【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种端到端的配电柜状态监控方法及装置。
技术介绍
1、工业配电柜的定期检查是非常重要的，通过定期检查可以发现并解决早期的问题，防止小问题蔓延到整个系统，同时也能提高设备的寿命，由于机房是工业重地，保密级别高，非技术人员不可随机进入。
2、不同的机房环境不同，常规机房需要大量散热，温度较低，单靠工作人员进行定期检查，耗时长，劳动效率低，且对人力资源需求大；由于需要检查项目多，人工检查可能会出现误判和漏检的情况；同时直接触碰电气设备存在安全隐患，而且一旦不小心发生错误操作，可能导致设备损坏甚至触电事故。
技术实现思路
1、本专利技术提供一种端到端的配电柜状态监控方法及装置，用以解决现有技术中配电柜状态巡检效率低且存在安全隐患的技术问题。
2、第一方面，本专利技术提供一种端到端的配电柜状态监控方法，包括：
3、采集被监控的目标配电柜的图像；
4、将所述目标配电柜的图像输入至经过训练的深度学习模型，获取所述深度学习模型输出的配电柜序号、指示灯状态、开关状态和电表文本内容；
5、根据所述配电柜序号、所述指示灯状态、所述开关状态和所述电表文本内容，对所述目标配电柜进行监控。
6、在一些实施例中，所述深度学习模型包括目标检测分支模型、指示灯识别分支模型、开关状态识别分支模型和文本识别分支模型。
7、在一些实施例中，所述将所述目标配电柜的图像输入至经过训练的深度学习模型，获取所述深度学
8、将所述目标配电柜的图像输入至所述目标检测分支模型，获取所述目标检测分支模型输出的感兴趣特征图；
9、分别将所述感兴趣特征图输入至所述指示灯识别分支模型、所述开关状态识别分支模型和所述文本识别分支模型，得到所述配电柜序号、所述指示灯状态、所述开关状态和所述电表文本内容。
10、在一些实施例中，所述感兴趣特征图包括指示灯感兴趣特征图、开关感兴趣特征图、序号感兴趣特征图和电表文本感兴趣特征图；
11、分别将所述感兴趣特征图输入至所述指示灯识别分支模型、所述开关状态识别分支模型和所述文本识别分支模型，得到所述配电柜序号、所述指示灯状态、所述开关状态和所述电表文本内容，包括：
12、将所述指示灯感兴趣特征图输入至所述指示灯识别分支模型，得到所述指示灯状态；
13、将所述开关感兴趣特征图输入至所述开关状态识别分支模型，得到所述开关状态；
14、将所述序号感兴趣特征图和电表文本感兴趣特征图输入至所述文本识别分支模型，得到所述配电柜序号和所述电表文本内容。
15、在一些实施例中，所述方法还包括：
16、获取配电柜图像样本；
17、基于所述配电柜图像样本对所述深度学习模型进行训练，得到训练后的深度学习模型。
18、在一些实施例中，所述基于所述配电柜图像样本对所述深度学习模型进行训练，得到训练后的深度学习模型，包括：
19、基于所述配电柜图像样本对所述深度学习模型中的所述目标检测分支模型进行训练；
20、将训练好的所述目标检测分支模型作为预训练加载到所述深度学习模型中，再训练所述指示灯识别分支模型、所述开关状态识别分支模型和所述文本识别分支模型。
21、在一些实施例中，所述根据所述配电柜序号、所述指示灯状态、所述开关状态和所述电表文本内容，对所述目标配电柜进行监控，包括：
22、根据所述配电柜序号、所述指示灯状态、所述开关状态和所述电表文本内容，确定所述目标配电柜是否出现异常；
23、在所述目标配电柜出现异常的情况下，发出对应的报警信号。
24、第二方面，本专利技术还提供一种端到端的配电柜状态监控装置，包括：
25、采集模块，用于采集被监控的目标配电柜的图像；
26、获取模块，用于将所述目标配电柜的图像输入至经过训练的深度学习模型，获取所述深度学习模型输出的配电柜序号、指示灯状态、开关状态和电表文本内容；
27、监控模块，用于根据所述配电柜序号、所述指示灯状态、所述开关状态和所述电表文本内容，对所述目标配电柜进行监控。
28、第三方面，本专利技术还提供一种电子设备，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，所述处理器执行所述程序时实现如上述第一方面任一种所述端到端的配电柜状态监控方法。
29、第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述第一方面任一种所述端到端的配电柜状态监控方法。
30、第五方面，本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述第一方面任一种所述端到端的配电柜状态监控方法。
31、本专利技术提供的端到端的配电柜状态监控方法及装置，借助工业视觉技术，在不影响现有配电箱的运行的情况下，实现对配电柜状态的高效监控，并且提高了配电柜的安全性和可靠性。
本文档来自技高网...【技术保护点】
1.一种端到端的配电柜状态监控方法，其特征在于，包括：
2.根据权利要求1所述的端到端的配电柜状态监控方法，其特征在于，所述深度学习模型包括目标检测分支模型、指示灯识别分支模型、开关状态识别分支模型和文本识别分支模型。
3.根据权利要求2所述的端到端的配电柜状态监控方法，其特征在于，所述将所述目标配电柜的图像输入至经过训练的深度学习模型，获取所述深度学习模型输出的配电柜序号、指示灯状态、开关状态和电表文本内容，包括：
4.根据权利要求3所述的端到端的配电柜状态监控方法，其特征在于，所述感兴趣特征图包括指示灯感兴趣特征图、开关感兴趣特征图、序号感兴趣特征图和电表文本感兴趣特征图；
5.根据权利要求2所述的端到端的配电柜状态监控方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的端到端的配电柜状态监控方法，其特征在于，所述基于所述配电柜图像样本对所述深度学习模型进行训练，得到训练后的深度学习模型，包括：
7.根据权利要求1至6中的任一项所述的端到端的配电柜状态监控方法，其特征在于，所述根据所述配电柜序号、
8.一种端到端的配电柜状态监控装置，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述端到端的配电柜状态监控方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述端到端的配电柜状态监控方法。
...【技术特征摘要】
1.一种端到端的配电柜状态监控方法，其特征在于，包括：
2.根据权利要求1所述的端到端的配电柜状态监控方法，其特征在于，所述深度学习模型包括目标检测分支模型、指示灯识别分支模型、开关状态识别分支模型和文本识别分支模型。
3.根据权利要求2所述的端到端的配电柜状态监控方法，其特征在于，所述将所述目标配电柜的图像输入至经过训练的深度学习模型，获取所述深度学习模型输出的配电柜序号、指示灯状态、开关状态和电表文本内容，包括：
4.根据权利要求3所述的端到端的配电柜状态监控方法，其特征在于，所述感兴趣特征图包括指示灯感兴趣特征图、开关感兴趣特征图、序号感兴趣特征图和电表文本感兴趣特征图；
5.根据权利要求2所述的端到端的配电柜状态监控方法，其特征在于，所述方法还包括：
6.根据权利要求5所述的端到...
【专利技术属性】
技术研发人员：彭明莎，王贤良，孟凡军，贺银苹，姜文昊，
申请(专利权)人：北京海鑫智圣技术有限公司，
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。