[發(fā)明專利]基于深度學(xué)習(xí)的變電站設(shè)備檢測(cè)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202010006629.2
• 申請(qǐng)日: 2020-01-03
• 公開(kāi)（公告）號(hào): CN111209958A
• 公開(kāi)（公告）日: 2020-05-29
• 發(fā)明（設(shè)計(jì)）人: 劉介瑋;許愛(ài)東;李燁陽(yáng);徐傳懋
• 申請(qǐng)（專利權(quán)）人: 南方電網(wǎng)科學(xué)研究院有限責(zé)任公司;中國(guó)南方電網(wǎng)有限責(zé)任公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 郭帥

本發(fā)明公開(kāi)了基于深度學(xué)習(xí)的變電站設(shè)備檢測(cè)方法及裝置，其方法包括以下步驟：采集包含變電站設(shè)備的物理分合閘位置的多幅圖像，對(duì)圖像進(jìn)行標(biāo)注并預(yù)處理，制作成標(biāo)準(zhǔn)數(shù)據(jù)集，將所述數(shù)據(jù)集按比例劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；利用py faster rcnn深度卷積網(wǎng)絡(luò)訓(xùn)練變電站設(shè)備檢測(cè)神經(jīng)網(wǎng)絡(luò)模型，利用訓(xùn)練好的網(wǎng)絡(luò)模型進(jìn)行測(cè)試，得到變電站設(shè)備的設(shè)備類別和物理分合閘位置識(shí)別結(jié)果。本發(fā)明提供的基于深度學(xué)習(xí)的變電站設(shè)備檢測(cè)方法及裝置，能對(duì)變電站設(shè)備類別及物理分合閘狀態(tài)進(jìn)行高效自動(dòng)檢測(cè)，識(shí)別結(jié)果準(zhǔn)確率高，實(shí)用性和可操作性強(qiáng)。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，尤其是涉及基于深度學(xué)習(xí)的變電站設(shè)備檢測(cè)方法及裝置。

背景技術(shù)

在變電站中，設(shè)備狀態(tài)是變電運(yùn)行人員日常工作中重點(diǎn)關(guān)注的內(nèi)容之一，其與整個(gè)電網(wǎng)乃至電力系統(tǒng)的安全穩(wěn)定運(yùn)行密切相關(guān)。變電站一次設(shè)備作為承載高電壓、允許大電流通過(guò)的物理載體，其物理分合閘位置是反映帶電一次設(shè)備的連接部分工作情況的直接依據(jù)，主要包括戶外隔離開(kāi)關(guān)及其附屬接地刀閘的合上及斷開(kāi)位置。

在以往的運(yùn)行工作中，變電運(yùn)行人員主要通過(guò)后臺(tái)監(jiān)控系統(tǒng)檢查現(xiàn)場(chǎng)設(shè)備經(jīng)過(guò)二次回路輔助節(jié)點(diǎn)上傳的位置信號(hào)來(lái)判斷物理分合閘位置，并人工到達(dá)設(shè)備現(xiàn)場(chǎng)進(jìn)行再次核對(duì)，但在多數(shù)情況下對(duì)象設(shè)備可能與工作人員有較遠(yuǎn)距離，到場(chǎng)人工觀察費(fèi)時(shí)費(fèi)力，在特殊全站操作任務(wù)或者復(fù)雜操作任務(wù)情況下時(shí)，需要對(duì)每一項(xiàng)操作都進(jìn)行完現(xiàn)場(chǎng)人工核對(duì)后才能進(jìn)入下一項(xiàng)操作，極為不便，需消耗大量時(shí)間及人力物力。

隨著變電站智能巡檢及定點(diǎn)監(jiān)測(cè)等智能設(shè)備的應(yīng)用及普及，通過(guò)圖像來(lái)判斷設(shè)備物理分合閘的場(chǎng)景不斷增多，而將越來(lái)越多的巡檢圖像數(shù)據(jù)通過(guò)人工進(jìn)行識(shí)別分析，將費(fèi)時(shí)費(fèi)力效率低下。如果使用機(jī)器進(jìn)行自動(dòng)分析，傳統(tǒng)的方法是利用固定安裝的攝像頭或者使用移動(dòng)巡檢機(jī)器人，但需要人工預(yù)先對(duì)每一個(gè)刀閘都錄入特定點(diǎn)位、鏡頭仰角并標(biāo)記設(shè)備合閘位置連線等信息，再采用對(duì)比的方式進(jìn)行判斷設(shè)備的物理位置是否處在合位。

傳統(tǒng)的比較判別方式，需要對(duì)每一臺(tái)設(shè)備提前錄入特定點(diǎn)位，工作量大耗時(shí)長(zhǎng)，并且只有當(dāng)巡檢設(shè)備行駛到錄入的特定點(diǎn)位時(shí)才能識(shí)別正確。采用傳統(tǒng)的圖像處理特征分析算法如SIFT、HOG等，較難提取變電設(shè)備圖像中不規(guī)則形狀的圖像特征，應(yīng)用傳統(tǒng)的圖像處理技術(shù)識(shí)別變電設(shè)備物理分合閘位置往往任務(wù)單一，識(shí)別的準(zhǔn)確率不高，實(shí)用性不強(qiáng)。

發(fā)明內(nèi)容

本發(fā)明提供了基于深度學(xué)習(xí)的變電站設(shè)備檢測(cè)方法及裝置，解決了應(yīng)用傳統(tǒng)的圖像處理技術(shù)識(shí)別變電站物理分合閘位置，存在工作量大耗時(shí)長(zhǎng)，識(shí)別的準(zhǔn)確率不高、實(shí)用性不強(qiáng)的技術(shù)問(wèn)題。

為解決上述技術(shù)問(wèn)題，本發(fā)明的技術(shù)方案為：

基于深度學(xué)習(xí)的變電站設(shè)備檢測(cè)方法，包括以下步驟：

S1：采集包含變電站設(shè)備的物理分合閘位置的多幅圖像，對(duì)所述圖像的設(shè)備類別與分合閘位置標(biāo)注不同標(biāo)簽的目標(biāo)框，將標(biāo)注好的所述圖像進(jìn)行統(tǒng)一裁剪、預(yù)處理，以制作成標(biāo)準(zhǔn)數(shù)據(jù)集，將所述數(shù)據(jù)集按比例劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集；

S2：加載訓(xùn)練集與預(yù)訓(xùn)練的模型參數(shù)到變電站設(shè)備檢測(cè)神經(jīng)網(wǎng)絡(luò)模型中，利用基于深度學(xué)習(xí)的py faster rcnn深度卷積網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以獲得訓(xùn)練后的所述變電站設(shè)備檢測(cè)神經(jīng)網(wǎng)絡(luò)模型；

S3：利用所述驗(yàn)證集對(duì)訓(xùn)練后的所述變電站設(shè)備檢測(cè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行驗(yàn)證，根據(jù)驗(yàn)證結(jié)果對(duì)所述變電站設(shè)備檢測(cè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行迭代優(yōu)化，得到最終的所述變電站設(shè)備檢測(cè)神經(jīng)網(wǎng)絡(luò)模型；

S4：利用所述測(cè)試集對(duì)所述變電站設(shè)備檢測(cè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測(cè)試，得到變電站設(shè)備的設(shè)備類別和物理分合閘位置識(shí)別結(jié)果。

進(jìn)一步地，步驟S2中利用基于深度學(xué)習(xí)的py faster rcnn深度卷積網(wǎng)絡(luò)進(jìn)行訓(xùn)練具體包括：在訓(xùn)練過(guò)程中根據(jù)訓(xùn)練結(jié)果對(duì)所述變電站設(shè)備檢測(cè)神經(jīng)網(wǎng)絡(luò)模型的參數(shù)進(jìn)行優(yōu)化，不斷改進(jìn)所述變電站設(shè)備檢測(cè)神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)。

進(jìn)一步地，步驟S2具體包括：