[發明專利]一種基于卷積神經網絡的變電站指針式儀表的識別方法

有效

• 申請號: 201911143610.6
• 申請日: 2019-11-20
• 公開（公告）號: CN110929723B
• 公開（公告）日: 2022-12-02
• 發明（設計）人: 范衠;安康;姜濤;邱本章;朱貴杰;卞新超;孫福贊
• 申請（專利權）人: 汕頭大學
• 主分類號: G06V30/146
• 分類號: G06V30/146;G06V30/148;G06V10/26;G06V10/82;G06N3/04
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

本發明公開了一種基于卷積神經網絡的變電站指針式儀表的識別方法，包括：采集變電站指針式儀表圖像，并建立由儀表圖像組成的儀表圖像庫；利用儀表圖像庫訓練一個用于定位指針式儀表區域的卷積神經網絡，并確定卷積神經網絡中的學習參數；利用所述儀表數據庫訓練一個用于儀表種類識別的卷積神經網絡，并確定卷積神經網絡中的學習參數；利用訓練好的用于定位儀表區域的卷積神經網絡定位儀表圖像庫中儀表圖像的區域；利用訓練好的用于儀表種類識別的卷積神經網絡識別裁剪得到的儀表區域圖像，輸出儀表檢測的結果；然后根據檢測結果，不同類型的儀表采用相應的方法進行讀數。

技術領域

本發明涉及圖像處理及模式識別領域，更具體地，涉及一種基于卷積神經網絡的變電站指針式儀表的識別方法。

背景技術

目前南方大多電廠所處氣候屬于亞熱帶季風型海洋性氣候區，大氣中富含氮氧化物等強腐蝕性離子，即電廠所處的環境較差且各設備之間存在一定的配合邏輯，一旦某種設備出現運行故障，便可能會出現整個系統的停運，從而影響全廠的安全、高效運作，關系重大。因此電廠多用指針式儀表來反應設備工作狀態。在這種情況下，需要人為的對廠內各種儀表進行定時的巡檢和記錄。但是，人力巡檢主要具有以下兩種缺點：1.電廠內環境復雜，儀表種類數目繁多，人力巡檢往往費時費力且容易誤判，而且還有安全隱患；2.傳統指針式儀表識別方法存在很大的局限性，需要穩定的環境才能進行識別，且準確度不高。

發明內容

本發明提供一種基于卷積神經網絡的變電站指針式儀表的識別方法，幫助提高電廠指針式儀表的巡檢效率。

為解決上述技術問題，本發明的技術方案如下：

一種基于卷積神經網絡的變電站指針式儀表的識別方法，包括以下步驟：

S1：獲取包括變電站指針式儀表的圖像，建立儀表圖像庫；

S2：利用步驟S1中的儀表圖像庫訓練第一卷積神經網絡和第二卷積神經網絡，所述第一卷積神經網絡用于定位指針式儀表區域，所述第二卷積神經網絡用于識別指針式儀表種類；

S3：利用訓練好的第一卷積神經網絡定位儀表圖像中儀表所處的儀表區；

S4：利用訓練好的第二卷積神經網絡識別儀表種類，輸出儀表識別的結果；

S5：根據S4識別結果，不同類型的儀表采用相應的方法進行讀數。

優選地，步驟S3后，步驟S4前，還對S3得到的儀表區進行裁剪。

優選地，步驟S1中獲取的包括變電站指針式儀表的圖像包括量程為0-70A的指針式圓形電流表、0-1A的指針式圓形電力表、0-20A的指針式方式電流表。

優選地，步驟S2中訓練第一卷積神經網絡中包括對第一卷積神經網絡的參數學習，通過不斷降低損失函數的函數值來學習得到第一卷積神經網絡的參數，其中，第一卷積神經網絡的損失函數L({p_i}，{t_i})為：

式中，i表示第一卷積神經網絡中第i個錨點，p_i為第i個錨點為儀表區域的預測概率，如果錨點為正則標簽的真實值為1，錨點為負則為0，當為1時，回歸損失函數L_reg被激活；t_i為包含儀表區的定位框四個頂點坐標參數的向量，為定位框的真實值；L_cls為兩個類包括目標以及非目標的log損失函數；L_reg表示定位框的回歸損失函數，取為其中R為1范數損失函數；N_CLS＝256，為cls項的歸一化值；N_reg～2400(40*60)，為定位框的數量；λ＝10，為平衡因子。