一种电力调控系统的图像识别方法技术方案

本发明专利技术涉及图像处理技术领域，公开了一种电力调控系统的图像识别方法

【技术实现步骤摘要】
一种电力调控系统的图像识别方法、系统、设备及介质


[0001]本专利技术涉及图像处理
，特别是涉及一种电力调控系统的图像识别方法
、
系统
、
设备及介质
。

技术介绍

[0002]近年来，随着我国电力事业的不断发展，变电站的数量大幅增长，电网规模不断扩展，整个电力系统面临的压力越来越大，参与电力调度运行的人员所处理的工作量不断增加，人员承载力出现不足等问题
。
为了更好的保证电力系统工作的可靠性，将现代化的信息技术应用到电力调度工作中，减少调控人员的工作量，提高电力调度运行和监控工作的质量具有重要意义
。
由于电网体量大，日均告警信息高达成百上千条，如何及时且正确的处理告警信息显得尤为重要
。
[0003]目前还没有针对数以千计的日均告警信息进行高效处理的方案，且电网系统中各类信息数据不能互通的问题也未有较好的解决方案
。

技术实现思路

[0004]本专利技术提供一种电力调控系统的图像识别方法
、
系统
、
设备及介质，解决电网系统中各类信息数据不能互通，且随着日均告警信息的增加，如何及时且正确的处理告警信息的问题
。
[0005]为解决上述技术问题，本专利技术第一方面提供一种电力调控系统的图像识别方法，包括：获取电力调控系统监控视频的界面图像；通过
BHS
‑
CTPN
网络模型对所述界面图像进行检测，得到文字坐标信息；其中，所述文字坐标信息包括文本检测框的高度和中心坐标；所述
BHS
‑
CTPN
网络模型包括第一卷积层
、
双向
BiLSTM
层和全连接层；通过
AA
‑
CRNN
网络模型对所述文字坐标信息进行识别，得到文字信息数据；其中，所述文字信息数据包括汉字
、
标点
、
英文和数字；所述
AA
‑
CRNN
网络模型包括第二卷积层
、
循环层和翻译层
。
[0006]进一步地，通过
BHS
‑
CTPN
网络模型对所述界面图像进行检测，得到文字坐标信息，包括：通过所述第一卷积层对所述界面图像进行特征提取，得到所述界面图像的图像特征；通过所述双向
BiLSTM
层对所述图像特征中的文本进行位置关联，并通过设定锚点进行位置预测，得到文本检测框；将所述文本检测框的高度和中心坐标作为所述文字坐标信息并输出
。
[0007]进一步地，通过所述第一卷积层对所述界面图像进行特征提取，得到所述界面图像的图像特征，包括：
通过所述第一卷积层中1×1的卷积核来调节所述界面图像的通道数，并对不同通道上的像素进行线性组合，得到降维界面图像；将所述第一卷积层中的多尺度
n
×
n
卷积核进行1×
n
和
n
×1拆分，并通过拆分后的卷积核对所述降维界面图像进行特征提取，得到所述界面图像的图像特征
。
[0008]进一步地，通过设定锚点进行位置预测，得到文本检测框，包括：将所述图像特征中的文本转换为具有固定长度的锚点进行位置预测，得到若干个文本块；将所述若干个文本块中相邻的两个文本块进行合并，直至无法合并时，生成所述文本检测框
。
[0009]进一步地，所述第二卷积层通过对
CRNN
网络模型中的卷积层添加非对称卷积得到；所述循环层通过对
BiLSTM
模型添加注意力机制得到
。
[0010]进一步地，通过
AA
‑
CRNN
网络模型对所述文字坐标信息进行识别，得到文字信息数据，包括：通过所述第二卷积层对所述文字坐标信息进行特征提取，得到特征序列；通过所述循环层对所述特征序列进行解码，得到预测标签分布；将所述预测标签分布输入至所述翻译层进行转换，得到所述文字信息数据
。
[0011]进一步地，通过所述循环层对所述特征序列进行解码，得到预测标签分布，包括：根据相关性对所述特征序列进行加权平均计算，得到一个上下文向量；将所述上下文向量输入至所述循环层中进行预测，得到所述预测标签分布
。
[0012]本专利技术第二方面提供一种电力调控系统的图像识别系统，包括：获取模块，用于获取电力调控系统监控视频的界面图像；检测模块，用于通过
BHS
‑
CTPN
网络模型对所述界面图像进行检测，得到文字坐标信息；其中，所述文字坐标信息包括文本检测框的高度和中心坐标；所述
BHS
‑
CTPN
网络模型包括第一卷积层
、
双向
BiLSTM
层和全连接层；识别模块，用于通过
AA
‑
CRNN
网络模型对所述文字坐标信息进行识别，得到文字信息数据；其中，所述文字信息数据包括汉字
、
标点
、
英文和数字；所述
AA
‑
CRNN
网络模型包括第二卷积层
、
循环层和翻译层
。
[0013]本专利技术第三方面提供一种电子装置，包括处理器
、
存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任意一项所述的电力调控系统的图像识别方法
。
[0014]本专利技术第四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包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述第一方面中任意一项所述的电力调控系统的图像识别方法
。
[0015]与现有技术相比，本专利技术实施例的有益效果在于：本专利技术提供一种电力调控系统的图像识别方法
、
系统
、
设备及介质，其中方法包括：在获取电力调控系统监控视频的界面图像后，对其进行预处理，接着用
BHS
‑
CTPN
网络模型对图像中的相关文字进行检测，确定各种内容文字的坐标信息，最后采用
AA
‑
CRNN
算法进行文字识别并将相关的信息数据输出
。
该方法可以对告警信息及动态运行数据进行自动化识别处理，实现对各类信息的全响应，避免调控人员漏监信息，造成不良社会影响和经济损
失；在保障安全的前提下实现了电网运行管理方式的优化，提高对电网告警的调度能力和响应效率
。
同时，本专利技术所提方法很好的实现了电力多源数据系统间信息的安全应用，通过对电力系统的定期分析和监测，透视了电网整体运行和变化情况，促进调控人员职责从执行向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种电力调控系统的图像识别方法，其特征在于，包括：获取电力调控系统监控视频的界面图像；通过
BHS
‑
CTPN
网络模型对所述界面图像进行检测，得到文字坐标信息；其中，所述文字坐标信息包括文本检测框的高度和中心坐标；所述
BHS
‑
CTPN
网络模型包括第一卷积层
、
双向
BiLSTM
层和全连接层；通过
AA
‑
CRNN
网络模型对所述文字坐标信息进行识别，得到文字信息数据；其中，所述文字信息数据包括汉字
、
标点
、
英文和数字；所述
AA
‑
CRNN
网络模型包括第二卷积层
、
循环层和翻译层
。2.
根据权利要求1所述的一种电力调控系统的图像识别方法，其特征在于，所述通过
BHS
‑
CTPN
网络模型对所述界面图像进行检测，得到文字坐标信息，包括：通过所述第一卷积层对所述界面图像进行特征提取，得到所述界面图像的图像特征；通过所述双向
BiLSTM
层对所述图像特征中的文本进行位置关联，并通过设定锚点进行位置预测，得到文本检测框；将所述文本检测框的高度和中心坐标作为所述文字坐标信息并输出
。3.
根据权利要求2所述的一种电力调控系统的图像识别方法，其特征在于，所述通过所述第一卷积层对所述界面图像进行特征提取，得到所述界面图像的图像特征，包括：通过所述第一卷积层中1×1的卷积核来调节所述界面图像的通道数，并对不同通道上的像素进行线性组合，得到降维界面图像；将所述第一卷积层中的多尺度
n
×
n
卷积核进行1×
n
和
n
×1拆分，并通过拆分后的卷积核对所述降维界面图像进行特征提取，得到所述界面图像的图像特征
。4.
根据权利要求2所述的一种电力调控系统的图像识别方法，其特征在于，所述通过设定锚点进行位置预测，得到文本检测框，包括：将所述图像特征中的文本转换为具有固定长度的锚点进行位置预测，得到若干个文本块；将所述若干个文本块中相邻的两个文本块进行合并，直至无法合并时，生成所述文本检测框
。5.
根据权利要求1所述的一种电力调控系统的图像识别方法，其特征在于，所述第二卷积层...

【专利技术属性】
技术研发人员：靳东辉，胡云皓，何顺勇，徐永强，王德胜，周述庆，江小军，周健华，侯邦广，黄广敢，高佳，刘禹含，汪凯琳，
申请(专利权)人：国网浙江省电力有限公司瑞安市供电公司，
类型：发明
国别省市：