一种巡检机器人设备识别方法及系统技术方案

本发明专利技术涉及一种巡检机器人设备识别方法及系统，所述方法初始图像信息进行图像预处理，得到背景信息和待测设备信息；基于机器学习算法分别对所述背景信息和所述待测设备信息进行分类，得到背景分类信息和设备分类信息；对所述背景分类信息和所述设备分类信息进行融合，得到融合信息；基于预设设备库对所述融合信息进行匹配，得到设备识别结果。本发明专利技术通过机器学习算法对图像进行自动分类和识别，从而提高了巡检机器人的设备识别的自动化程度。度。度。

【技术实现步骤摘要】
一种巡检机器人设备识别方法及系统


[0001]本专利技术涉及电力系统智能巡检
，特别是涉及一种巡检机器人设备识别方法及系统。

技术介绍

[0002]保证特高压变电站的安全稳定可靠运行是目前的重中之重，尤其特高压变电站，1000kV GIS设备结构紧密，巡检路径不规则，常规室外智能巡检机器人无法实现对该设备区设备的自动巡视，同时现有站内巡检机器人和视频监控功能单一，不具备图像分析和智能检测功能，需要运维人员人工进行异常检查和缺陷查找，尚无法支撑变电站精益化运维管控的需要，无法发挥整合协同力量，难以从根本上减轻运维人员工作量。

技术实现思路

[0003]为了克服现有技术的不足，本专利技术的目的是提供一种巡检机器人设备识别方法及系统，能够提高巡检机器人的设备识别的自动化程度。
[0004]为实现上述目的，本专利技术提供了如下方案：
[0005]一种巡检机器人设备识别方法，包括：
[0006]获取待测设备的初始图像信息；
[0007]根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息；
[0008]基于机器学习算法分别对所述背景信息和所述待测设备信息进行分类，得到背景分类信息和设备分类信息；
[0009]对所述背景分类信息和所述设备分类信息进行融合，得到融合信息；
[0010]基于预设设备库对所述融合信息进行匹配，得到设备识别结果。
[0011]优选地，所述根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息，包括：<br/>[0012]根据所述初始图像信息进行像素点提取，得到提取信息和未提取信息；
[0013]分别对所述提取信息和所述未提取信息进行像素合并，得到所述背景信息和所述待测设备信息。
[0014]优选地，所述根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息之后，还包括：
[0015]分别对所述背景信息和所述待测设备信息进行图像二值化处理，得到图像细化后的背景信息和图像细化后的待测设备信息。
[0016]优选地，基于机器学习算法分别对所述背景信息和所述待测设备信息进行分类，得到背景分类信息和设备分类信息，包括：
[0017]利用训练好的图像识别模型分别识别所述背景信息和所述待测设备信息，得到背景识别信息和设备识别信息；
[0018]所述图像识别模型的训练方法为：
[0019]获取训练分割图像数据；
[0020]标注所述训练分割图像数据，得到标注图像数据；
[0021]根据所述标注图像数据和所述训练分割图像数据确定损失函数；
[0022]利用梯度下降优化器最小化所述损失函数的数值，得到所述图像识别模型的更新梯度；
[0023]判断训练次数是否达到预设训练次数，若未达到所述预设训练次数，则根据所述更新梯度更新所述图像识别模型的权值，将所述训练分割图像数据输入更新后的所述图像识别模型中进行分割训练；若达到所述预设训练次数，则输出训练好的所述图像识别模型。
[0024]优选地，所述对所述背景分类信息和所述设备分类信息进行融合，得到融合信息，包括：
[0025]根据所述背景分类信息和所述设备分类信息进行框架构建，得到辨别框架；
[0026]基于D
‑
S证据推理的方法对所述辨别框架进行解析，得到所述融合信息。
[0027]一种巡检机器人设备识别系统，包括：
[0028]获取模块，用于获取待测设备的初始图像信息；
[0029]预处理模块，用于根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息；
[0030]分类模块，用于基于机器学习算法分别对所述背景信息和所述待测设备信息进行分类，得到背景分类信息和设备分类信息；
[0031]融合模块，用于对所述背景分类信息和所述设备分类信息进行融合，得到融合信息；
[0032]匹配模块，用于基于预设设备库对所述融合信息进行匹配，得到设备识别结果。
[0033]优选地，所述预处理模块包括：
[0034]提取单元，用于根据所述初始图像信息进行像素点提取，得到提取信息和未提取信息；
[0035]合并单元，用于分别对所述提取信息和所述未提取信息进行像素合并，得到所述背景信息和所述待测设备信息。
[0036]优选地，还包括：
[0037]细化模块，用于分别对所述背景信息和所述待测设备信息进行图像二值化处理，得到图像细化后的背景信息和图像细化后的待测设备信息。
[0038]优选地，所述分类模块包括：
[0039]识别单元，用于利用训练好的图像识别模型分别识别所述背景信息和所述待测设备信息，得到背景识别信息和设备识别信息；
[0040]所述识别单元具体包括：
[0041]获取子单元，用于获取训练分割图像数据；
[0042]标注子单元，用于标注所述训练分割图像数据，得到标注图像数据；
[0043]确定子单元，用于根据所述标注图像数据和所述训练分割图像数据确定损失函数；
[0044]更新子单元，用于利用梯度下降优化器最小化所述损失函数的数值，得到所述图像识别模型的更新梯度；
[0045]判断子单元，用于判断训练次数是否达到预设训练次数，若未达到所述预设训练次数，则根据所述更新梯度更新所述图像识别模型的权值，将所述训练分割图像数据输入更新后的所述图像识别模型中进行分割训练；若达到所述预设训练次数，则输出训练好的所述图像识别模型。
[0046]优选地，所述融合模块包括：
[0047]构建单元，用于根据所述背景分类信息和所述设备分类信息进行框架构建，得到辨别框架；
[0048]解析单元，用于基于D
‑
S证据推理的方法对所述辨别框架进行解析，得到所述融合信息。
[0049]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0050]本专利技术提供了一种巡检机器人设备识别方法及系统，所述方法初始图像信息进行图像预处理，得到背景信息和待测设备信息；基于机器学习算法分别对所述背景信息和所述待测设备信息进行分类，得到背景分类信息和设备分类信息；对所述背景分类信息和所述设备分类信息进行融合，得到融合信息；基于预设设备库对所述融合信息进行匹配，得到设备识别结果。本专利技术通过机器学习算法对图像进行自动分类和识别，从而提高了巡检机器人的设备识别的自动化程度。
附图说明
[0051]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0052]图1为本专利技术提供的实施例中的巡检机器人设备识别方法流程图；
[0053]图2为本专利技术提供的实施例中的巡检机器人设备识别系统的模块连接图
具体本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种巡检机器人设备识别方法，其特征在于，包括：获取待测设备的初始图像信息；根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息；基于机器学习算法分别对所述背景信息和所述待测设备信息进行分类，得到背景分类信息和设备分类信息；对所述背景分类信息和所述设备分类信息进行融合，得到融合信息；基于预设设备库对所述融合信息进行匹配，得到设备识别结果。2.根据权利要求1所述的巡检机器人设备识别方法，其特征在于，所述根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息，包括：根据所述初始图像信息进行像素点提取，得到提取信息和未提取信息；分别对所述提取信息和所述未提取信息进行像素合并，得到所述背景信息和所述待测设备信息。3.根据权利要求1所述的巡检机器人设备识别方法，其特征在于，所述根据所述初始图像信息进行图像预处理，得到背景信息和待测设备信息之后，还包括：分别对所述背景信息和所述待测设备信息进行图像二值化处理，得到图像细化后的背景信息和图像细化后的待测设备信息。4.根据权利要求1所述的巡检机器人设备识别方法，其特征在于，基于机器学习算法分别对所述背景信息和所述待测设备信息进行分类，得到背景分类信息和设备分类信息，包括：利用训练好的图像识别模型分别识别所述背景信息和所述待测设备信息，得到背景识别信息和设备识别信息；所述图像识别模型的训练方法为：获取训练分割图像数据；标注所述训练分割图像数据，得到标注图像数据；根据所述标注图像数据和所述训练分割图像数据确定损失函数；利用梯度下降优化器最小化所述损失函数的数值，得到所述图像识别模型的更新梯度；判断训练次数是否达到预设训练次数，若未达到所述预设训练次数，则根据所述更新梯度更新所述图像识别模型的权值，将所述训练分割图像数据输入更新后的所述图像识别模型中进行分割训练；若达到所述预设训练次数，则输出训练好的所述图像识别模型。5.根据权利要求1所述的巡检机器人设备识别方法，其特征在于，所述对所述背景分类信息和所述设备分类信息进行融合，得到融合信息，包括：根据所述背景分类信息和所述设备分类信息进行框架构建，得到辨别框架；基于D
‑
S证据推理的方法对所述辨别框架进行解析，得到所述融合信息...

【专利技术属性】
技术研发人员：张雍赟，王建民，陈晓昱，袁滨，王时光，
申请(专利权)人：国网山西省电力公司输电检修分公司，
类型：发明
国别省市：