【技术实现步骤摘要】
本专利技术涉及人工智能，具体为一种基于语义分割的变电站主变设备硅胶变色识别方法。
技术介绍
1、在变电站设备维护中，当涉及到变电站的安全和设备的可靠性时，对主变设备进行维护和监测至关重要；而主变设备中的硅胶变色问题可能会对设备性能和可靠性造成不利影响，因此需要一种可靠的方法来及时识别和检测这种变色现象，随着科技的发展，采用摄像机监控变电站设备的正常运行已取得较好的成效，现有的技术中，呼吸器硅胶变色识别方法、装置、电子设备及存储介质(申请号：cn202210557796.5)公开了一种呼吸器硅胶变色识别方法、装置、电子设备及存储介质；包括：基于待检测变电站内的摄像装置获取待检测变色图像，将待检测变色图像输入至预先训练的硅胶桶检测模型中确定硅胶桶标注图像；其中,硅胶桶标注图像包括至少一个硅胶桶区域,硅胶桶检测模型基于残差网络以及自注意力模块构建；针对硅胶桶标注图像中的每一个硅胶桶区域,基于预先训练的硅胶变色检测模型对硅胶桶区域进行检测,确定硅胶变色标注图像；其中,硅胶变色标注图像包括硅胶桶区域中的变色区域和/或不变色区域,硅胶变色检测模型基于残差网络以及自注意力模块构建，其采用目标检测的方法先对硅胶桶进行检测，得到其位置信息，然后基于硅胶桶裁剪图片进行二次检测，实现变色区域和不变色区域的检测。该方法没有对变电站实际情况做出真实调研，对于变电站主变设备上面的硅胶桶，其内部的硅胶颗粒变色常见的情况为内部单个或者非连续的硅胶颗粒出现变色，而非一整块连续硅胶颗粒区域。如果出现单个或者非连续的硅胶颗粒变色，故直接用目标检测的方法无法完美地进行
技术实现思路
1、为解决上述技术问题，本专利技术提出了一种基于语义分割的变电站主变设备硅胶变色识别方法，通过采用改进的pspnet语义分割算法模型先对硅胶桶内部的硅胶颗粒进行分割，然后基于传统计算机视觉将图片转为hsv空间，统计裁剪区域图片像素值，计算蓝色像素占比，从而判断硅胶桶是否为变色；具体步骤为：步骤一、系统算法训练得到最优的训练权重算法文件；步骤二、获取采集变电站巡视系统中的点位云台相机进行指定拍摄的硅胶桶照片；步骤三、将照片采用pspnet语义分割模型进行语义分割；步骤四、对语义分割后的照片进行矫正；步骤五、对矫正后的照片使用权重算法文件进行色彩计算标定；步骤六、将进行色彩计算标定后的状态叠加到原图中反馈给用户；其充分考虑到实际变电站现场发生情况，更具备客观性和实际性。
2、为实现上述目的，本专利技术采取的技术方案是：
3、一种基于语义分割的变电站主变设备硅胶变色识别方法，其特征在于；具体步骤为：
4、步骤一、系统算法训练得到最优的训练权重算法文件；
5、通过采集原始数据，进行人工标注，构建训练网络模型，进行语义分隔模型训练得到最优权重算法文件；
6、步骤二、获取采集变电站巡视系统中的点位云台相机进行指定拍摄的硅胶桶照片；
7、通过系统调取变电站巡视系统中的点位云台相机对定点的硅胶桶进行指定拍摄，获取用于分析的照片；
8、步骤三、将照片采用pspnet语义分割模型进行语义分割；
9、基于语义分割模型得到的硅胶桶边缘点集合mgjt＝[(x1,y1),(x2,y2),...,(xk,yk)]和硅胶颗粒边缘点集合mgj＝[(i1,j1),(i2,j2),...,(ik,jk)]，将原图中硅胶桶和硅胶颗粒区域进行裁剪出来；
10、步骤四、对语义分割后的照片进行矫正；、
11、采用色彩矫正去除拍摄时环境对照片造成的影响；
12、步骤五、对矫正后的照片使用权重算法文件进行色彩计算标定；
13、步骤六、将进行色彩计算标定后的状态叠加到原图中反馈给用户。
14、进一步，所述基于语义分割的变电站主变设备硅胶变色识别方法的步骤一中的系统算法训练得到最优的训练权重算法文件具体步骤为：
15、步骤1、收集变电站中硅胶桶原始数据图片，基数不少于12000张；
16、步骤2、对原始数据图片进行人工标注，标注区域有两处，硅胶玻璃桶区域和硅胶颗粒区域；
17、步骤3、构建训练网络模型，采用改进的pspnet语义分割算法模型；具体为将pspnet语义分割模型中编码器的骨干网络改成mobilenet v2网络模块；在pspnet语义分割模型的编码器和解码器中间添加了se通道注意力机制模块，提高模型的鲁棒性；
18、步骤4、基于训练网络模型设计的语义分割模型进行训练，得到最优的训练权重文件。
19、进一步，所述基于语义分割的变电站主变设备硅胶变色识别方法的步骤四中的照片进行矫正具体步骤为：
20、步骤1、基于照片采用pspnet语义分割模型进行语义分割后的硅胶颗粒区域图片拆分成红、绿、蓝三个通道，使其变成灰度图像；
21、步骤2、对于输入的灰度图像，首先计算其灰度级别的直方图；
22、步骤3、计算累积分布函数cdf，基于直方图计算累积分布函数cdf(rk)，表示小于或等于灰度级别rk的像素的比例；cdf可以通过以下公式计算：
23、
24、其中，h(rj)是灰度级别rj的像素数，mn是图像的总像素数；
25、步骤4、映射像素值；对于每个输入灰度级别rk，将其映射到输出灰度级别sk，通过以下公式实现：
26、
27、其中，l是灰度级别的数量，将cdf(rk)乘以l-1并四舍五入以获得输出灰度级别sk；
28、步骤5、使用得到的映射关系，将输入图像中的每个像素rk替换为对应的输出像素sk，生成经直方图均衡化处理后的输出图像。
29、进一步，所述基于语义分割的变电站主变设备硅胶变色识别方法的步骤五中的对矫正后的照片使用权重算法文件进行色彩计算标定具体步骤为：
30、步骤1、将图片从bgr转换为hsv颜色空间；
31、步骤2、创建一个掩码，将硅胶颗粒裁剪区域标记为白色，其余区域标记为黑色；
32、步骤3、提取硅胶颗粒裁剪区域的像素值，硅胶颗粒蓝色为未变色，其他颜色均为变色；蓝色的hsv范围,蓝色最低hsv值为(90,50,50)，蓝色的最高hsv值为(130,255,255)；
33、步骤4、创建一个掩码，将裁剪区域中符合蓝色范围的像素标记为白色；
34、步骤5、计算裁剪区域中符合蓝色范围的像素数量和计算裁剪区域的总像素数量；
35、步骤6、判断蓝色像素占比是否超过阈值，这里设定为0.98，即如果本文档来自技高网...
【技术保护点】
1.一种基于语义分割的变电站主变设备硅胶变色识别方法，其特征在于；具体步骤为：
2.根据权利要求1所述的一种基于语义分割的变电站主变设备硅胶变色识别方法，其特征在于：所述基于语义分割的变电站主变设备硅胶变色识别方法的步骤一中的系统算法训练得到最优的训练权重算法文件具体步骤为：
3.根据权利要求1所述的一种基于语义分割的变电站主变设备硅胶变色识别方法，其特征在于：所述基于语义分割的变电站主变设备硅胶变色识别方法的步骤四中的照片进行矫正具体步骤为：
4.根据权利要求1所述的一种基于语义分割的变电站主变设备硅胶变色识别方法，其特征在于：所述基于语义分割的变电站主变设备硅胶变色识别方法的步骤五中的对矫正后的照片使用权重算法文件进行色彩计算标定具体步骤为：
【技术特征摘要】
1.一种基于语义分割的变电站主变设备硅胶变色识别方法，其特征在于；具体步骤为：
2.根据权利要求1所述的一种基于语义分割的变电站主变设备硅胶变色识别方法，其特征在于：所述基于语义分割的变电站主变设备硅胶变色识别方法的步骤一中的系统算法训练得到最优的训练权重算法文件具体步骤为：
3.根据权利要求1所述的一种基于语义分割的变...
【专利技术属性】
技术研发人员：张振，欧啸天，李清，王健，苗林，
申请(专利权)人：齐丰科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。