【技术实现步骤摘要】
本专利技术涉及图像识别，并且更具体地，涉及一种电力计量接线线路异常检测方法及系统。
技术介绍
1、电能计量装置是电力稳定、正常、科学用电的重要保障，对维护电能贸易结算公平性起着至关重要的作用，若计量装置连接线发生错误，就会导致电量计算结果出现偏差，因此，在电能计量装置安装、运行过程中接线异常及时判断、纠正，意义重大。
2、电能计量装置接线异常主要有接线错误(电源线与负载线反接、零火线反接、电流线圈以及电压线的接线错误等)、接线不牢固(虚接、接触不良等)等情况，目前主要通过停电检查、带电检查电压电流回路、逐相检测、数据分析功能模块等方法，但工作量大，错误率高。
技术实现思路
1、针对上述问题，本专利技术提出了一种电力计量接线线路异常检测方法，包括：
2、获取电力计量作业过程中，计量装置接线线路的图像数据，确定所述图像数据的边界框及异常数据，在所述图像数据中，对所述边界框及异常数据所对应的图像掩码进行标注，生成训练数据；
3、构建计量装置接线线路的实例分割模型，基于所述训练数据对所述实例分割模型进行训练，以构建状态分类器；
4、获取目标计量装置接线线路的目标图像数据，基于所述状态分类器，对目标图像数据进行识别，以检测出所述目标计量装置接线线路的异常。
5、可选的，异常数据为接线线路故障数据，所述接线线路故障数据的故障类别，包括如下中的至少一种：接线方式错误、连接错误、线路断开和线路破损。
6、可选的，实例分割模型，
7、所述特征提取主干网络用于提取训练数据中的特征数据，并将特征数据平铺为向量，并为向量添加位置编码，生成所述编码器的输入序列数据；
8、所述编码器用于获取输入序列数据的语义数据；
9、所述解码器用于对语义数据解码以输出训练数据的实例位置与类别信息；
10、所述检测分类子模型用于基于所述训练数据的实例位置与类别信息，确定接线线路预测框和实例掩码图，生成训练数据的分割掩码图；
11、所述异常分类子模型用于将所述训练数据和分割掩码图进行融合，以确定不同接线线路故障概率。
12、可选的，基于所述训练数据对所述实例分割模型进行训练，还包括：
13、对检测分割子模型和异常分类子模型的参数进行优化，具体包括：
14、分别基于故障类别损失函数、边界框损失函数和掩码损失函数，确定所述检测分割子模型的故障类别损失、边界框损失和掩码损失，基于故障类别损失、边界框损失和掩码损失调整检测分割子模型的参数；
15、基于交叉熵函数确定所述异常分类子模型的模型损失，基于所述模型损失，调整异常分类子模型的参数。
16、可选的，基于所述状态分类器，对目标图像数据进行识别，以检测出所述目标计量装置接线线路的异常，包括：
17、基于所述状态分类器，对目标图像数据进行识别，以确定目标计量装置接线线路没类别异常的概率，对所述概率与对应的阈值进行比较，若概率超出阈值，则确定所述目标计量装置接线线路的异常。
18、再一方面，本专利技术还提出了一种电力计量接线线路异常检测系统，包括：
19、图像处理单元，用于获取电力计量作业过程中，计量装置接线线路的图像数据，确定所述图像数据的边界框及异常数据，在所述图像数据中，对所述边界框及异常数据所对应的图像掩码进行标注，生成训练数据；
20、训练单元，用于构建计量装置接线线路的实例分割模型，基于所述训练数据对所述实例分割模型进行训练，以构建状态分类器；
21、检测单元，用于获取目标计量装置接线线路的目标图像数据，基于所述状态分类器，对目标图像数据进行识别，以检测出所述目标计量装置接线线路的异常。
22、可选的，异常数据为接线线路故障数据，所述接线线路故障数据的故障类别，包括如下中的至少一种：接线方式错误、连接错误、线路断开和线路破损。
23、可选的，实例分割模型，包括：基于卷积网络的特征提取主干网络、编码器、解码器、检测分割子模型和异常分类子模型；
24、所述特征提取主干网络用于提取训练数据中的特征数据，并将特征数据平铺为向量，并为向量添加位置编码，生成所述编码器的输入序列数据；
25、所述编码器用于获取输入序列数据的语义数据；
26、所述解码器用于对语义数据解码以输出训练数据的实例位置与类别信息；
27、所述检测分类子模型用于基于所述训练数据的实例位置与类别信息，确定接线线路预测框和实例掩码图，生成训练数据的分割掩码图；
28、所述异常分类子模型用于将所述训练数据和分割掩码图进行融合，以确定不同接线线路故障概率。
29、可选的，基于所述训练数据对所述实例分割模型进行训练，还包括：
30、对检测分割子模型和异常分类子模型的参数进行优化，具体包括：
31、分别基于故障类别损失函数、边界框损失函数和掩码损失函数，确定所述检测分割子模型的故障类别损失、边界框损失和掩码损失，基于故障类别损失、边界框损失和掩码损失调整检测分割子模型的参数；
32、基于交叉熵函数确定所述异常分类子模型的模型损失，基于所述模型损失，调整异常分类子模型的参数。
33、可选的，基于所述状态分类器，对目标图像数据进行识别，以检测出所述目标计量装置接线线路的异常，包括：
34、基于所述状态分类器，对目标图像数据进行识别，以确定目标计量装置接线线路没类别异常的概率，对所述概率与对应的阈值进行比较，若概率超出阈值，则确定所述目标计量装置接线线路的异常。
35、再一方面，本专利技术还提供了一种计算设备，包括：一个或多个处理器；
36、处理器，用于执行一个或多个程序；
37、当所述一个或多个程序被所述一个或多个处理器执行时，实现如上述所述的方法。
38、再一方面，本专利技术还提供了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如上述所述的方法。
39、与现有技术相比，本专利技术的有益效果为：
40、本专利技术提供了一种电力计量接线线路异常检测方法，包括：获取电力计量作业过程中，计量装置接线线路的图像数据，确定所述图像数据的边界框及异常数据，在所述图像数据中，对所述边界框及异常数据所对应的图像掩码进行标注，生成训练数据；构建计量装置接线线路的实例分割模型，基于所述训练数据对所述实例分割模型进行训练，以构建状态分类器；获取目标计量装置接线线路的目标图像数据，基于所述状态分类器，对目标图像数据进行识别，以检测出所述目标计量装置接线线路的异常。本专利技术能够对电力计量装置整体的接线情况进行分析，以判断接线线路是否存在异常，工作量小，且准确率高。
本文档来自技高网...【技术保护点】
1.一种电力计量接线线路异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述异常数据为接线线路故障数据，所述接线线路故障数据的故障类别，包括如下中的至少一种：接线方式错误、连接错误、线路断开和线路破损。
3.根据权利要求1所述的方法，其特征在于，所述实例分割模型，包括：基于卷积网络的特征提取主干网络、编码器、解码器、检测分割子模型和异常分类子模型；
4.根据权利要求1所述的方法，其特征在于，所述基于所述训练数据对所述实例分割模型进行训练，还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述状态分类器，对目标图像数据进行识别，以检测出所述目标计量装置接线线路的异常，包括：
6.一种电力计量接线线路异常检测系统，其特征在于，所述系统包括：
7.根据权利要求6所述的系统，其特征在于，所述异常数据为接线线路故障数据，所述接线线路故障数据的故障类别，包括如下中的至少一种：接线方式错误、连接错误、线路断开和线路破损。
8.根据权利要求6所述的系统，其特征在于，所
9.根据权利要求6所述的系统，其特征在于，所述基于所述训练数据对所述实例分割模型进行训练，还包括：
10.根据权利要求6所述的系统，其特征在于，所述基于所述状态分类器，对目标图像数据进行识别，以检测出所述目标计量装置接线线路的异常，包括：
11.一种计算机设备，其特征在于，包括：
12.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1-5中任一所述的方法。
...【技术特征摘要】
1.一种电力计量接线线路异常检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述异常数据为接线线路故障数据，所述接线线路故障数据的故障类别，包括如下中的至少一种：接线方式错误、连接错误、线路断开和线路破损。
3.根据权利要求1所述的方法，其特征在于，所述实例分割模型，包括：基于卷积网络的特征提取主干网络、编码器、解码器、检测分割子模型和异常分类子模型；
4.根据权利要求1所述的方法，其特征在于，所述基于所述训练数据对所述实例分割模型进行训练，还包括：
5.根据权利要求1所述的方法，其特征在于，所述基于所述状态分类器，对目标图像数据进行识别，以检测出所述目标计量装置接线线路的异常，包括：
6.一种电力计量接线线路异常检测系统，其特征在于，所述系统包括：
7.根据权利...
【专利技术属性】
技术研发人员：周峰，雷瑞东，雷民，殷小东，金淼，陈习文，张艳丽，高帅，姜春阳，郭伟，牛任凯，杜博伦，王斯琪，卢冰，王欢，聂高宁，王旭，高克俭，周玮，余也凤，郭子娟，齐聪，付济良，
申请(专利权)人：中国电力科学研究院有限公司，
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。