【技术实现步骤摘要】
地下变电站红外图像积水检测智能报警方法及系统
[0001]本专利技术属于地下变电站积水检测
，具体涉及一种地下变电站(开闭站、配电室)红外图像积水检测智能报警方法及系统。
技术介绍
[0002]随着城市化进程的加快，城市的土地资源愈显匮乏，城市各类用地日趋紧张。城市的发展离不开电力的支撑，在城区各个区域都建有大量的电力设施。由于城区用地紧张，部分区域地上变电站(开闭站、配电室)站址选择困难，但地下变电站(开闭站、配电室)也存在着不可忽视的安全问题。
[0003]自20世纪90年代以来，多采用提高设备装置的防水性能来解决积水、内涝问题带来的危害，如专利《一种地下配电室电缆防水结构》中的方法通过增加电缆的防水性来防止积水造成的危害，这种方法可以很好的防止内涝造成的电路危害但同时也提高了设备的制造成本。如专利《基于配电室、电容房的水位检测自动报警系统》通过液位报警装置检测集水坑内水位变化进行报警，该方法虽可以精准的判断是否有积水危险，但无法准确判断积水位置并且集水坑位置固定，只有水量到达一定程度才会造成报警，实时性较...
【技术保护点】
【技术特征摘要】
1.一种地下变电站红外图像积水检测智能报警方法，其特征在于，所述报警方法包括以下内容：S1：获取地下变电站的红外摄像头收集不同关键点位的红外图像数据；S2：将红外图像数据进行预处理后制作数据集，并对红外图像数据中的积水目标、需要进行积水防护的设备目标进行分别标注；S3：构建目标检测模型，利用数据集训练目标检测模型，使得目标检测模型能够识别红外图像中标注对象的位置、类别，所述类别包括积水目标检测框、各种需要进行积水防护的设备目标的目标检测框，所述各种需要进行积水防护的设备目标的目标检测框统称为设备目标检测框；S4:设定时间间隔Δt，每隔Δt对待检测地下变电站进行一次积水检测，获得红外视频数据，将红外视频数据抽帧为图像序列后，按照时间顺序对图像序列利用目标检测模型进行目标检测，得到图像序列中的目标类别、目标位置，利用目标位置获得目标检测框的面积信息；遍历图像序列中每张图像的积水目标，判断积水目标检测框的面积是否大于等于积水面积的安全阈值，若小于积水面积的安全阈值则提示次要告警；若积水目标检测框的面积大于等于积水面积的安全阈值，则判断积水目标检测框与设备目标检测框的交并比是否超过交集阈值，若交并比超过交集阈值，则提示紧急告警；若交并比不超过交集阈值，则提示次要告警；当图像序列中除最后一张图像外的所有的图像均经过检测后，分别统计图像序列中每张图像的所有积水目标检测框的面积之和，分析图像序列中每张图像的所有积水目标检测框的面积之和是否存在面积递增的现象，若存在提示主要告警；若不存在面积递增的现象则提示一般告警。2.根据权利要求1所述的地下变电站红外图像积水检测智能报警方法，其特征在于，所述需要进行积水防护的设备包括变压器、电缆和/或变电柜在内的与电路相关的不具有防水功能的电气设备，对于不同种类的设备用拼音首字母分别标注。3.根据权利要求1所述的地下变电站红外图像积水检测智能报警方法，其特征在于，所述S1的具体步骤是：S11：在地下变电站的电缆、变压器和易发生积水的点位部署红外摄像头；S12：将红外摄像机拍摄的视频使用抽帧的方式进行处理，将红外视频数据转化为红外图像数据，抽帧间隔为3s；S13：将所有的红外图像数据进行汇总筛选，首先通过感知哈希算法利用python脚本进行图片结构性相似度的判断，删除相似度超过90%的数据图像，然后进行人工筛选，将不含积水、变压器、电缆和/或变电柜目标的数据删除。4.根据权利要求1所述的地下变电站红外图像积水检测智能报警方法，其特征在于，所述目标检测模型利用协调注意力机制优化yolov5目标检测算法获得，在yolov5骨干网络的最后一层SPP层后加入协调注意力机制，构成目标检测模型；协调注意力机制的流程是：
①
先将输入特征图分为宽度和高度两个方向进行平均池化，获得宽度和高度两个方向上的特征图；
②
将宽度和高度两个方向的特征图拼接到一起，输入到1
×
1的卷积模块，进行降维处理；
③
经过批归一化层、非线性层和Sigmoid激活函数获得特征图f，大小变为1
×
(W+H)
×
C/
r，其中，W代表图像宽度，H代表图像高度，C代表图像通道数，C=1，C/r代表将维度缩小的倍数；
④
再同时经过两个1
×
1卷积模块后恢复宽度和高度两个方向特征图的维度，并经过Sigmoid激活函数后得到在H和W上的注意力权重；
⑤
在原始图像上经过乘法加权实现在宽度和高度两个方向上的注意力。5.根...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。