基于图像识别和深度学习的隔离开关限位件状态检测方法技术

本发明专利技术公开了一种基于图像识别和深度学习的隔离开关限位件状态检测方法，包括获取限位件图像，并对限位件图像进行旋转、腐蚀、膨胀和作归一化处理，得到初级训练限位件图像集；将初级训练限位件图像集的图像进行灰度化处理，并去除图像中的无关干扰信息；对灰度化后的图像的具体区域进行精确定位，并利用投影法与联想法对定位后的图像进行分割，得到终极训练限位件图像集；建立卷积神经网络识别模型，利用模型对终极训练限位件图像集的图像进行训练和测试，直至模型根据实时限位件图像识别出限位件的实际状态。本发明专利技术通过图像识别和卷积神经网络模型的深度学习，不仅实现对限位件状态的实时检测，还提高了检测的准确性。还提高了检测的准确性。还提高了检测的准确性。

【技术实现步骤摘要】
基于图像识别和深度学习的隔离开关限位件状态检测方法


[0001]本专利技术涉及隔离开关监测
，具体涉及基于图像识别和深度学习的隔离开关限位件状态检测方法。

技术介绍

[0002]变电隔离开关是一种无灭弧功能的开关设备，是电力系统中重要的部件之一。变电隔离开关在合位时，必须保证接触良好，能够承载正常运行条件下的电流以及规定时间内异常条件下的电流。变电隔离开关在分位时，触头间有负荷规定要求的绝缘距离和明显的断开标志，以建立可靠的绝缘间隙，确保需要检修的设备或线路与电源之间有明显的距离，保证检修人员和设备的安全。
[0003]变电隔离开关合闸不到位或合闸后触头接触状态不良，将导致放电或过热等设备异常，严重的还会造成电网事故。变电隔离开关分闸不到位，将会造成绝缘距离不满足要求，对检修人员生命及设备安全造成严重威胁。现有的变电隔离开关分合状态，主要依靠变电隔离开关对应的辅助触点进行判别。辅助触点位于变电隔离开关的电动操作机构箱内，与变电隔离开关通过传动杆相连。电动操作机构带动传动杆控制变电隔离开
‑
关分合的同时，也带动操作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像识别和深度学习的隔离开关限位件状态检测方法，其特征在于，包括以下步骤：获取限位件图像，并对限位件图像进行旋转、腐蚀和膨胀操作，扩充得到限位件图像集，对限位件图像集内图像作归一化处理，得到初级训练限位件图像集；将初级训练限位件图像集的图像进行灰度化处理，并去除图像中的无关干扰信息；对灰度化后的图像的具体区域进行精确定位，并利用投影法与联想法对定位后的图像进行分割，得到终极训练限位件图像集；建立卷积神经网络识别模型，利用模型对终极训练限位件图像集的图像进行训练和测试，直至模型根据实时限位件图像识别出限位件的实际状态。2.根据权力要求1所述的基于图像识别和深度学习的隔离开关限位件状态检测方法，其特征在于，所述将初级训练限位件图像集的图像进行灰度化处理，并去除图像中的无关干扰信息包括：采用加权平均法将初级训练限位件图像集的图像转变成灰度图像；采用中值滤波和双边滤波融合算法，使用灰度图像中值替代领域值，消除孤立的噪声点；使用高斯尺度空间下的背景估计方法估算初级训练限位件图像集的图像背景，得到平滑后图像灰度值分布；采用改进逐层叠加的背景消除方法，消除不均匀光照和强反光噪声背景信息。3.根据权力要求1所述的基于图像识别和深度学习的隔离开关限位件状态检测方法，其特征在于，所述对灰度化后的图像的具体区域进行精确定位包括：对灰度化后的图像进行连通域设定，结合图像数学形态学操作，对限位件在整体图像中的具体区域进行精确定位。4.根据权力要求3所述的基于图像识别和深度学习的隔离开关限位件状态检测方法，其特征在于，所述对灰度化后的图像进行连通域设定包括：根据点阵型限位件先验特征，可以确定限位件图像中组成限位件的离散小点的连通域面积在Smin到Smax之间，最大直径在lmin到lma...

【专利技术属性】
技术研发人员：罗箫瑜，张志，周昕，吕黎黎，李玉龙，钟爽奎，邬云龙，刘福，石才伴，
申请(专利权)人：广西电网有限责任公司来宾供电局，
类型：发明
国别省市：