一种电力设备漏油图像识别方法和系统技术方案

本发明专利技术提出了一种电力设备漏油图像识别方法和系统，该方法包括获取电力设备漏油区域的原始图像；对原始图像进行直方图均衡化处理用于强化原始图像中检测区域与背景的对比度，以及对原始图像锐化处理用于强化检测区域的边缘部分，处理之后得到基础图像；将基础图像输入至语义分割模型获取油污区域的信息，生成最终图像。基于一种电力设备漏油图像识别方法，还提出了一种电力设备漏油图像识别系统。本发明专利技术通过语义分割模型在基础图像的基础上进一步细化识别结果，即实现像素级别的前后景分离，实现最终图像与原始图像的分离，能有效帮助现场监控视频中的漏油过程识别，使得维护管理人员及时发现漏油区域，及时进行检修维护。护。护。

【技术实现步骤摘要】
一种电力设备漏油图像识别方法和系统


[0001]本专利技术属于电力设备
，特别涉及一种电力设备漏油图像识别方法和系统。

技术介绍

[0002]随着电力负荷不断增长，为了保障电力系统安全稳定、经济运行，电力设备的运行维护成为日益重要的问题。由于不少电力设备带有储油装置，装置漏油会给系统带来安全隐患，因此，维护管理人员需要及时发现漏油区域并处理以保证相应设备正常运行。
[0003]目前，一般是将摄像头对漏油区域的图像进行拍摄，然后进行检测识别，但是地面上的油污区域，但是相比于日常生活场景中的物体识别，油污区域检测存在以下难点：(1)区域形状差异大；(2)监控画面背景复杂且可能存在工作人员、无关物体等干扰；(3)环境光照变化、光滑地面出现倒影等，上述难点使得漏油区域的识别率并不高，使得维护管理人员难以及时发现漏油区域。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种电力设备漏油图像识别方法和系统，能够有效实现识别现场监控视频中的漏油情况，使得维护管理人员及时发现漏油区域，及时进行检修维护。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]一种电力设备漏油图像识别方法，包括以下步骤：
[0007]获取电力设备漏油区域的原始图像；
[0008]对所述原始图像进行直方图均衡化处理用于强化原始图像中检测区域与背景的对比度，以及对所述原始图像锐化处理用于强化检测区域的边缘部分，处理之后得到基础图像；
[0009]将基础图像输入至语义分割模型获取油污区域的信息；所述语义分割模型执行的过程为：将检测区域的油污作为基础图像的特征部分，对采用训练后的ResNet网络模型对基础图像的特征部分进行特征提取；特征提取之后根据检测区域的信息对应特征进行分类；针对每个分类进行掩膜操作，重新计算图像中每个像素的值，生成最终图像。
[0010]进一步的，所述方法还包括：对最终图像中检测区域与原始图像的大小进行修正，使最终图像与原始图像大小相等。
[0011]进一步的，所述获取电力设备漏油区域的原始图像的过程包括：
[0012]采用电力设备漏油区域的的原始视频；
[0013]将所述原始视频逐帧分解成图片集；所述图片集中的单张图片作为原始图像。
[0014]进一步的，所述对所述原始图像进行直方图均衡化处理的过程包括：
[0015]如果原始图像的连续函数为f(x,y)，原始图像的直方图为P
r
(r)，其中r表示原始图像的亮度；
[0016]利用函数s＝T[r]将原始图像直方图P
r
(r)转化为均匀分布的直方图P
r
(s)；其中S表示增强后直方图的亮度，且0≤r，s≤l；
[0017]进一步的，对所述原始图像锐化处理的过程包括：
[0018]原始图像的连续函数f(x,y)在均匀分布的直方图中的坐标(x，y)处的梯度为
[0019]均匀分布的直方图中的坐标(x，y)处的梯度大小可表示为：
[0020][0021]在图像像素(i，j)处，X方向和Y方向上的一阶差可分别表示为；
[0022]Δ
x
f(i,j)＝f(i,j)
‑
f(i+1,j)
[0023]Δ
y
f(i,j)＝f(i,j)
‑
f(i,j+1)
[0024]因此，梯度向量的模G(x，y)可以转化为：
[0025][0026]g(x，y)表示增强后直方图中像素点的坐标，连续函数f(x，y)是均匀分布的直方图中的像素的坐标集，对原始图像进行锐化后，强化检测区域的边缘部分，生成基础图像。
[0027]进一步的，所述检测区域的信息包括油污区域的大小、位置和轮廓。
[0028]进一步的，训练ResNet网络模型的方法为：采用原始图像的历史数据集对ResNet网络模型进行训练。
[0029]本专利技术还提出了一种电力设备漏油图像识别系统，包括获取模块、预处理模块和输出模块：
[0030]所述获取模块用于获取电力设备漏油区域的原始图像；
[0031]所述预处理模块用于对所述原始图像进行直方图均衡化处理用于强化原始图像中检测区域与背景的对比度，以及对所述原始图像锐化处理用于强化检测区域的边缘部分，处理之后得到基础图像；
[0032]所述输出模块用于将基础图像输入至语义分割模型获取油污区域的信息；所述语义分割模型执行的过程为：将检测区域的油污作为基础图像的特征部分，对采用训练后的ResNet网络模型对基础图像的特征部分进行特征提取；特征提取之后根据检测区域的信息对应特征进行分类；针对每个分类进行掩膜操作，重新计算图像中每个像素的值，生成最终图像。
[0033]进一步的，所述方法还包括修正模块：
[0034]所述修正模块用于对最终图像中检测区域与原始图像的大小进行修正，使最终图像与原始图像大小相等。
[0035]进一步的，所述获取模块执行的过程包括：采用电力设备漏油区域的的原始视频；将所述原始视频逐帧分解成图片集；所述图片集中的单张图片作为原始图像。
[0036]
技术实现思路
中提供的效果仅仅是实施例的效果，而不是专利技术所有的全部效果，上述技术方案中的一个技术方案具有如下优点或有益效果：
[0037]本专利技术提出了一种电力设备漏油图像识别方法和系统，该方法包括获取电力设备
漏油区域的原始图像；对原始图像进行直方图均衡化处理用于强化原始图像中检测区域与背景的对比度，以及对原始图像锐化处理用于强化检测区域的边缘部分，处理之后得到基础图像；将基础图像输入至语义分割模型获取油污区域的信息；语义分割模型执行的过程为：将检测区域的油污作为基础图像的特征部分，对采用训练后的ResNet网络模型对基础图像的特征部分进行特征提取；特征提取之后根据检测区域的信息对应特征进行分类；针对每个分类进行掩膜操作，重新计算图像中每个像素的值，生成最终图像。基于一种电力设备漏油图像识别方法，还提出了一种电力设备漏油图像识别系统。本专利技术通过语义分割模型在基础图像的基础上进一步细化识别结果，即实现像素级别的前后景分离，实现最终图像与原始图像的分离。对于油污区域检测，语义分割模型能够获得油污区域的像素位置信息，其中包含轮廓形状这一重要信息。轮廓形状能够很好地辅助模型判断识别结果是否为油污区域，且由于漏油过程缓慢，油污区域形状和大小存在一个发展过程，这一特征能有效帮助现场监控视频中的漏油过程识别，使得维护管理人员及时发现漏油区域，及时进行检修维护。
附图说明
[0038]如图1为本专利技术实施例1一种电力设备漏油图像识别方法流程图；
[0039]如图2为本专利技术实施例1一种电力设备漏油图像识别方法中语义分割模型实现示意图；
[0040]如图3为本专利技术实施例2一种电力设备漏油图像识别系统示意图。
具体实施方式
[0041]为能清楚说明本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电力设备漏油图像识别方法，其特征在于，包括以下步骤：获取电力设备漏油区域的原始图像；对所述原始图像进行直方图均衡化处理用于强化原始图像中检测区域与背景的对比度，以及对所述原始图像锐化处理用于强化检测区域的边缘部分，处理之后得到基础图像；将基础图像输入至语义分割模型获取油污区域的信息；所述语义分割模型执行的过程为：将检测区域的油污作为基础图像的特征部分，对采用训练后的ResNet网络模型对基础图像的特征部分进行特征提取；特征提取之后根据检测区域的信息对应特征进行分类；针对每个分类进行掩膜操作，重新计算图像中每个像素的值，生成最终图像。2.根据权利要求1所述的一种电力设备漏油图像识别方法，其特征在于，所述方法还包括：对最终图像中检测区域与原始图像的大小进行修正，使最终图像与原始图像大小相等。3.根据权利要求1所述的一种电力设备漏油图像识别方法，其特征在于，所述获取电力设备漏油区域的原始图像的过程包括：采用电力设备漏油区域的的原始视频；将所述原始视频逐帧分解成图片集；所述图片集中的单张图片作为原始图像。4.根据权利要求1所述的一种电力设备漏油图像识别方法，其特征在于，所述对所述原始图像进行直方图均衡化处理的过程包括：如果原始图像的连续函数为f(x,y)，原始图像的直方图为P
r
(r)，其中r表示原始图像的亮度；利用函数s＝T[r]将原始图像直方图P
r
(r)转化为均匀分布的直方图P
r
(s)；其中S表示增强后直方图的亮度，且0≤r，s≤l；5.根据权利要求4所述的一种电力设备漏油图像识别方法，其特征在于，对所述原始图像锐化处理的过程包括：原始图像的连续函数f(x,y)在均匀分布的直方图中的坐标(x，y)处的梯度为均匀分布的直方图中的坐标(x，y)处的梯度大小可表示为：在图像像素(i，j)处，X方向和Y方向上的一阶差可分别表示为；Δ
x
f(...

【专利技术属性】
技术研发人员：王思源，李琮，刘晓，鲍新，张雨薇，李彬，张德才，周兴福，蒋超，韦良，刘春明，解祥艳，郑义斌，杨杰，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：