【技术实现步骤摘要】
本申请涉及弧光检测领域，具体而言，涉及一种弧光检测方法、装置及存储介质。
技术介绍
1、弧光检测是一种常用的电气检测方法，通过检测电路中的弧光现象，可以判断电路是否存在故障。目前，弧光检测可以应用在电力系统中，判断电力设备是否出现故障。一般采用光纤传感、光谱测量、电压测量等纯电路方式进行弧光检测，但是这种纯电路方式通常需要较高的设备成本和人力成本，且具有一定的误检概率。虽然相关技术中也有使用视觉算法检测弧光信号的方式，不过当前视觉算法的检测方式多为单一视频检测算法，无法应对复杂多变的场景，误检概率也很高。
2、因此，相关技术中，存在如何实现更准确的弧光检测的技术问题。
3、针对相关技术中，如何实现更准确的弧光检测的技术问题，尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种弧光检测方法、装置及存储介质，以至少解决相关技术中，如何实现更准确的弧光检测的技术问题。
2、根据本申请实施例的一个实施例，提供了一种弧光检测方法，包括：获取对图像采集区域进行采集所得到的初始图像；根据所述初始图像确定出所述图像采集区域中的放电候选区域；使用神经网络模型对所述放电候选区域进行弧光检测，其中，所述神经网络模型是以历史放电图像中的放电区域，以及所述放电区域内的联通分量为输入样本，以所述历史放电图像的弧光检测结果为输出样本进行训练的。
3、在一个示例性实施例中，根据所述初始图像确定出所述图像采集区域中的放电候选区域，包括：确定出相邻初始图像
4、在一个示例性实施例中，使用神经网络模型对所述放电候选区域进行弧光检测，包括：从所述放电候选区域内确定出满足预设条件的第一区域；从所述放电候选区域的其他区域中确定出第二区域，其中，所述其他区域为所述放电候选区域中除了所述第一区域之外的区域；将所述第一区域的联通分量和所述第二区域的联通分量输入至所述神经网络模型，获取所述神经网络模型输出的弧光检测结果，并根据所述弧光检测结果确定所述放电候选区域是否发生放电事件。
5、在一个示例性实施例中，从所述放电候选区域内确定出满足预设条件的第一区域，包括：从所述放电候选区域中的所有联通分量中确定出第一联通分量，将所述放电候选区域中除了所述第一联通分量之外的其他联通分量所构成的联通区域确定为所述第一区域；其中，所述第一联通分量对应的像素点的像素值小于第三预设值；和/或，从所述放电候选区域中的所有联通分量中确定出第二联通分量，将所述第二联通分量构成的联通区域确定为所述第一区域；其中，所述第二联通分量对应的像素点的像素数量小于第二预设值，且所述第二联通分量对应的像素点的像素值大于第三预设值；和/或，将所述放电候选区域中满足形态学的第三联通分量构成的联通区域确定为所述第一区域。
6、在一个示例性实施例中，从所述放电候选区域的其他区域中确定出第二区域，包括：从所述其他区域中确定出第四联通分量，从所述第四联通分量构成的联通区域中确定出所述第二区域；其中，所述第四联通分量对应的像素点的像素值的像素数量大于第四预设值，且所述第四联通分量对应的像素点的像素值大于第三预设值；和/或，从所述其他区域中确定出第五联通分量，从所述第五联通分量构成的联通区域中确定出所述第二区域；其中，所述第五联通分量对应的所有像素点的像素方差值大于第五预设值。
7、在一个示例性实施例中，从所述第四联通分量构成的联通区域中确定出所述第二区域，包括：根据预设对应关系确定出所述第四联通分量构成的联通区域在所述初始图像的灰度图中对应的第三区域；其中，所述预设对应关系表示所述放电候选区域的像素点与所述初始图像的灰度图的像素点之间的映射关系；从所述第三区域包含的像素点中确定出第二像素点，其中，所述第二像素点的像素值大于第六预设值；将所述第二像素点形成的联通区域确定为所述第二区域。
8、在一个示例性实施例中，从所述第四联通分量构成的联通区域中确定出所述第二区域，包括：根据预设对应关系确定出所述第四联通分量构成的联通区域在所述初始图像的灰度图中对应的第三区域；其中，所述预设对应关系表示所述放电候选区域的像素点与所述初始图像的灰度图的像素点之间的映射关系；确定出所述第三区域内具有最大值的第三像素点，从所述第三区域中的其他像素点中确定出第四像素点，其中，所述其他像素点为所述第三区域内除了所述第三像素点之外的像素点，所述第四像素点表示对所述其他像素点进行广度优先搜索得到的像素点；通过将所述第三区域中的所有第四像素点的像素值重置为默认值，得到所述第二区域。
9、在一个示例性实施例中，从所述第四联通分量构成的联通区域中确定出所述第二区域，包括：根据预设对应关系确定出所述第四联通分量构成的联通区域在所述初始图像的灰度图中对应的第三区域；其中，所述预设对应关系表示所述放电候选区域的像素点与所述初始图像的灰度图的像素点之间的映射关系；获取对所述初始图像的灰度图进行降噪处理之后的中间放电图像，其中，所述第三区域对应于所述中间放电图像的第四放电候选区域；丢弃所述第四放电候选区域中小于预设面积的区域，得到剩余区域；使用图像分割算法得到所述剩余区域的子分割区；将所述子分割区中的目标分割区确定为所述第二区域，其中，所述目标分割区中的像素点的像素平均值均大于第七预设值。
10、根据本申请实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述弧光检测方法。
11、根据本申请实施例的又一方面，还提供了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，上述处理器通过计算机程序执行上述的弧光检测方法。
12、在本申请实施例中，获取对图像采集区域进行采集所得到的初始图像；根据初始图像确定出图像采集区域发生的放电事件；使用神经网络模型对放电候选区域进行弧光检测，其中，神经网络模型是以历史放电图像中的放电区域，以及放电区域内的联通分量为输入样本，以历史放电图像的弧光检测结果为输出样本进行训练的，采用上述技术方案，解决了如何实现更准确的弧光检测的技术问题，提高了弧光检测的准确性，进而降低了弧光检测的误检概率。
本文档来自技高网...【技术保护点】
1.一种弧光检测方法，其特征在于，包括：
2.根据权利要求1所述的弧光检测方法，其特征在于，根据所述初始图像确定出所述图像采集区域中的放电候选区域，包括：
3.根据权利要求1所述的弧光检测方法，其特征在于，使用神经网络模型对所述放电候选区域进行弧光检测，包括：
4.根据权利要求3所述的弧光检测方法，其特征在于，从所述放电候选区域内确定出满足预设条件的第一区域，包括：
5.根据权利要求3所述的弧光检测方法，其特征在于，从所述放电候选区域的其他区域中确定出第二区域，包括：
6.根据权利要求5所述的弧光检测方法，其特征在于，从所述第四联通分量构成的联通区域中确定出所述第二区域，包括：
7.根据权利要求5所述的弧光检测方法，其特征在于，从所述第四联通分量构成的联通区域中确定出所述第二区域，包括：
8.根据权利要求5所述的弧光检测方法，其特征在于，从所述第四联通分量构成的联通区域中确定出所述第二区域，包括：
9.一种弧光检测装置，其特征在于，包括：
10.一种计算机可读的存储介质，其
...【技术特征摘要】
1.一种弧光检测方法，其特征在于，包括：
2.根据权利要求1所述的弧光检测方法，其特征在于，根据所述初始图像确定出所述图像采集区域中的放电候选区域，包括：
3.根据权利要求1所述的弧光检测方法，其特征在于，使用神经网络模型对所述放电候选区域进行弧光检测，包括：
4.根据权利要求3所述的弧光检测方法，其特征在于，从所述放电候选区域内确定出满足预设条件的第一区域，包括：
5.根据权利要求3所述的弧光检测方法，其特征在于，从所述放电候选区域的其他区域中确定出第二区域，包括：
6.根据权利要求5所...
【专利技术属性】
技术研发人员：林亦宁，王聪颖，严凯，
申请(专利权)人：上海闪马智能科技有限公司，
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。