一种基于深度学习的变压器油箱的测量方法及系统技术方案

本发明专利技术公开了一种基于深度学习的变压器油箱的测量方法及系统，本方法属于非接触式的方法，采用至少双目相机和视觉技术来对变压器油箱的至少4个面进行拍照并针对待测量的目标面进行重点的关注，从而识别疑似发生缺陷的面，以及定位该面上变压器油箱的几何参数并进行测量。通过长期的测量，可基于历史测量信息和当前测量信息判断变压器油箱是否发生形貌上的变化以及变化量。本发明专利技术相比传统的人工测量手段，大大提高了效率并保障了安全性，同时还提高了精度，具有推广价值。具有推广价值。具有推广价值。

【技术实现步骤摘要】
一种基于深度学习的变压器油箱的测量方法及系统


[0001]本专利技术涉及变压器
，并且更具体地，涉及一种基于深度学习的变压器油箱的测量方法方法及系统。

技术介绍

[0002]变压器在长期运行过程中可能出现安全隐患，其中包括变压器油箱的形貌发生几何参数上的变化，严重时，此种变化直接威胁电力系统的安全稳定运行。
[0003]目前对变压器油箱的几何参数变化主要还是采用人工利用工具进行测量的方法，例如现有技术中存在变压器油箱变形量测量工装这样的配套工具。显而易见的是，此种人工测量效率较低，劳动强度大，且对安全性有较高要求。
[0004]在
技术介绍
部分中公开的上述信息仅仅用于增强对本专利技术背景的理解，因此可能包含不构成在本国中本领域普通技术人员公知的现有技术的信息。

技术实现思路

[0005]针对现有技术中存在的问题，根据本专利技术的一个方面，本专利技术提出一种基于深度学习的变压器油箱的测量方法，包括以下步骤：
[0006]第一步骤，第一相机拍摄目标电力设备的第一个面以获得第一个面的第一类型图像；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的变压器油箱的测量方法，包括以下步骤：第一步骤，第一相机拍摄目标电力设备的第一个面以获得第一个面的第一类型图像；第二步骤，通过深度学习算法YOLO技术在第一个面的第一类型图像中识别变压器油箱在所述第一个面中的位置；第三步骤，根据识别的变压器油箱的位置，控制第一相机拍摄目标电力设备的其余面以获得其余面的第一类型图像；第四步骤，通过深度学习算法YOLO技术在其余面的第一类型图像中识别变压器油箱在其余面中的位置；第五步骤，从所述第一个面和其余面的所有第一类型图像中分别截取变压器油箱在各个面的区域作为截取处理后的第一类型图像；第六步骤，对于截取处理后的第一类型图像，通过显著性检测算法和水平投影法定位变压器油箱以判定变压器油箱是否在第一个面以及其余面中的任意面存在缺陷，并将判定存在缺陷的变压器油箱的面设定为待测量的目标面；第七步骤，对于所有的待测量的目标面，双目相机中的每个相机对每一个待测量的目标面进行同步实时采集，获取该面上的第二类型图像和第三类型图像，其中，第二类型图像和第三类型图像构成双目图像；第八步骤，利用金字塔匹配算法和三角测量法处理所述双目图像，计算变压器油箱在每一个待测量的目标面上的空间位置和几何参数。2.根据权利要求1所述的方法，其中，所述方法还包括如下步骤：测量变压器油箱在每一个待测量的目标面上的长和宽，并以此监测变压器油箱在任一个待测量的目标面上是否发生长或宽方向上的形变。3.根据权利要求2所述的方法，其中，所述方法还包括：当监测到变压器油箱在任一个待测量的目标面上发生长或宽方向上的形变时，根据检测长或宽的历史信息，计算发生形变的形变量。4.根据权利要求1所述的方法，其中，所述第一个面为变压器油箱的4个侧面中的任意一个；所述其余面为变压器油箱的4个侧面中除第一个面之外的其余面。5.根据权利要求1所述的方法，其中，第三步骤中，控制第一相机拍摄目标电力设备的上顶面，以获得上顶面的第一类型图像。6.根据权利要求1所述的方法，其中，所述云台是一个云台、多个云台或无人机云台。7.根据权利要求1所述的方法，其中，所述第八步骤具体包括如下子步骤：基于第二类型图像和第三类型图像进行金字塔块匹配得到双目图像的第一匹配点对，计算第一匹配点对中的所有匹配点的水平方向坐标之差的绝对值，将差值最小的值作为视差最小值，差值最大的值作为视差最大值以得到自适应视差等级；进行归一化互相关匹配以得到第二匹配点对，通过第二匹配点对、双目相机中的两个相机的内参数和外参数，依据三角测量得到目标的空间位置和几何参数确定目标的长和宽。
8.根据权利要求1所述的方法，其中，通过双目标定求取双目相机中的两个相机的内参数和外参数，包括：提取标定图像中的棋盘点，采用张正友标定法，计算双目相机中的两个相机的内参数，然后根据相机成像原理，采用光束平差法和非线性优化的方法，计算得到双目相机中左、右相机的外参数，其中，对于左、右相机，采用光束平差法基于相机成像计算得到物体的图像坐标，计算的图像坐标与真实检测得到的图像坐标进行重投影误差计算；通过非线性优化的方法，使得重投影误差最小以得到相机的外参数。9.根据权利要求8所述的方法，其中，所述提取标定图像中的棋盘点，采用张正友标定法，计算双目相机中的两个相机的内参数，然后根据相机成像原理，采用光束平差法和非线性优化的方法，计算得到双目相机中左、右相机的外参数，具体包括：令相机坐标系下标志物的齐次坐标为M＝(X',Y',Z',1)，图像坐标系下标志物的齐次坐标为m＝(μ，ν，1)，提取棋盘角点在二维图像坐标系下的像素位置为(μ，ν)，通过张正友相机标定法获得左、右相机的内参数；令棋盘格的三维坐标与相机坐标系之间的转换关系如下：其中，(X,Y,Z)为世界坐标系下棋盘角点的三维坐标，(X',Y',Z')为相机坐标系下标志物角点坐标，R,T分别为世界坐标系和相机坐标系之间的旋转矩阵和平移矩阵，通过相机内参矩阵建立空间点到二维点的几何关系：其中，A为相机内参矩阵；s为深度因子，所述深度因子取决于相机拍摄时距标定板的距离；(f
x
,f
y
,u
x
,u
y
)为相机的内参数。对于上式(2)，三维坐标映射到图像坐标的关系进一步表达为：对于上式(3)，左、右相机的三维空间坐标点与二维像素坐标点之间的映射关系通过如下左右相机方程组表达，其中l下标表示对应于左相机，r下标表示对应于右相机：
其中，(f
lx
,f
ly
,u
lx
,u
ly
)，(f
rx
,f
ry
,u
rx
,u
ry
)分别为左、右相机的内参数，为左右相机的焦距与主点坐标，其通过张正友标定法标定而确定；右相机的空间集合关系表示为：计算获得的标志物角点位置与提取的角点位置之间存在如下误差：其中，m
l

【专利技术属性】
技术研发人员：袁田，王孝余，龙学军，王昱晴，童悦，尚方，赵宇思，乔鹏，王琦，张锦，刘生，褚凡武，徐偲达，龚宇佳，武文华，张世泽，李丹丹，王莹莹，林扬，罗军，张杰，
申请(专利权)人：国网黑龙江省电力有限公司电力科学研究院国网物资有限公司成都通甲优博科技有限责任公司，
类型：发明
国别省市：