System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于语义分割孪生网络的变电站设备变化检测方法和系统技术方案_技高网

基于语义分割孪生网络的变电站设备变化检测方法和系统技术方案

技术编号:40900951 阅读:3 留言:0更新日期:2024-04-18 11:18
本发明专利技术公开了基于语义分割孪生网络的变电站设备变化检测方法和系统,所述方法包括:步骤1,采集待检测设备模板图像,获取待测图像并判断图像类别,选取与待测图像类别相同的模板图像作为目标模板图像;步骤2,进行图像矫正;步骤3,生成模板图像中待检测设备的位置框作为配置文件;步骤4,将矫正后的图像输入到训练好的语义分割孪生网络模型,得到含有变化的二值图像;步骤5,根据配置文件,提取二值图像中刀闸位置,并去掉面积小于设定像素点数目阈值的团块;步骤6,设定面积阈值,比较剩余团块面积和面积阈值大小关系判定变电站设备状态变化情况。本发明专利技术可以有效解决现场设备状态收集不全情况下对设备状态的监测,降低环境干扰。

【技术实现步骤摘要】

本专利技术属于电力系统设备检测,更具体地,涉及基于语义分割孪生网络的变电站设备变化检测方法和系统


技术介绍

1、在变电站场景下,通过对不同时间拍摄的同一场景的图像进行比较,进而进行通用的电力设备状态监测,例如变电箱门的开闭状态,刀闸的开闭状态,仪表的破损或者人员的入侵状态等。由于图像处理受光线、影子、背景植被等环境影响,很难提出一种通用的基于传统图像处理的方法做图像变化监测,因此本专利提出了一种基于语义分割孪生网络的变电站设备变化检测方法。


技术实现思路

1、为解决现有技术中存在的不足,本专利技术提供一种基于语义分割孪生网络的变电站设备变化检测方法和系统,结合深度学习孪生网络以及传统图像处理的校准预处理以及图像后处理实现设备的变化检测,可以有效解决现场设备状态收集不全情况下对设备状态的监测,另外变电站现场缺陷无法枚举,可通过变化检测方式监测设备变化。

2、本专利技术采用如下的技术方案。

3、本专利技术的第一方面提供了一种基于语义分割孪生网络的变电站设备变化检测方法,包括以下步骤:

4、步骤1,采集需要检测设备的模板图像,获取待测图像并判断图像类别,选取与待测图像类别相同的模板图像作为目标模板图像;

5、步骤2,根据目标模板图像对待测图像进行图像矫正;

6、步骤3,生成模板图像中待检测设备的设备位置框作为配置文件;

7、步骤4,将步骤2矫正后的图像输入到训练好的语义分割孪生网络模型,得到含有变化的二值图像;p>

8、步骤5,根据步骤3获取的配置文件,提取步骤4得到的二值图像中刀闸位置,并去掉面积小于设定像素点数目阈值的团块;

9、步骤6,设定面积阈值,比较剩余团块面积和面积阈值大小关系判定变电站设备状态变化情况,如果大于设定面积阈值,则认为待测图像设备状态与模板图像设备状态不一致,否则认为一致。

10、优选地,步骤1中,生成的模板图像包括白天和晚上的模板图像;根据待测图像的平均灰度值选择模板,如果大于90,则使用白天模板,如果小于等于90,则使用晚上模板。

11、优选地,步骤1中,图像类别包括可见光图像和红外图像。

12、优选地,步骤2具体包括:

13、步骤2.1,分别计算待测图像和模板图像的sift特征点;

14、步骤2.2,将sift特征点转化为描述矩阵进行flann特征匹配;

15、步骤2.3,特征匹配后再通过ransac筛选,计算转移矫正矩阵;

16、步骤2.4,根据转移矫正矩阵,将待测图像进行仿射变换,完成矫正。

17、优选地,步骤3中,所述配置文件包括左上顶点坐标和右下顶点坐标,以及模板中设备状态。以刀闸为例,左上顶点坐标为top_x,top_y,右下顶点坐标为bottom_x,bottom_y,状态标志位分为0和1,0代表刀闸分开,1代表刀闸闭合。

18、优选地,语义分割孪生网络采用resnet50残差网络。

19、进一步优选地,语义分割孪生网络模型使用的训练数据为不同时间段的刀闸图像,使用自由组合方式组成训练对。

20、优选地,步骤5中,像素点数目阈值为50。

21、优选地,步骤6中,面积阈值为设备位置框总面积的20%。

22、本专利技术的第二方面提供了一种基于语义分割孪生网络的变电站设备变化检测系统,运行所述的一种基于语义分割孪生网络的变电站设备变化检测方法,包括:

23、图像采集模块,用于采集模板图像、待测图像;

24、图像处理模块,用于进行图像矫正、生成设备位置框和配置文件、提取二值图像刀闸位置、去除团块、计算剩余团块面积;

25、数据传输模块,用于将数据传入语义分割孪生网络模型,并接收返回的二值图像;

26、结果输出模块,用于输出设备变化检测结果。

27、与现有技术相比,本专利技术的有益效果至少包括:

28、(1)将深度学习和传统图像处理技术结合,能够有效识别变电站场景的变化,降低环境干扰,具有应用的可行性;

29、(2)有效降低漏检率和误检率,提升效率和准确率;

30、(3)实现了变电设备图像变化检测,对于摄像头抖动具有鲁棒性。

本文档来自技高网...

【技术保护点】

1.一种基于语义分割孪生网络的变电站设备变化检测方法,其特征在于,包括以下步骤:

2.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

3.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

4.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

5.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

6.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

7.如权利要求5所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

8.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

9.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

10.一种基于语义分割孪生网络的变电站设备变化检测系统,运行如权利要求1-9任一项所述的一种基于语义分割孪生网络的变电站设备变化检测方法,其特征在于,包括:

...

【技术特征摘要】

1.一种基于语义分割孪生网络的变电站设备变化检测方法,其特征在于,包括以下步骤:

2.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

3.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

4.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

5.如权利要求1所述的基于语义分割孪生网络的变电站设备变化检测方法,其特征在于:

6.如权利要求1所述的基于语义分...

【专利技术属性】
技术研发人员:魏娇龙韩明蕾张利强郭莹莹李艳丹刘刚徐延明李志学葛亮
申请(专利权)人:北京四方继保自动化股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1