本发明专利技术属于图像智能识别的技术领域，更具体地，涉及一种基于关键点检测的油位计读数检测方法及装置。该方法包括：构建油位计关键点数据集；基于注意力机制和HigherHrnet网络构建油位计关键点检测模型，利用关键点数据集训练关键点检测模型，并利用关联嵌入后处理方法进行关键点信息检测，当模型达到收敛且关键点信息检测结果精度达到设定值后停止训练，得到目标油位计关键点检测模型；利用目标油位计关键点检测模型对待识别的油位计图像进行关键点检测，对检测的关键点信息进行后处理分析，从而获取油位计读数。本发明专利技术解决了基于传统图像处理的油位计表计读数检测算法易受环境影响导致变电站油位计读数漏识别或误识别的问题。
1、变电站设备的运行维护是电力系统正常运转的重要部分，大多数在运变电站由于各种原因，导致了变电站油位计等表计不具备远传功能。所以变电站的安全巡检工作主要还是依靠人工巡检来确保电力设备的安全稳定运行。近年来，随着智能巡视理念的提出，大大降低了人工巡检的工作量，提高了巡检效率，结合图像处理技术可以解决人工巡检中难以发现的缺陷问题，具有广泛的实用化场景。
2、变压器作为变电站最重要的设备之一，其油位计等相关表计示数的录入是变电站巡检的重要环节。然而，目前在检测和识别变压器油位计表计读数的过程中存在较大的困难。当前大多数的基于图像处理的变压器油位计表计读数检测算法多为基于传统图像处理，容易受到环境光照的影响，在变电站多样化的复杂场景中，容易出现漏识别或者误识别的情况。
3、中国专利文献cn114581915a提出一种噪声鲁棒的多类别表盘指针读数识别方法和装置，通过获取待检测仪表的图像信息，并根据图像信息确定待检测仪表的目标位置信息和类别信息，根据目标位置信息对图像信息进行分割，从图像信息中提取表盘中的关键区域信息，根据类别信息确定与类别信息对应的预设规则，根据预设规则和关键区域信息获取表盘指针读数结果，可以提升在多种环境和多种不同形态规格表盘读数识别的有效性。
>技术实现思路1、本专利技术旨在克服上述现有技术的至少一种缺陷，提供一种基于关键点检测的油位计读数检测方法，以解决现有技术中基于传统图像处理的变压器油位计表计读数检测算法易受环境影响导致变电站油位计读数漏识别或者误识别的技术问题。
2、本专利技术还公开一种加载有基于关键点检测的油位计读数检测方法的装置。
3、本专利技术详细的技术方案如下：
4、一种基于关键点检测的油位计读数检测方法，所述方法包括：
5、步骤s1、获取油位计图像，并对所述油位计图像进行关键点标注，以构建油位计关键点数据集，其中，所述油位计关键点包括表盘刻度、最小刻度值、最大刻度值、指针针头和指针针尾；
6、步骤s2、利用注意力机制对higherhrnet网络进行改进，以构建油位计关键点检测模型，利用所述油位计关键点数据集对所述油位计关键点检测模型进行训练，得到模型推理结果，并利用改进的关联嵌入后处理方法对所述模型推理结果进行关键点信息检测，当所述油位计关键点检测模型达到收敛且关键点信息检测结果的精度达到设定值后，停止训练，得到目标油位计关键点检测模型；
7、步骤s3、利用所述目标油位计关键点检测模型对待识别的油位计图像进行关键点检测，以得到待识别的油位计图像的关键点信息；
8、步骤s4、对得到的待识别的油位计图像的关键点信息进行后处理分析，以获取待识别的油位计图像中的油位计读数。
9、根据本专利技术优选的，所述步骤s1具体包括：
10、s11、通过监控设备拍摄油位计图像，以获取到油位计视频，并收集不同时间段下的视频流；
11、s12、采用抽帧的方式对收集到的视频流进行处理，得到若干张图片，其中，抽帧的时间间隔为60min；
12、s13、将所有抽取到的图片进行汇总，并将所有包含油位计图像的图片筛选出来以构建未标注的原始油位计图像数据集；
13、s14、利用开源标注工具labelme对所构建的未标注的原始油位计图像数据集中各图片中的关键点进行标注，得到标注完成后的油位计关键点数据集。
14、根据本专利技术优选的，所述步骤s2中，所述注意力机制包括通道注意力机制，所述通道注意力机制为：对于输入特征图x1，其维度为[h,w,c]，其中h为特征图x1的高度值，w为特征图x1的宽度值，c为特征图x1的通道数；首先利用全局平均池化将输入特征图x1从[h,w,c]压缩为[1,1,c]，然后通过两个全连接层给每一个特征通道生成一个归一化权重值，最后将得到的归一化权重值加权到每个特征通道的特征上，并逐通道乘以该归一化权重值，即[h,w,c]*[1,1,c]＝[h,w,c]，最终得到加权后的中间特征图x2。
15、根据本专利技术优选的，所述步骤s2中，所述注意力机制还包括空间注意力机制，所述空间注意力机制为：对于中间特征图x2，分别对其进行平均池化和最大池化操作，然后利用1*1的卷积操作，得到通道数为1的[h,w,1]特征图；再将该[h,w,1]特征图经过sigmoid函数与中间特征图x2进行逐元素点乘，最终得到加权后的目标特征图x3。
16、根据本专利技术优选的，所述步骤s2中，所述利用改进的关联嵌入后处理方法对所述模型推理结果进行关键点信息检测，具体包括：
17、s21、获取所述油位计关键点检测模型输出的heatmap特征图；
18、s22、对所述heatmap特征图进行逐类别最大池化操作，得到计算后的特征图；
19、s23、对计算得到的特征图进行阈值过滤，得到阈值过滤后的刻度值特征图，其中，所设阈值为0.2；
20、s24、对所述刻度值特征图按照置信度从大到小进行排序，并提取前n个刻度值关键点，以得到待识别的油位计图像的关键点信息。
21、根据本专利技术优选的，所述步骤s4具体包括：
22、s41、根据步骤s3中得到的待识别的油位计图像的关键点信息，提取表盘刻度、最小刻度值和最大刻度值三个关键点；
23、s42、对表盘刻度、最小刻度值和最大刻度值三个关键点进行顺时针排序，并结合最大刻度值和最小刻度值的位置，得到由最小刻度值到最大刻度值顺时针排序的关键点顺序；
24、s43、针对表盘刻度、最小刻度值、最大刻度值三个关键点所在的位置拟合圆方程；
25、s44、根据步骤s3中得到的待识别的油位计图像的关键点信息，提取指针针头和指针针尾两个关键点，并计算由指针针尾到指针针头的射线与拟合的圆方程的交点坐标；
26、s45、结合步骤s44中得到的交点坐标，分别计算指针和最小刻度值、最大刻度值之间的夹角，并根据所述夹角计算出油位计的指针读数。
27、根据本专利技术优选的，所述步骤s45具体包括：
28、s451、基于指针针头和指针针尾与圆方程的交点坐标确定指针所在的第一直线l1；
29、s452、基于最小刻度值和最大刻度值在圆上的位置，确定最小刻度值和最大刻度值的坐标；
30、s453、基于最小刻度值的坐标和指针针头与圆方程的交点坐标，得到第二直线l2，同时基于最大刻度值的坐标和指针针头与圆方程的交点坐标，得到第三直线l3；
31、s454、分别计算第二直线l2与第一直线l1之间、以及第三直线l3与第一直线l1之间的夹角，即得到最小刻度值与指针之间的第一本文档来自技高网...
【技术保护点】
1.一种基于关键点检测的油位计读数检测方法，其特征在于，包括；
2.根据权利要求1所述的基于关键点检测的油位计读数检测方法，其特征在于，所述步骤S1具体包括：
3.根据权利要求1所述的基于关键点检测的油位计读数检测方法，其特征在于，所述步骤S2中，所述注意力机制包括通道注意力机制，所述通道注意力机制为：对于输入特征图X1，其维度为[h,w,c]，其中h为特征图X1的高度值，w为特征图X1的宽度值，c为特征图X1的通道数；首先利用全局平均池化将输入特征图X1从[h,w,c]压缩为[1,1,c]，然后通过两个全连接层给每一个特征通道生成一个归一化权重值，最后将得到的归一化权重值加权到每个特征通道的特征上，并逐通道乘以该归一化权重值，即[h,w,c]*[1,1,c]＝[h,w,c]，最终得到加权后的中间特征图X2。
4.根据权利要求3所述的基于关键点检测的油位计读数检测方法，其特征在于，所述步骤S2中，所述注意力机制还包括空间注意力机制，所述空间注意力机制为：对于中间特征图X2，分别对其进行平均池化和最大池化操作，然后利用1*1的卷积操作，得到通道数为1的[h,w,1]特征图；再将该[h,w,1]特征图经过Sigmoid函数与中间特征图X2进行逐元素点乘，最终得到加权后的目标特征图X3。
5.根据权利要求1所述的基于关键点检测的油位计读数检测方法，其特征在于，所述利用改进的关联嵌入后处理方法对所述模型推理结果进行关键点信息检测，具体包括：
6.根据权利要求1所述的基于关键点检测的油位计读数检测方法，其特征在于，所述步骤S4具体包括：
7.根据权利要求6所述的基于关键点检测的油位计读数检测方法，其特征在于，所述步骤S45具体包括：
8.一种实现基于关键点检测的油位计读数检测方法的装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种机器可读存储介质，其特征在于，所述机器可读存储介质上存储有可执行指令，所述指令当被执行时使得所述机器执行如权利要求1至7中任一项所述的基于关键点检测的油位计读数检测方法。
...
【技术特征摘要】
1.一种基于关键点检测的油位计读数检测方法，其特征在于，包括；
2.根据权利要求1所述的基于关键点检测的油位计读数检测方法，其特征在于，所述步骤s1具体包括：
3.根据权利要求1所述的基于关键点检测的油位计读数检测方法，其特征在于，所述步骤s2中，所述注意力机制包括通道注意力机制，所述通道注意力机制为：对于输入特征图x1，其维度为[h,w,c]，其中h为特征图x1的高度值，w为特征图x1的宽度值，c为特征图x1的通道数；首先利用全局平均池化将输入特征图x1从[h,w,c]压缩为[1,1,c]，然后通过两个全连接层给每一个特征通道生成一个归一化权重值，最后将得到的归一化权重值加权到每个特征通道的特征上，并逐通道乘以该归一化权重值，即[h,w,c]*[1,1,c]＝[h,w,c]，最终得到加权后的中间特征图x2。
4.根据权利要求3所述的基于关键点检测的油位计读数检测方法，其特征在于，所述步骤s2中，所述注意力机制还包括空间注意力机制，所述空间注意力机制为：对于中间特征图x2，分别对其进行...
【专利技术属性】
技术研发人员：张亚辉，李睿，胡志坤，方亮，高宗彬，
申请(专利权)人：智洋创新科技股份有限公司，
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。