一种基于AR眼镜的电网维护导航方法、介质及系统技术方案

本发明专利技术提供了一种基于AR眼镜的电网维护导航方法、介质及系统，属于电网维护技术领域，该方法包括：获取运维人员佩戴的AR眼镜的采集到的场景图像以及位置信息；对场景图像进行预处理得到预处理图像；对预处理图像进行特征提取并识别得到场景图像内的多个设备的信息以及运维人员的手套和运维工具；根据设备信息，利用场景图像生成AR图像，AR图像上标记有运维步骤、绝对带电情况以及运维人员手套、运维工具的安全指数；将生成的AR图像发送给运维人员佩戴的AR眼镜并输出。该系统包含AR眼镜、验电器，解决了当前基于AR眼镜进行电网维护过程中，缺乏对于电网设备是否带电的判断和手套、运维工具的安全指数的评估的技术问题。运维工具的安全指数的评估的技术问题。运维工具的安全指数的评估的技术问题。

【技术实现步骤摘要】
一种基于AR眼镜的电网维护导航方法、介质及系统


[0001]本专利技术属于电网维护
，具体而言，涉及一种基于AR眼镜的电网维护导航方法、介质及系统。

技术介绍

[0002]随着科技的迅速发展，电力行业作为国民经济的重要支柱行业，其设备的安全运行和维护工作显得尤为重要。传统的电网设备维护方式主要是依赖于维护人员的经验和技能，手动进行设备的检查、维修和更换等操作。然而，这种方式存在很多问题。首先，维护人员需要对电网设备的结构、性能、工作原理等有深入的了解，这对维护人员的技术水平和经验要求较高，对新入行的维护人员来说，学习和掌握这些知识需要较长的时间。其次，由于电网设备的种类和数量较多，维护人员往往需要在短时间内完成大量的维护任务，工作强度大，容易出错。最后，电网设备的运行环境往往较为恶劣，如高温、高压、高湿等，这对维护人员的身体条件和心理素质有较高的要求，也增加了工作的危险性。传统的电网设备维护方式主要依靠运维人员对设备的定期巡检和故障处理，这种方式在一定程度上能保证电网设备的正常运行，但由于人工巡检存在主观性强、效率低、易出错等问题，因此，急需一种能有效提高电网设备维护效率和准确性的新型维护方式。
[0003]近年来，随着人工智能和增强现实技术的飞速发展，其在电力行业中的应用也日益广泛。其中，增强现实(AR)技术通过将虚拟信息叠加到真实环境中，使用户可以在真实环境中接收到虚拟信息，从而提高用户的认知能力和操作效率。然而，当前AR技术在电力行业的应用主要集中在电力设备的故障诊断和维修辅助等方面，而对于电网设备的日常维护和巡检，但是缺乏对于电网设备是否带电的判断和手套、运维工具的安全指数的评估。

技术实现思路

[0004]有鉴于此，本专利技术提供一种基于AR眼镜的电网维护导航方法、介质及系统，用于解决当前基于AR眼镜进行电网维护过程中，缺乏对于电网设备是否带电的判断和手套、运维工具的安全指数的评估的技术问题。
[0005]本专利技术是这样实现的：
[0006]本专利技术的第一方面提供一种基于AR眼镜的电网维护导航方法，其中，包含以下步骤：
[0007]S10、获取运维人员佩戴的AR眼镜的采集到的场景图像以及位置信息；
[0008]S20、对所述场景图像进行预处理得到预处理图像；
[0009]S30、对所述预处理图像进行特征提取并识别得到所述场景图像内的多个设备的信息以及运维人员的手套和运维工具，其中设备信息包括设备名称、设备位置、设备状态、设备结构；
[0010]S40、根据所述设备信息，利用所述场景图像生成AR图像，所述AR图像上标记有运维步骤、绝对带电情况以及运维人员手套、运维工具的安全指数；
[0011]S50、将生成的AR图像发送给运维人员佩戴的AR眼镜并输出。
[0012]对所述场景图像进行预处理的步骤包括图像降噪、图像过滤和图像增强。
[0013]在上述技术方案的基础上，本专利技术的一种基于AR眼镜的电网维护导航方法还可以做如下改进:
[0014]其中，所述对所述预处理图像进行特征提取并识别的步骤中，所述特征提取的算法为SIFT，所述识别的方法为卷积神经网络识别。
[0015]其中，所述根据所述设备信息，利用所述场景图像生成AR图像的步骤，具体包括：
[0016]S41、在所述场景图像上标记设备信息以及预先设置的场景运维步骤，以及根据运维人员的操作历史对所述场景运维步骤进行更新的步骤；
[0017]S42、获取运维人员手套的安全指数，并在所述场景图像的手套对应位置进行标记；
[0018]S43、获取运维工具的安全指数，并在所述场景图像的运维工具对应位置进行标记；
[0019]S44、对所述场景图像中的设备的是否带电情况进行判断，若带电，则在所述场景图像上进行绝对带电标记；
[0020]S45、对所述场景图像上的标记信息进行位置调整，避免对设备造成遮挡，其中，所述标记信息包括运维步骤、手套安全指数、运维工具安全指数、绝对带电情况；
[0021]S46、将所述标记好的场景图像调整亮度后生成AR图像。
[0022]进一步的，所述获取运维人员手套的安全指数的方法为采用预先训练好的手套安全指数模型对所述预处理图像中的手套进行计算得到，其中，所述手套安全指数模型的建立和训练步骤，具体包括：
[0023]建立第一训练样本，包括多个种类型号的手套图像，其中每个种类型号的手套为多件，每一件均存在不同程度的磨损、油渍，同时，每件手套还具有对应的安全指数，其中安全指数为根据安全运维规定人工标记获得；
[0024]利用卷积神经网络建立手套安全指数模型雏形；
[0025]使用第一训练样本对手套安全指数模型雏形进行训练得到手套安全指数模型，其中训练的输入为手套图像，训练的输出为手套图像对应的安全指数。
[0026]进一步的，所述获取运维工具的安全指数的方法为采用预先训练好的运维工具安全指数模型对所述预处理图像中的运维工具进行计算得到，其中，所述运维工具安全指数模型的建立和训练步骤，具体包括：
[0027]建立第二训练样本，包括多个种类型号的运维工具图像，其中每个种类型号的运维工具为多件，每一件均存在不同程度的磨损、损坏，同时，每件运维工具还具有对应的安全指数，其中安全指数为根据安全运维规定人工标记获得；
[0028]利用卷积神经网络建立运维工具安全指数模型雏形；
[0029]使用第二训练样本对运维工具安全指数模型雏形进行训练得到运维工具安全指数模型，其中训练的输入为运维工具图像，训练的输出为运维工具图像对应的安全指数。
[0030]进一步的，所述对所述场景图像中的设备的是否带电情况，若带电，则在所述场景图像上进行绝对带电标记进行判断的步骤，具体包括：
[0031]获取验电器在电网运维过程中采集的验电结果；
[0032]在所述验电结果中筛选带电的验电结果，并在所述场景图像中按照对应的设备进行标记。
[0033]进一步的，所述对所述场景图像上的标记信息进行位置调整的步骤，具体包括：
[0034]图像分割、将所述场景图像进行分割为多个区域；
[0035]目标检测、在所述分割后的场景图像中，进行目标检测，识别设备和标记信息；
[0036]遮挡判断和位置优化、判断标记信息是否遮挡了设备，若是，则对标记信息的位置进行调整。
[0037]进一步的，所述利用卷积神经网络建立手套安全指数模型雏形的步骤中，所述卷积神经网络采用的网络骨架是DenseNet121。
[0038]本专利技术的第二方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行上述的一种基于AR眼镜的电网维护导航方法。
[0039]本专利技术的第三方面提供一种基于AR眼镜的电网维护导航系统，其中，包含AR眼镜、验电器、所述AR眼镜上设置有图像采集设备以及定位设备，其中所述验电器上设置有蓝牙装置，所述验本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于AR眼镜的电网维护导航方法，其特征在于，包含以下步骤：S10、获取运维人员佩戴的AR眼镜的采集到的场景图像以及位置信息；S20、对所述场景图像进行预处理得到预处理图像；S30、对所述预处理图像进行特征提取，并识别得到所述场景图像内的多个设备的信息以及运维人员的手套和运维工具，其中设备的信息包括设备名称、设备位置、设备状态、和/或设备结构；S40、根据所述设备信息，利用所述场景图像生成AR图像，所述AR图像上标记有运维步骤、绝对带电情况以及运维人员手套、运维工具的安全指数；S50、将生成的AR图像发送给运维人员佩戴的AR眼镜并输出。2.根据权利要求1所述的一种基于AR眼镜的电网维护导航方法，其特征在于，所述对所述预处理图像进行特征提取并识别的步骤中，所述特征提取的算法为SIFT，所述识别的方法为卷积神经网络识别。3.根据权利要求1所述的一种基于AR眼镜的电网维护导航方法，其特征在于，所述根据所述设备信息，利用所述场景图像生成AR图像的步骤，具体包括：S41、在所述场景图像上标记设备信息以及预先设置的场景运维步骤，以及根据运维人员的操作历史对所述场景运维步骤进行更新的步骤；S42、获取运维人员手套的安全指数，并在所述场景图像的手套所在位置进行标记；S43、获取运维工具的安全指数，并在所述场景图像的运维工具所在位置进行标记；S44、对所述场景图像中的设备的是否带电情况进行判断，若带电，则在所述场景图像上进行绝对带电标记；S45、对所述场景图像上的标记的位置进行位置调整，调整到不遮挡被标记目标的位置，其中，所述标记具有以下信息，包括：运维步骤、手套安全指数、运维工具安全指数、或绝对带电情况；S46、将所述标记后的场景图像调整亮度后生成所述AR图像。4.根据权利要求3所述的一种基于AR眼镜的电网维护导航方法，其特征在于，所述获取运维人员手套的安全指数的步骤，为采用预先训练好的手套安全指数模型对所述预处理图像中的手套进行计算得到，其中，所述手套安全指数模型的建立和训练步骤，具体包括：建立第一训练样本，包括多个种类型号的手套图像，其中每个种类型号的手套为多件，每一件均存在不同程度的磨损、油渍，同时，每件手套还具有对应的安全指数，其中安全指数为根据安全运维规定人工标记获得；利用卷积神经网络建立手套安全指数模型雏形；使用第一训练样本对手套安全指数模型雏形进行训练得到手套安全指数模型，其中训练...

【专利技术属性】
技术研发人员：杨朝翔，李大成，田霖，刘其良，
申请(专利权)人：国网冀北综合能源服务有限公司，
类型：发明
国别省市：