一种变电站设备状态异常识别方法和系统技术方案

本发明专利技术提出了一种变电站设备状态异常识别方法和系统，该方法包括在预置相机的点位画面中粘贴定位标签用于识别变电站设备，并框选出待识别目标；以及将该预置位图像按点位ID保存成预置位图像模板；确定定位标签区域之后计算巡检图像中定位标签的第二坐标位置与预置位图像模板中定位标签的第一坐标位置的偏移量；如果偏移量超出设定阈值重新设定预置点位；如果在可矫正范围内进行矫正使待识别目标位于框选区域内；按照框选坐标对巡检图像进行裁剪，裁剪后输入分类模型中以识别出待识别目标的当前状态。基于改方法，还提出了一种变电站设备状态异常识别系统。本发明专利技术搭建图像识别网络，通过对图像数据的归类学习，实现变电站设备的状态识别。设备的状态识别。设备的状态识别。

【技术实现步骤摘要】
一种变电站设备状态异常识别方法和系统


[0001]本专利技术属于变电站设备状态监控
，特别涉及一种变电站设备状态异常识别方法和系统。

技术介绍

[0002]随着技术进步，各行业原有的监控、运维方式已经不能满足智能化的要求。无论是自动化类型的常规监控方式，还是安防为主的视频监控方式，迫切需要进行能力升级，以适应行业客户的更高需要。
[0003]在电力行业，常规的电力站所面临着人工巡视、人工复盘的大量重复性工作，因此亟需一套站所设备智能化巡视方案。目前的智能监控巡视方案或采用目标检测的方式，但是该方式难免存在漏检，且无法对设备状态变化进行告警。除此之外在实际巡检中，巡检球机、轨道机器人等设备由于硬件上的误差会出现定位不准的问题，造成待识别对象偏出框定区域，从而导致识别结果出现误差。

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变电站设备状态异常识别方法和系统。设定特异性定位标签，通过定位模板图像与巡检图像中定位标签的位置，计算偏移量进行坐标矫正，为了进一步确保矫正效果，对定位标签检测失败的情况采用图像关键点对配准的方式进行偏移量补充计算，充分确保算法运行稳定性。
[0005]为实现上述目的，本专利技术采用以下技术方案：
[0006]一种变电站设备状态异常识别方法，包括以下步骤：
[0007]在预置图像采集模块的点位画面中粘贴定位标签用于识别变电站设备，并框选出待识别目标；以及将该预置位图像按点位I D保存成预置位图像模板；
[0008]确定定位标签区域之后计算巡检图像中定位标签的第二坐标位置与预置位图像模板中定位标签的第一坐标位置的偏移量；如果偏移量超出设定偏移量阈值，重新设定预置点位；如果偏移量在可矫正范围内，则进行矫正使待识别目标位于框选区域内；
[0009]按照框选坐标对巡检图像进行裁剪，裁剪后的图像输入预先训练的分类模型中，以识别出待识别目标的当前状态。
[0010]进一步的，所述定位标签用于通过预设颜色或者预设形状识别点位画面中变电站设备；所述变电站设备包括变电站一次设备和变电站二次设备。
[0011]进一步的，在粘贴定位标签之后还包括：框选预置点位内待识别的目标，并将框选坐标、点位I D和目标正常值保存在数据库中。
[0012]进一步的，所述方法还包括将待识别目标的当前状态与数据库中保存的目标正常值对比，如果不一致，则对当前点位进行异常告警。
[0013]进一步的，所述确定定位标签区域的过程包括：
[0014]检测巡检图像中定位标签的第二坐标位置，将所述巡检图像转换为HSV色域，按照
定位标签的预设颜色HSV值获取预设颜色的区域掩膜；
[0015]将所述预设颜色的区域掩膜与巡检图像进行按位与操作得到掩膜区域的内容；
[0016]对巡检图像进行Canny边缘检测获取轮廓，绘制轮廓线并获取轮廓角点数量，角点数量为定位标签数量的区域即为定位标签区域。
[0017]进一步的，所述确定定位标签区域之后还包括：如果定位标签无法进行定位，则分别提取预置位图像模板的第一特征点和巡检图像的第二特征点，通过匹配第一特征点和第二特征点计算偏移量；如果定位标签能进行定位，则直接计算巡检图像中定位标签的第二坐标位置与预置位图像模板中定位标签的第一坐标位置的偏移量。
[0018]进一步的，所述通过匹配第一特征点和第二特征点计算偏移量的过程包括：
[0019]采用SIFT算法提取第一特征点位置和第二特征点位置；然后确定第一特征点方向和第二特征点方向；
[0020]通过匹配第一特征点的描述子和第二特征点的描述子，找到预置位图像模板和巡检图像中匹配的特征点对，计算偏移量。
[0021]进一步的，所述分类模型为轻量级图像分类网络；所述轻量级图像分类网络利用深度可分离卷积提取图像特征，将卷积拆解为深度卷积以及点卷积；
[0022]经过多层卷积和池化操作后，提取的高维特征经Softmax函数输出预测类别。
[0023]进一步的，Softmax函数的表达式为：
[0024][0025]其中，y表示当前样本的类别，Z
i
表示网络提取到的属于第i类的特征值，C表示总共的分类个数。
[0026]本专利技术还提出了一种变电站设备状态异常识别系统，所述系统包括制作模块、矫正模块和识别模块；
[0027]所述制作模块用于在预置图像采集模块的点位画面中粘贴定位标签用于识别变电站设备，并框选出待识别目标；以及将该预置位图像按点位ID保存成预置位图像模板；
[0028]所述矫正模块用于确定定位标签区域，并计算巡检图像中定位标签的第二坐标位置与预置位图像模板中定位标签的第一坐标位置的偏移量；如果偏移量超出设定偏移量阈值，重新设定预置点位；如果偏移量在可矫正范围内，则进行矫正使待识别目标位于框选区域内；
[0029]所述识别模块用于按照框选坐标对巡检图像进行裁剪，裁剪后的图像输入预先训练的分类模型中，以识别出待识别目标的当前状态。
[0030]
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：
[0031]本专利技术提出了一种变电站设备状态异常识别方法和系统，该方法包括在预置图像采集模块的点位画面中粘贴定位标签用于识别变电站设备，并框选出待识别目标；以及将该预置位图像按点位ID保存成预置位图像模板；确定定位标签区域之后计算巡检图像中定位标签的第二坐标位置与预置位图像模板中定位标签的第一坐标位置的偏移量；如果偏移
量超出设定偏移量阈值，重新设定预置点位；如果偏移量在可矫正范围内，则进行矫正使待识别目标位于框选区域内；按照框选坐标对巡检图像进行裁剪，裁剪后的图像输入预先训练的分类模型中，以识别出待识别目标的当前状态。基于一种变电站设备状态异常识别方法，还提出了一种变电站设备状态异常识别系统。本专利技术提供了一种变电站设备状态识别方法，利用深度学习技术，搭建轻量级图像识别网络，通过对图像数据的归类学习，对变电站一次设备、二次设备具备稳定的状态识别能力。
[0032]本专利技术采用预先框定目标区域的方法，对巡检图像中存在多个识别目标的场景，避免漏报的同时支持对每个目标正常状态的记录，通过对比识别结果与数据库中存储的正常值判断当前点位是否有异常告警，解决了目标检测只能识别设备状态而无法判断设备变位告警的问题。
[0033]因为云台的步进电机在运转过程中会存在偏差，从而导致图像中待识别的目标发生位置偏移，进一步导致所裁剪的图像无法包含完整的待识别目标，最终造成状态识别模型预测不准。本专利技术通过粘贴一种特异性定位标签，定位模板图像与巡检图像中定位标签的位置，计算偏移量进行坐标矫正，为了进一步确保矫正效果，对定位标签检测失败的情况采用图像关键点对配准的方式进行偏移量补充计算，充分确保算法运行稳定性。
[0034]本专利技术所提供的结合图像偏移矫正的变电站设备状态异常识别方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种变电站设备状态异常识别方法，其特征在于，包括以下步骤：在预置图像采集模块的点位画面中粘贴定位标签用于识别变电站设备，并框选出待识别目标；以及将该预置位图像按点位ID保存成预置位图像模板；确定定位标签区域之后计算巡检图像中定位标签的第二坐标位置与预置位图像模板中定位标签的第一坐标位置的偏移量；如果偏移量超出设定偏移量阈值，重新设定预置点位；如果偏移量在可矫正范围内，则进行矫正使待识别目标位于框选区域内；按照框选坐标对巡检图像进行裁剪，裁剪后的图像输入预先训练的分类模型中，以识别出待识别目标的当前状态。2.根据权利要求1所述的一种变电站设备状态异常识别方法，其特征在于，所述定位标签用于通过预设颜色或者预设形状识别点位画面中变电站设备；所述变电站设备包括变电站一次设备和变电站二次设备。3.根据权利要求2所述的一种变电站设备状态异常识别方法，其特征在于，在粘贴定位标签之后还包括：框选预置点位内待识别的目标，并将框选坐标、点位ID和目标正常值保存在数据库中。4.根据权利要求3所述的一种变电站设备状态异常识别方法，其特征在于，所述方法还包括将待识别目标的当前状态与数据库中保存的目标正常值对比，如果不一致，则对当前点位进行异常告警。5.根据权利要求2所述的一种变电站设备状态异常识别方法，其特征在于，所述确定定位标签区域的过程包括：检测巡检图像中定位标签的第二坐标位置，将所述巡检图像转换为HSV色域，按照定位标签的预设颜色HSV值获取预设颜色的区域掩膜；将所述预设颜色的区域掩膜与巡检图像进行按位与操作得到掩膜区域的内容；对巡检图像进行Canny边缘检测获取轮廓，绘制轮廓线并获取轮廓角点数量，角点数量为定位标签数量的区域即为定位标签区域。6.根据权利要求1所述的一种变电站设备状态异常识别方法，其特征在于，所述确定定位标签区域之后还包括：如果定位标签无法进行定位，则分别提取预置位图像模板的第一...

【专利技术属性】
技术研发人员：岳绍龙，王飞，李睿，胡志坤，朱言庆，
申请(专利权)人：智洋创新科技股份有限公司，
类型：发明
国别省市：