油滴泄露检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种油滴泄露检测方法、装置、计算机设备和存储介质。所述方法包括：采集待检测设备的当前偏振光图像和当前自然光图像，对当前偏振光图像和当前自然光图像进行叠加处理，得到叠加图像，通过油滴泄露检测模型，对叠加图像进行油滴检测，确定待检测设备的油滴泄露位置。采用本方法能够通过采集偏振光图像，能够获取待检测设备表面油滴的偏振和颜色特性，并对偏振光图像和自然光图像进行叠加处理，能够更全面的获取待检测设备表面的油滴情况，进一步提高了对油滴泄露检测的合理性、准确性和及时性。同时，现有技术中存在红外相机成本较高的问题，而本申请使用的偏振相机的偏振系统结构简单，因此价格更低廉，减少了一定的采集设备成本。的采集设备成本。的采集设备成本。

【技术实现步骤摘要】
油滴泄露检测方法、装置、计算机设备和存储介质


[0001]本申请涉及人工智能
，特别是涉及一种油滴泄露检测方法、装置、计算机设备和存储介质。

技术介绍

[0002]变电站中存在大量使用油滴的待检测设备，若油滴发生泄露，可能会导致待检测设备故障，进而引起火灾等问题，同时还对周围的生态环境造成污染，因此，对待检测设备进行安全检测至关重要。
[0003]现有技术中，通常是利用红外相机进行待检测设备的油滴泄露检测，但由于红外相机采集到的红外图像仅包含待检测设备表面的温度变化情况，即红外图像包含的待检测设备的图像信息较少，存在对待检测设备的油滴泄露进行误判的情况，因此，亟需改进。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够精准确定油滴泄露位置的油滴泄露检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
[0005]第一方面，本申请提供了一种油滴泄露检测方法。所述方法包括：
[0006]采集待检测设备的当前偏振光图像和当前自然光图像；
[0007]对当前偏振光图像和当前自然光图像进行叠加处理，得到叠加图像；
[0008]通过油滴泄露检测模型，对叠加图像进行油滴检测，确定待检测设备的油滴泄露位置。
[0009]在其中一个实施例中，通过油滴泄露检测模型，对叠加图像进行油滴检测，确定待检测设备的油滴泄露位置，包括：
[0010]通过油滴泄露检测模型中单层卷积网络，对叠加图像进行通道降维处理，得到叠加图像对应的通道降维特征图；
[0011]通过油滴泄露检测模型中的编码器网络对通道降维特征图进行编码处理，确定叠加图像的全局特征信息；
[0012]通过油滴泄露检测模型中的多层卷积网络，对叠加图像的全局特征信息进行特征提取，得到叠加图像的油滴特征；
[0013]通过油滴泄露检测模型中的解码器网络对油滴特征进行解码处理，得到待检测设备的油滴泄露位置。
[0014]在其中一个实施例中，通过油滴泄露检测模型中的编码器网络对通道降维特征图进行编码处理，确定叠加图像的全局特征信息，包括：
[0015]通过油滴泄露检测模型的多头注意力机制，对通道降维特征图进行编码处理，得到通道降维特征图的加权特征；
[0016]通过油滴泄露检测模型的门控线性单元，对加权特征进行调整，得到叠加图像的全局特征信息。
[0017]在其中一个实施例中，多层卷积网络包括至少两个分组卷积；
[0018]通过油滴泄露检测模型中的多层卷积网络，对叠加图像的全局特征信息进行特征提取，得到叠加图像的油滴特征，包括：
[0019]通过油滴泄露检测模型中至少两个分组卷积，对叠加图像的全局特征信息进行特征提取，得到叠加图像的油滴特征；各分组卷积的卷积核为动态卷积核，且动态卷积核的大小和形状根据各分组卷积输入的全局特征信息确定。
[0020]在其中一个实施例中，确定待检测设备的油滴泄露位置之后，还包括：
[0021]根据待检测设备的油滴泄露位置，输出待检测设备的预警提示信息。
[0022]在其中一个实施例中，油滴泄露检测模型的训练方式，包括：
[0023]获取样本设备的历史偏振光图像和历史自然光图像；其中，样本设备包括油滴泄露设备和油滴未泄露设备；
[0024]对历史偏振光图像和历史自然光图像进行通道叠加处理，得到历史叠加图像；
[0025]对油滴泄露设备对应的历史叠加图像进行扩充处理，得到扩充叠加图像；
[0026]基于历史叠加图像和扩充叠加图像，对油滴泄露检测模型进行训练。
[0027]第二方面，本申请还提供了一种油滴泄露检测装置。所述装置包括：
[0028]图像采集模块，用于采集待检测设备的当前偏振光图像和当前自然光图像；
[0029]图像叠加模块，用于对当前偏振光图像和当前自然光图像进行叠加处理，得到叠加图像；
[0030]位置确定模块，用于通过油滴泄露检测模型，对叠加图像进行油滴检测，确定待检测设备的油滴泄露位置。
[0031]第三方面，本申请还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0032]采集待检测设备的当前偏振光图像和当前自然光图像；
[0033]对当前偏振光图像和当前自然光图像进行叠加处理，得到叠加图像；
[0034]通过油滴泄露检测模型，对叠加图像进行油滴检测，确定待检测设备的油滴泄露位置。
[0035]第四方面，本申请还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
[0036]采集待检测设备的当前偏振光图像和当前自然光图像；
[0037]对当前偏振光图像和当前自然光图像进行叠加处理，得到叠加图像；
[0038]通过油滴泄露检测模型，对叠加图像进行油滴检测，确定待检测设备的油滴泄露位置。
[0039]第五方面，本申请还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0040]采集待检测设备的当前偏振光图像和当前自然光图像；
[0041]对当前偏振光图像和当前自然光图像进行叠加处理，得到叠加图像；
[0042]通过油滴泄露检测模型，对叠加图像进行油滴检测，确定待检测设备的油滴泄露位置。
[0043]上述油滴泄露检测方法、装置、计算机设备和存储介质，采集待检测设备的当前偏
振光图像和当前自然光图像，对当前偏振光图像和当前自然光图像进行叠加处理，得到叠加图像，通过油滴泄露检测模型，对叠加图像进行油滴检测，确定待检测设备的油滴泄露位置。通过采集偏振光图像，能够获取待检测设备表面油滴的偏振和颜色特性，并对偏振光图像和自然光图像进行叠加处理，能够更全面的获取待检测设备表面的油滴情况，进一步提高了对油滴泄露检测的合理性、准确性和及时性。同时，现有技术中通常使用红外相机对油滴泄露位置进行检测，存在红外相机成本较高的问题，而本申请则通过偏振相机对待检测设备的表面图像进行采集，偏振相机中单一的偏振系统结构简单，因此，偏振相机相比于红外相机的价格更低廉，减少了一定的采集设备成本。
附图说明
[0044]图1为本实施例提供的一种油滴泄露检测方法的应用环境图；
[0045]图2为本实施例提供的第一种油滴泄露检测方法的流程示意图；
[0046]图3为本实施例提供的一种确定待检测设备的油滴泄露位置的流程示意图；
[0047]图4为本实施例提供的一种训练油滴泄露检测模型的流程示意图；
[0048]图5为本实施例提供的第二种油滴泄露检测方法的流程示意图；
[0049]图6为本实施例提供的第一种油滴泄露检测装置的结构框图；
[0050]图7为本实施例提供的第二种油滴泄露检测装本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种油滴泄露检测方法，其特征在于，所述方法包括：采集待检测设备的当前偏振光图像和当前自然光图像；对所述当前偏振光图像和所述当前自然光图像进行叠加处理，得到叠加图像；通过油滴泄露检测模型，对所述叠加图像进行油滴检测，确定所述待检测设备的油滴泄露位置。2.根据权利要求1所述的方法，其特征在于，所述通过油滴泄露检测模型，对所述叠加图像进行油滴检测，确定所述待检测设备的油滴泄露位置，包括：通过油滴泄露检测模型中单层卷积网络，对所述叠加图像进行通道降维处理，得到所述叠加图像对应的通道降维特征图；通过油滴泄露检测模型中的编码器网络对所述通道降维特征图进行编码处理，确定所述叠加图像的全局特征信息；通过油滴泄露检测模型中的多层卷积网络，对叠加图像的全局特征信息进行特征提取，得到所述叠加图像的油滴特征；通过油滴泄露检测模型中的解码器网络对所述油滴特征进行解码处理，得到待检测设备的油滴泄露位置。3.根据权利要求2所述的方法，其特征在于，所述通过油滴泄露检测模型中的编码器网络对所述通道降维特征图进行编码处理，确定所述叠加图像的全局特征信息，包括：通过油滴泄露检测模型的多头注意力机制，对所述通道降维特征图进行编码处理，得到通道降维特征图的加权特征；通过油滴泄露检测模型的门控线性单元，对所述加权特征进行调整，得到所述叠加图像的全局特征信息。4.根据权利要求2所述的方法，其特征在于，所述多层卷积网络包括至少两个分组卷积；所述通过油滴泄露检测模型中的多层卷积网络，对叠加图像的全局特征信息进行特征提取，得到所述叠加图像的油滴特征，包括：通过油滴泄露检测模型中至少两个分组卷积，对叠加图像的全局特征信息进行特征提取，得到所述...

【专利技术属性】
技术研发人员：饶竹一，张云翔，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：