【技术实现步骤摘要】
本申请涉及智能巡检领域，且更为具体地，涉及一种基于可见光图像识别技术的输变电设备巡检系统及方法。
技术介绍
1、输变电设备巡检是指对输电和变电设备进行的定期检查和监测，以确保设备的正常运行和安全。输变电设备的巡检可以及时发现设备潜在的问题和隐患，从而采取措施预防故障的发生，确保输变电设备的性能稳定，以提高整个供电系统的可靠性和稳定性。
2、但传统的输变电设备巡检通常依赖于人工巡检，需要人员实地走访、目视检查，耗费时间和人力成本高，并且人工巡检容易因为疏忽、疲劳等原因产生遗漏，难以实现实时对设备状态的全面监测，导致设备故障未能及时发现，从而影响电网安全运行，并带来一定的安全隐患。
3、因此，期望一种基于可见光图像识别技术的输变电设备巡检系统。
技术实现思路
1、为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于可见光图像识别技术的输变电设备巡检系统及方法，其通过由巡检无人机采集的输电设备的实时状态图像，并从后台数据库提取标注为状态正常的状态参考图像的集合，并利用基于深度学习的图像识别和分析算法来对所述实时状态图像和所述标注为状态正常的状态参考图像进行图像处理和分析，以根据所述实时状态图像和所述标注为状态正常的状态参考图像之间的语义相似度与预定阈值之间的比较来自动地判断所述输电设备是否存在状态异常。通过这样的方式，可以实现对输电设备状态的实时监测，并精准地判断输电设备是否存在状态异常，减少误判、漏检的可能性，同时降低了人力巡检成本，提高了巡检效率，
2、根据本申请的一个方面，提供了一种基于可见光图像识别技术的输变电设备巡检系统，其包括：
3、输电设备实时状态采集模块，用于获取由巡检无人机采集的输电设备的实时状态图像；
4、状态参考图像获取模块，用于从后台数据库提取标注为状态正常的状态参考图像的集合；
5、状态参考特征提取模块，用于对所述标注为状态正常的状态参考图像的集合中的各个状态参考图像进行图像特征提取以得到状态参考特征图的集合；
6、特征筛选模块，用于将所述状态参考特征图的集合中的各个状态参考特征图通过基于特征筛选网络的特征蒸馏器以得到蒸馏状态参考特征向量的集合；
7、特征联合聚类分析模块，用于将所述蒸馏状态参考特征向量的集合通过联合聚类分析网络以得到输电设备正常状态聚类表征特征矩阵；
8、输电设备实时状态特征提取模块，用于对所述实时状态图像进行图像特征提取以得到输电设备实时状态特征矩阵；
9、相似度计算模块，用于计算所述输电设备正常状态聚类表征特征矩阵和所述输电设备实时状态特征矩阵之间的哈希相似度；
10、输电设备异常判断模块，用于基于所述哈希相似度与预定阈值之间的比较，确定所述输电设备是否存在状态异常。
11、根据本申请的另一方面，提供了一种基于可见光图像识别技术的输变电设备巡检方法，其包括：
12、获取由巡检无人机采集的输电设备的实时状态图像；
13、从后台数据库提取标注为状态正常的状态参考图像的集合；
14、对所述标注为状态正常的状态参考图像的集合中的各个状态参考图像进行图像特征提取以得到状态参考特征图的集合；
15、将所述状态参考特征图的集合中的各个状态参考特征图通过基于特征筛选网络的特征蒸馏器以得到蒸馏状态参考特征向量的集合；
16、将所述蒸馏状态参考特征向量的集合通过联合聚类分析网络以得到输电设备正常状态聚类表征特征矩阵；
17、对所述实时状态图像进行图像特征提取以得到输电设备实时状态特征矩阵；
18、计算所述输电设备正常状态聚类表征特征矩阵和所述输电设备实时状态特征矩阵之间的哈希相似度；
19、基于所述哈希相似度与预定阈值之间的比较，确定所述输电设备是否存在状态异常。
20、与现有技术相比，本申请提供的一种基于可见光图像识别技术的输变电设备巡检系统及方法，其通过由巡检无人机采集的输电设备的实时状态图像，并从后台数据库提取标注为状态正常的状态参考图像的集合，并利用基于深度学习的图像识别和分析算法来对所述实时状态图像和所述标注为状态正常的状态参考图像进行图像处理和分析，以根据所述实时状态图像和所述标注为状态正常的状态参考图像之间的语义相似度与预定阈值之间的比较来自动地判断所述输电设备是否存在状态异常。通过这样的方式，可以实现对输电设备状态的实时监测，并精准地判断输电设备是否存在状态异常，减少误判、漏检的可能性，同时降低了人力巡检成本，提高了巡检效率，提升了电网运行的安全性和可靠性。
本文档来自技高网...【技术保护点】
1.一种基于可见光图像识别技术的输变电设备巡检系统，其特征在于，包括：
2.根据权利要求1所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述状态参考特征提取模块，用于：将所述标注为状态正常的状态参考图像的集合中的各个状态参考图像通过基于卷积神经网络模型的图像特征提取器以得到所述状态参考特征图的集合。
3.根据权利要求2所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述特征筛选模块，用于：使用所述基于特征筛选网络的特征蒸馏器以如下特征筛选公式对所述状态参考特征图的集合中的每个状态参考特征图进行处理以得到所述蒸馏状态参考特征向量的集合；
4.根据权利要求3所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述特征联合聚类分析模块,包括：
5.根据权利要求4所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述矩阵构造单元,用于：构造所述蒸馏状态参考特征向量的集合的邻接矩阵，包括：以如下权重公式计算所述蒸馏状态参考特征向量的集合中各个蒸馏状态参考特征向量之间的关联权重值以得到所述邻接
6.根据权利要求5所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述输电设备实时状态特征提取模块，用于：将所述实时状态图像通过所述基于卷积神经网络模型的图像特征提取器以得到所述输电设备实时状态特征矩阵。
7.根据权利要求6所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，还包括用于：对所述基于卷积神经网络模型的图像特征提取器、所述基于特征筛选网络的特征蒸馏器和所述联合聚类分析网络进行训练的训练模块。
8.根据权利要求7所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述训练模块，包括：
9.根据权利要求8所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述特征优化单元，包括：
10.一种基于可见光图像识别技术的输变电设备巡检方法，其特征在于，包括：
...【技术特征摘要】
1.一种基于可见光图像识别技术的输变电设备巡检系统，其特征在于，包括：
2.根据权利要求1所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述状态参考特征提取模块，用于：将所述标注为状态正常的状态参考图像的集合中的各个状态参考图像通过基于卷积神经网络模型的图像特征提取器以得到所述状态参考特征图的集合。
3.根据权利要求2所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述特征筛选模块，用于：使用所述基于特征筛选网络的特征蒸馏器以如下特征筛选公式对所述状态参考特征图的集合中的每个状态参考特征图进行处理以得到所述蒸馏状态参考特征向量的集合；
4.根据权利要求3所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述特征联合聚类分析模块,包括：
5.根据权利要求4所述的基于可见光图像识别技术的输变电设备巡检系统，其特征在于，所述矩阵构造单元,用于：构造所述蒸馏状态参考特征向量的集合的邻接矩阵，包括...
【专利技术属性】
技术研发人员：张可，陆剑峰，李翔，郑奕，杨建旭，徐贺，侯仕杰，吴国元，吴国兵，
申请(专利权)人：安徽南瑞继远电网技术有限公司，
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。