【技术实现步骤摘要】
本专利技术涉及电力设备检测领域，尤其涉及一种刀闸状态的检测方法、装置、设备及存储介质。
技术介绍
1、刀闸是变电站中重要的电气设备之一，刀闸的操作直接关系到电力系统的运作是否安全，误操作刀闸对电力系统伤害大，轻则损坏设备，重则造成人员伤亡与大面积停电，因此，在对刀闸进行操作前应先对刀闸的状态进行检测。
2、随着计算机视觉算法的迅速发展，基于深度学习的图像识别技术应用于电力领域，可以通过神经网络模型对刀闸图像进行检测，根据检测结果确定刀闸状态，刀闸图像的质量与检测结果的准确性相关。在夜晚及乌云密布等光线差的场景下刀闸图像亮度低，刀闸图像不清晰，神经网络模型可能无法识别刀闸的全部特征，根据神经网络模型对低亮度图像的识别结果确定刀闸状态，准确性低。
技术实现思路
1、本专利技术的主要目的在于提供一种刀闸状态的检测方法、装置、设备及存储介质，用于解决根据神经网络模型对低亮度图像的识别结果确认刀闸状态不准确的问题，提高检测准确性。
2、本专利技术第一方面提供了一种刀闸状态的检测方法，包括：获取目标刀闸对应的初始刀闸图像，判断所述初始刀闸图像的亮度是否小于亮度阈值，所述亮度阈值为白天标准亮度值；若是，则将所述初始刀闸图像输入训练好的风格迁移模型，生成目标刀闸图像，所述目标刀闸图像与所述初始刀闸图像的图像相似度大于相似度阈值，所述目标刀闸图像的亮度大于所述初始刀闸图像的亮度，所述风格迁移模型为风格迁移模型；调用训练好的低亮度图像识别模型对所述初始刀闸图像进行检测，得到第一
3、本专利技术第二方面提供了一种刀闸状态的检测装置，包括：获取判断模块，用于获取目标刀闸对应的初始刀闸图像，判断所述初始刀闸图像的亮度是否小于亮度阈值，所述亮度阈值为白天标准亮度值；生成模块，用于若是，则将所述初始刀闸图像输入训练好的风格迁移模型，生成目标刀闸图像，所述目标刀闸图像与所述初始刀闸图像的图像相似度大于相似度阈值，所述目标刀闸图像的亮度大于所述初始刀闸图像的亮度，所述风格迁移模型为风格迁移模型；第一检测模块，用于调用训练好的低亮度图像识别模型对所述初始刀闸图像进行检测，得到第一检测结果，所述第一检测结果包括所述初始刀闸图像对应的三种刀闸状态和每种刀闸状态对应的概率；第二检测模块，用于调用训练好的高亮度图像识别模型对所述目标刀闸图像进行检测，得到第二检测结果，所述第二检测结果包括所述目标刀闸图像对应的三种刀闸状态和每种刀闸状态对应的概率；确定模块，用于根据所述第一检测结果和所述第二检测结果中刀闸状态的概率确定所述目标刀闸的状态。
4、本专利技术第三方面提供了一种刀闸状态的检测设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述刀闸状态的检测设备执行上述的刀闸状态的检测方法。
5、本专利技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的刀闸状态的检测方法。
6、本专利技术提供的技术方案中,获取目标刀闸对应的初始刀闸图像，判断所述初始刀闸图像的亮度是否小于亮度阈值，若是，则将所述初始刀闸图像输入训练好的风格迁移模型，生成目标刀闸图像，所述目标刀闸图像与所述初始刀闸图像的图像相似度大于相似度阈值，所述目标刀闸图像的亮度大于所述初始刀闸图像的亮度，调用训练好的低亮度图像识别模型对所述初始刀闸图像进行检测，得到第一检测结果，所述第一检测结果包括所述初始刀闸图像对应的三种刀闸状态和每种刀闸状态对应的概率，调用训练好的高亮度图像识别模型对所述目标刀闸图像进行检测，得到第二检测结果，所述第二检测结果包括所述目标刀闸图像对应的三种刀闸状态和每种刀闸状态对应的概率，根据所述第一检测结果和所述第二检测结果中刀闸状态的概率确定所述目标刀闸的状态。本专利技术实施例中，当初始刀闸图像的亮度低于亮度阈值时，通过风格迁移模型生成与初始刀闸图像相似度高且亮度高于初始刀闸图像的目标刀闸图像，初始刀闸图像亮度较低，低亮度图像识别模型可能无法从初始刀闸图像中识别完整的刀闸特征，导致检测结果不正确，目标刀闸图像虽然亮度较高且与初始刀闸图像相似，但与初始刀闸图像还是可能存在差异，高亮度图像识别模型从目标刀闸图像中识别的刀闸特征可能与初始刀闸图像中的刀闸特征不同，导致检测结果不正确，因此，结合初始刀闸图像和目标刀闸图像的检测结果共同确定刀闸的状态，实现双重确认，提高检测准确性。
本文档来自技高网...【技术保护点】
1.一种刀闸状态的检测方法，其特征在于，所述刀闸状态的检测方法包括：
2.根据权利要求1所述的刀闸状态的检测方法，其特征在于，所述调用训练好的低亮度图像识别模型对所述初始刀闸图像进行检测，得到第一检测结果，包括：
3.根据权利要求1所述的刀闸状态的检测方法，其特征在于，所述调用训练好的高亮度图像识别模型对所述目标刀闸图像进行检测，得到第二检测结果，包括：
4.根据权利要求1所述的刀闸状态的检测方法，其特征在于，所述根据所述第一检测结果和所述第二检测结果中刀闸状态的概率确定所述目标刀闸的状态，包括：
5.根据权利要求4所述的刀闸状态的检测方法，其特征在于，所述根据所述第一概率、所述第一状态、所述第二概率和所述第二状态确定所述目标刀闸的状态，包括：
6.根据权利要求1所述的刀闸状态的检测方法，其特征在于，所述根据所述第一检测结果和所述第二检测结果中刀闸状态的概率确定所述目标刀闸的状态，还包括：
7.根据权利要求6所述的刀闸状态的检测方法，其特征在于，所述将所述目标概率对应的刀闸状态确定为所述目标刀闸的状态，包括：
8.根据权利要求1所述的刀闸状态的检测方法，其特征在于，在所述获取目标刀闸对应的初始刀闸图像，判断所述初始刀闸图像的亮度是否小于亮度阈值之后，还包括：
9.根据权利要求1-8中任一项所述的刀闸状态的检测方法，其特征在于，在所述获取目标刀闸对应的初始刀闸图像之前，还包括：
10.根据权利要求9所述的刀闸状态的检测方法，其特征在于，所述对预设的风格迁移模型、预设的低亮度图像识别模型和预设的高亮度图像识别模型进行训练，得到训练好的风格迁移模型、训练好的低亮度图像识别模型和训练好的高亮度图像识别模型，包括：
11.根据权利要求10所述的刀闸状态的检测方法，其特征在于，所述从所述第一白天刀闸图像训练集、所述第一夜晚刀闸图像训练集和所述第二夜晚刀闸图像训练集中选取样本，根据选取的样本对预设的低亮度图像识别模型进行训练，得到训练好的低亮度图像识别模型，包括：
12.根据权利要求10所述的刀闸状态的检测方法，其特征在于，所述从所述第一白天刀闸图像训练集、所述第二白天刀闸图像训练集和所述第一夜晚刀闸图像训练集中选取样本，根据选取的样本对预设的高亮度图像识别模型进行训练，得到训练好的高亮度图像识别模型，包括：
13.一种刀闸状态的检测装置，其特征在于，所述刀闸状态的检测装置包括：
14.一种刀闸状态的检测设备，其特征在于，所述刀闸状态的检测设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
15.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-12中任一项所述刀闸状态的检测方法。
...【技术特征摘要】
1.一种刀闸状态的检测方法，其特征在于，所述刀闸状态的检测方法包括：
2.根据权利要求1所述的刀闸状态的检测方法，其特征在于，所述调用训练好的低亮度图像识别模型对所述初始刀闸图像进行检测，得到第一检测结果，包括：
3.根据权利要求1所述的刀闸状态的检测方法，其特征在于，所述调用训练好的高亮度图像识别模型对所述目标刀闸图像进行检测，得到第二检测结果，包括：
4.根据权利要求1所述的刀闸状态的检测方法，其特征在于，所述根据所述第一检测结果和所述第二检测结果中刀闸状态的概率确定所述目标刀闸的状态，包括：
5.根据权利要求4所述的刀闸状态的检测方法，其特征在于，所述根据所述第一概率、所述第一状态、所述第二概率和所述第二状态确定所述目标刀闸的状态，包括：
6.根据权利要求1所述的刀闸状态的检测方法，其特征在于，所述根据所述第一检测结果和所述第二检测结果中刀闸状态的概率确定所述目标刀闸的状态，还包括：
7.根据权利要求6所述的刀闸状态的检测方法，其特征在于，所述将所述目标概率对应的刀闸状态确定为所述目标刀闸的状态，包括：
8.根据权利要求1所述的刀闸状态的检测方法，其特征在于，在所述获取目标刀闸对应的初始刀闸图像，判断所述初始刀闸图像的亮度是否小于亮度阈值之后，还包括：
9.根据权利要求1-8中任一项所述的刀闸状态的检测...
【专利技术属性】
技术研发人员：林端儿，方嘉聪，袁晖，朱红岷，吴楚慰，肖少剑，
申请(专利权)人：珠海优特电力科技股份有限公司，
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。