包括：获取包含变电站目标设备的图像数据，并对所述图像数据进行预处理；将预处理后的图像，提取特征图谱；将提取的特征图谱输入到训练好的区域推荐网络，将区域推荐网络的结果输出到分类网络对目标进行分类，得到目标设备的位置以及缺陷识别结果。本发明专利技术通过改进的残差神经网络和区域推荐网络进行结合，通过改进的残差神经网络提取目标设备的特征图谱，利用区域推荐网络得到目标设备的位置，然后通过分类网络进行缺陷识别；能够同时识别目标位置并定位缺陷类型，减少人工参与程度，提高缺陷识别的效率和准确率。提高缺陷识别的效率和准确率。提高缺陷识别的效率和准确率。

【技术实现步骤摘要】
一种变电站设备缺陷自动识别方法及系统


[0001]本专利技术属于变电站设备缺陷识别领域，尤其涉及一种变电站设备缺陷自动识别方法及系统。

技术介绍

[0002]变电站是电力系统中重要的组成部分之一，其场所内部有着众多的电力设备，电力设备在长时间的工作使用后，其表面容易产生破损，从而导致内部金属容易产生锈蚀现象；
[0003]现有技术中通过人工根据破损情况来判断设备是否存在缺陷，这种方式面临着工作量激增与人员相对短缺的问题；并且，这样的方式容易出现误判从而导致检测结果的不精确性。
[0004]现有技术中通过巡检机器人或视频监控装置辅助完成变电设备的少部分巡视工作，包括运维人员操控巡检装置进行巡检或者机器人和摄像头按照预置点位及预设角度进行巡检；但伴随着无人化智能变电站的日渐普及，对变电站中的智能巡检机器人的巡检可靠性要求越来越高。而变电站中设备多样、表计种类繁多，使用传统的模式识别方式已经难以准确、可靠的识别各类设备，做到及时排查隐患，发现缺陷。

技术实现思路

[0005]为了解决上述问题，本专利技术提出了一种变电站设备缺陷自动识别方法及系统，能够解决现有变电站设备缺陷识别准确率低的问题。
[0006]为了实现上述目的，在一些实施方式中，本专利技术采用如下技术方案：
[0007]一种变电站设备缺陷自动识别方法，包括：
[0008]获取包含变电站目标设备的图像数据，并对所述图像数据进行预处理；
[0009]将预处理后的图像，提取特征图谱；
[0010]将提取的特征图谱输入到训练好的区域推荐网络，将区域推荐网络的结果输出到分类网络对目标进行分类，得到目标设备的位置以及缺陷识别结果。
[0011]在另一些实施方式中，采用如下技术方案：
[0012]一种变电站设备缺陷自动识别系统，包括：
[0013]数据获取模块，用于获取包含变电站目标设备的图像数据，并对所述图像数据进行预处理；
[0014]特征图谱获取模块，用于将预处理后的图像，提取特征图谱；
[0015]缺陷识别模块，用于将提取的特征图谱输入到训练好的区域推荐网络，将区域推荐网络的结果输出到分类网络对目标进行分类，得到目标设备的位置以及缺陷识别结果。
[0016]在另一些实施方式中，采用如下技术方案：
[0017]一种终端设备，其包括处理器、GPU显卡和存储器，处理器用于实现各指令；GPU用于高效的神经网络计算；存储器用于存储多条指令，所述指令适于由处理器加载并执行上
述的变电站设备缺陷自动识别方法。
[0018]在另一些实施方式中，采用如下技术方案：
[0019]一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的变电站设备缺陷自动识别方法。
[0020]与现有技术相比，本专利技术的有益效果是：
[0021]本专利技术通过改进的残差神经网络和区域推荐网络进行结合，通过改进的残差神经网络提取目标设备的特征图谱，利用区域推荐网络得到目标设备的位置，然后通过分类网络进行缺陷识别；能够同时识别目标位置并定位缺陷类型，减少人工参与程度，提高缺陷识别的效率和准确率。
[0022]本专利技术对进行样本图像增强处理，解决了缺陷样本数量不足的问题，进一步提高缺陷识别的准确率。
[0023]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0024]构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0025]图1是本专利技术实施例中变电站设备缺陷自动识别方法流程图；
[0026]图2是本专利技术实施例中改进的残差模块结构示意图。
具体实施方式
[0027]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0028]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0029]实施例一
[0030]在一个或多个实施方式中，公开了一种变电站设备缺陷自动识别方法，参照图1，具体包括如下步骤：
[0031](1)获取包含变电站目标设备的图像数据，并对所述图像数据进行预处理；进行预处理的方法包括对于图像的尺度调整和图像的归一化操作。
[0032](2)将预处理后的图像，提取特征图谱；
[0033]具体地，利用改进的残差神经网络对输入图像进行特征提取；传统的残差神经网络通过串联大量的残差模块来构建。设串联的模块个数为K，则前向传播和反向传播可以分别表示为：
[0034][0035][0036]其中，Loss为神经网络总体的损失函数；x0和x
k
分别为残差模块的输入和输出。对于普通的神经网络结构，当层数较多网络结构较深时，反向传播过程中在0附近的偏导数不断相乘，最终会导致梯度趋于0，产生梯度消失。式(2)中的“1”能够使得偏导数多在1附近，从而有效缓解了梯度消失的问题。
[0037]本实施例中，为了提升模型的学习能力，在传统的残差神经网络的基础上，并联连接若干残差模块，参照图2，以从输入数据中学习到多角度的特征信息。通过并联多个残差网络，可以从输入数据中学习到多角度的特征信息，进一步提升了网络的效果。
[0038](3)将提取的特征图谱输入到训练好的区域推荐网络，将区域推荐网络的结果输出到分类网络对目标进行分类，得到目标设备的位置以及缺陷识别结果。
[0039]区域推荐网络在每个像素点对应的原图像区域生成设定数量的锚框，计算每一个锚框和输入图像标记框之间的偏差，采用梯度下降法对所述的偏差进行学习，最终输出目标设备的位置信息。
[0040]将区域推荐网络的结果输出到池化层分类器中，利用Softmax函数对目标进行分类。Soft损失函数的表达式为：
[0041][0042]其中，分子是要计算的类别i的网络输出的指数；分母是所有类别网络输出的指数和，共k个类别；这样就得到了类别i的输出概率p
i
。
[0043]本实施例中，区域推荐网络RPN的实现方式为：在conv5
‑
3的卷积feature map上用一个n*n的滑窗(选取n＝3，即3*3的滑窗)生成一个长度为256或512维长度的全连接特征。然后在这个256维或512维的特征后产生两个分支的全连接层。
[0044]对于区域推荐网络RPN的训练过程包括：
[0045]选取采集到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电站设备缺陷自动识别方法，其特征在于，包括：获取包含变电站目标设备的图像数据，并对所述图像数据进行预处理；将预处理后的图像，提取特征图谱；将提取的特征图谱输入到训练好的区域推荐网络，将区域推荐网络的结果输出到分类网络对目标进行分类，得到目标设备的位置以及缺陷识别结果。2.如权利要求1所述的一种变电站设备缺陷自动识别方法，其特征在于，将预处理后的图像，提取特征图谱，具体包括：将预处理后的图像输入到改进的残差神经网络，提取特征图谱；其中，所述改进的残差神经网络在传统的残差神经网络的基础上，并联连接若干残差模块，以从输入数据中学习到多角度的特征信息。3.如权利要求1所述的一种变电站设备缺陷自动识别方法，其特征在于，所述区域推荐网络在每个像素点对应的原图像区域生成设定数量的锚框，计算每一个锚框和输入图像标记框之间的偏差，并对该偏差量采用梯度下降法进行学习，得到区域推荐网络的输出结果。4.如权利要求1所述的一种变电站设备缺陷自动识别方法，其特征在于，对于区域推荐网络进行训练的过程，具体包括：对原始图像数据进行样本数据增强预处理，构建样本数据集；所述样本数据集中包含正样本和负样本，选取设定比例的正负样本，对构建的区域推荐网络进行训练，直到满足收敛条件。5.如权利要求4所述的一种变电站设备缺陷自动识别方法，其特征在于，对原始图像数据进行样本数据增强预处理，具体包括：通过图像增强的方法对训练样本进行预处理操作，包括：翻转、缩放、平移和填充操作。6.如权利要求4所述...

【专利技术属性】
技术研发人员：徐波，魏永，刘兴琛，张琪，黄超，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：