一种基于深度学习方法的变电设备油渍智能检测方法技术

本发明专利技术公开的属于变电设备油渍的智能检测技术领域，具体为一种基于深度学习方法的变电设备油渍智能检测方法，包括以下操作步骤：S1：通过局域摄像头对变电设备进行画面捕捉，获取三维参照数据，S2：通过三维摄像头、深度摄像头、色彩摄像头对变电设备进行三维、深度尺寸和色彩获取，并将获取的信息参照三维参照数据进行合并建模，使变电设备区域形成三维模型呈现在计算机内，S3：通过三维摄像头对变电设备进行画面建模，并通过三维参照数据进行优化，完成三维模型，本发明专利技术能够对油渍进行检测，无需人工巡查，减少劳动力损耗，且使计算机进行自主学习，排除额外因素，进而不断增加判定的精准性。的精准性。的精准性。

【技术实现步骤摘要】
一种基于深度学习方法的变电设备油渍智能检测方法


[0001]本专利技术涉及变电设备油渍的智能检测
，具体为一种基于深度学习方法的变电设备油渍智能检测方法。

技术介绍

[0002]变电站是电力系统中变换电压、接收和分配电能、控制电力的流向和调整电压的电力设施，它通过其变压器将各级电压的电网联系起来。
[0003]而在变电站中需要各种组件设备，这些设备类型较多，包含变压器类、开关类、四小器类、无功装置类设备外，还有其他设备及辅助装置，如阻波器、绝缘子、高压套管、导引线、接地装置、二次设备、高压直流设备等，这些设备统称为变电设备。
[0004]现有的变电站为了更方便的维修和清理变电设备，常会通过人工或摄像头对变电站区域进行巡视，当变电设备出现渗油时，需要人工进行处理，而人为巡视和判断需要耗费较多的劳动力，费时费力，为此，我们提出一种基于深度学习方法的变电设备油渍智能检测方法。

技术实现思路

[0005]鉴于上述和/或现有一种基于深度学习方法的变电设备油渍智能检测方法中存在的问题，提出了本专利技术。
[0006]因此，本专利技术的目的是提供一种基于深度学习方法的变电设备油渍智能检测方法，通过三维摄像头、深度摄像头和色彩摄像头对变电设备进行三维、深度尺寸和色彩获取，并将获取的信息参照三维参照数据进行合并建模，通过得到色彩和形状规则性判定是否为油渍，能够解决上述提出现有的问题。
[0007]为解决上述技术问题，根据本专利技术的一个方面，本专利技术提供了如下技术方案：
[0008]一种基于深度学习方法的变电设备油渍智能检测方法，其包括：以下操作步骤：
[0009]S1：通过局域摄像头对变电设备进行画面捕捉，获取三维参照数据；
[0010]S2：通过三维摄像头、深度摄像头、色彩摄像头对变电设备进行三维、深度尺寸和色彩获取，并将获取的信息参照三维参照数据进行合并建模，使变电设备区域形成三维模型呈现在计算机内；
[0011]S3：通过三维摄像头对变电设备进行画面建模，并通过三维参照数据进行优化，完成三维模型；
[0012]S4：通过深度摄像头对变电设备的模型进行尺寸规整，并通过三维参照数据进行对比优化，使变电设备模型与现实变电设备尺寸一致，还原现实的变电设备；
[0013]S5：通过色彩摄像头对三维模型进行色彩参数渲染，并通过三维参照数据进行优化；
[0014]S6：通过色彩摄像头和三维参照数据对变电设备本体色彩参数进行读取，并与实时获取的色彩参数进行对比，查看色彩参数变化的区域；
[0015]S7：计算机通过深度摄像头对色彩参数变化的区域进行形状显现，通过显现出的形状规则性判断是否为油渍；
[0016]S8：通过人为干预，对色彩参数变化的区域进行识别，并将人为识别的结果输入计算机；
[0017]S9：计算机通过人为判定的精准结果，对色彩参数和形状规格参数进行记录，并将此参数默认为人为判定结果，并带入下一次的检测。
[0018]作为本专利技术所述的一种基于深度学习方法的变电设备油渍智能检测方法的一种优选方案，其中：所述S1中三维参照数据为三维形状、尺寸、色彩数据。
[0019]作为本专利技术所述的一种基于深度学习方法的变电设备油渍智能检测方法的一种优选方案，其中：所述S1中局域摄像头安装在变电设备的四周，观察变电设备四周环境。
[0020]作为本专利技术所述的一种基于深度学习方法的变电设备油渍智能检测方法的一种优选方案，其中：所述S2中三维摄像头、深度摄像头和色彩摄像头均安装在变电设备四周，对变电设备四周环境进行数据获取，并将获取的数据传入计算机进行建模。
[0021]作为本专利技术所述的一种基于深度学习方法的变电设备油渍智能检测方法的一种优选方案，其中：所述S6中实时获取的色彩参数是通过局域摄像头拍摄的实时数据。
[0022]作为本专利技术所述的一种基于深度学习方法的变电设备油渍智能检测方法的一种优选方案，其中：所述S8中人为识别判定结果若不是油渍，则对色彩参数变化数据和形状规则数据进行记录，默认为非油渍物质，并对下次检测的数据进行排除。
[0023]作为本专利技术所述的一种基于深度学习方法的变电设备油渍智能检测方法的一种优选方案，其中：所述S8中人为识别判定结果若是油渍，则对油渍区域进行清理，并对实时三维数据进行同步。
[0024]与现有技术相比：通过三维摄像头对变电设备进行画面建模，并通过三维参照数据进行优化，通过深度摄像头对变电设备的模型进行尺寸规整，并通过三维参照数据进行对比优化，使变电设备模型与现实变电设备尺寸一致，还原现实的变电设备，再通过色彩摄像头对三维模型进行色彩参数渲染，并通过三维参照数据进行优化，使色彩摄像头和三维参照数据对变电设备本体色彩参数进行读取，并与实时获取的色彩参数进行对比，查看色彩参数变化的区域，通过得出的色彩参数变化的区域与深度摄像头对色彩参数变化的区域进行形状显现，通过计算机对显现出的形状进行规则性判断，确定色彩偏差区域是否为油渍，从而达到对油渍进行检测，无需人工巡查，减少劳动力损耗的效果；
[0025]通过计算机确定为油渍后，再派遣人员去实地确定并清楚，当人为识别判定结果若不是油渍，则对色彩参数变化数据和形状规则数据进行记录，默认为非油渍物质，并对下次检测的数据进行排除，人为识别判定结果若是油渍，则对油渍区域进行清理，并对实时三维数据进行同步，从而使计算机进行自主学习，排除额外因素，进而不断增加判定的精准性。
附图说明
[0026]图1为本专利技术提供的整体流程结果示意图；
[0027]图2为本专利技术提供的人为判定结果示意图。
具体实施方式
[0028]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术的实施方式作进一步地详细描述。
[0029]本专利技术提供一种基于深度学习方法的变电设备油渍智能检测方法，具有对油渍进行检测，无需人工巡查，减少劳动力损耗，且使计算机进行自主学习，排除额外因素，进而不断增加判定的精准性的优点，请参阅图1
‑
2，包括以下操作步骤：
[0030]S1：通过局域摄像头对变电设备进行画面捕捉，获取三维参照数据，三维参照数据为三维形状、尺寸、色彩数据，局域摄像头安装在变电设备的四周，观察变电设备四周环境；
[0031]S2：通过三维摄像头、深度摄像头、色彩摄像头对变电设备进行三维、深度尺寸和色彩获取，并将获取的信息参照三维参照数据进行合并建模，使变电设备区域形成三维模型呈现在计算机内，三维摄像头、深度摄像头和色彩摄像头均安装在变电设备四周，对变电设备四周环境进行数据获取，并将获取的数据传入计算机进行建模；
[0032]S3：通过三维摄像头对变电设备进行画面建模，并通过三维参照数据进行优化，完成三维模型；
[0033]S4：通过深度摄像头对变电设备的模型进行尺寸规整，并通过三维参照数据进行对比优化，使变电设备模型与现实变电设备尺寸一致，还原现实的变电设备；<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方法的变电设备油渍智能检测方法，其特征在于：包括以下操作步骤：S1：通过局域摄像头对变电设备进行画面捕捉，获取三维参照数据；S2：通过三维摄像头、深度摄像头、色彩摄像头对变电设备进行三维、深度尺寸和色彩获取，并将获取的信息参照三维参照数据进行合并建模，使变电设备区域形成三维模型呈现在计算机内；S3：通过三维摄像头对变电设备进行画面建模，并通过三维参照数据进行优化，完成三维模型；S4：通过深度摄像头对变电设备的模型进行尺寸规整，并通过三维参照数据进行对比优化，使变电设备模型与现实变电设备尺寸一致，还原现实的变电设备；S5：通过色彩摄像头对三维模型进行色彩参数渲染，并通过三维参照数据进行优化；S6：通过色彩摄像头和三维参照数据对变电设备本体色彩参数进行读取，并与实时获取的色彩参数进行对比，查看色彩参数变化的区域；S7：计算机通过深度摄像头对色彩参数变化的区域进行形状显现，通过显现出的形状规则性判断是否为油渍；S8：通过人为干预，对色彩参数变化的区域进行识别，并将人为识别的结果输入计算机；S9：计算机通过人为判定的精准结果，对色彩参数和形状规格参数进行记录，并将此参数默认为人为判定结果，并带入下一次的检测。...

【专利技术属性】
技术研发人员：李明轩，李峰，张凌浩，李富祥，颜培培，叶波，王丽花，
申请(专利权)人：国网四川省电力公司电力科学研究院，
类型：发明
国别省市：