[發(fā)明專利]一種牽引變電所內(nèi)隔離開關(guān)狀態(tài)識(shí)別方法

有效

• 申請?zhí)枺?/td>: 202011237345.0
• 申請日: 2020-11-09
• 公開（公告）號(hào): CN112329863B
• 公開（公告）日: 2022-04-22
• 發(fā)明（設(shè)計(jì)）人: 權(quán)偉;盧學(xué)民;馮寬;向夢;陳錦雄
• 申請（專利權(quán)）人: 西南交通大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06V10/774;G06V10/26;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 成都點(diǎn)睛專利代理事務(wù)所(普通合伙) 51232
• 代理人: 葛啟函

本發(fā)明提供一種牽引變電所內(nèi)隔離開關(guān)狀態(tài)識(shí)別方法，涉及鐵路牽引變電所智能監(jiān)測技術(shù)領(lǐng)域。該方法通過構(gòu)建多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行隔離開關(guān)分割和狀態(tài)識(shí)別，主要由兩個(gè)階段構(gòu)成，第一階段隔離開關(guān)分割網(wǎng)絡(luò)包含輸入層、編碼層、解碼層、特征融合模塊和輸出層，其中解碼層和特征融合模塊中的條形池化模塊和金字塔池化模塊能夠有效提取隔離開關(guān)的旋轉(zhuǎn)閘刀和其他不規(guī)則形狀的特征，并準(zhǔn)確分割隔離開關(guān)；第二階段隔離開關(guān)識(shí)別網(wǎng)絡(luò)包含輸入層、特征提取層、全連接層和輸出層，其中特征提取層的全局上下文模塊能夠有效提取隔離開關(guān)圖像的全局上下文信息，從而準(zhǔn)確識(shí)別“開”、“半開”、“閉”隔離開關(guān)的三種狀態(tài)。

技術(shù)領(lǐng)域

本發(fā)明涉及鐵路牽引變電所智能監(jiān)測技術(shù)領(lǐng)域。

背景技術(shù)

隔離開關(guān)作為電網(wǎng)系統(tǒng)中使用最廣泛，安裝量最大的設(shè)備，其運(yùn)行狀態(tài)是決定變電站能否安全運(yùn)行的關(guān)鍵因素之一。隔離開關(guān)一旦發(fā)生故障,將會(huì)造成嚴(yán)重的故障和經(jīng)濟(jì)損失。因此，在巡檢的過程中,隔離開關(guān)是否正常工作是重要的檢查任務(wù)。傳統(tǒng)的電力巡檢方法主要靠人工巡檢，該方式耗費(fèi)時(shí)力、巡檢周期長、且易受到巡檢人員主觀判斷等影響。尋找一種可減少人力資源，方便高效率的隔離開關(guān)狀態(tài)識(shí)別方法便具有重大的意義。無人機(jī)與高清攝像頭的出現(xiàn)，使得拍攝隔離開關(guān)圖像代替原始的目視檢查成為可能。通過智能設(shè)備進(jìn)行巡檢的方式相較于傳統(tǒng)的方式具有安全性高、便于實(shí)施、效率高等優(yōu)點(diǎn)，使用攝像設(shè)備拍攝隔離開關(guān)的圖像，進(jìn)行分析和處理，提高了數(shù)據(jù)的利用效率，為整個(gè)智能化系統(tǒng)的實(shí)現(xiàn)提供了數(shù)據(jù)支撐，同時(shí)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的發(fā)展，使得計(jì)算機(jī)視覺技術(shù)方法突飛猛進(jìn)，無論是實(shí)現(xiàn)速度還是準(zhǔn)確度都得到了極大的提升，為整個(gè)智能化系統(tǒng)的實(shí)現(xiàn)提供了技術(shù)支撐。因此，利用目前先進(jìn)的計(jì)算機(jī)視覺技術(shù)對隔離開關(guān)的狀態(tài)進(jìn)行識(shí)別是變電站智能化的重要一步，具有重大的意義。2007年，石延輝等通過提取高壓隔離開關(guān)的具體圖像特征，實(shí)現(xiàn)了局部邊緣檢測算法。2012年，陳安偉等利用SIFT和Hough變換對隔離開關(guān)的位置信息和狀態(tài)信息進(jìn)行建模，實(shí)現(xiàn)自動(dòng)識(shí)別。2016年，邵劍雄等提取了Lab顏色特征、輪廓特征和方向梯度直方圖(HOG)，并應(yīng)用霍夫森林訓(xùn)練狀態(tài)識(shí)別模型來識(shí)別隔離開關(guān)狀態(tài)。2017年，Wang J.等提出了一種基于經(jīng)典機(jī)器學(xué)習(xí)的刀閘位置檢測與跟蹤的隔離開關(guān)識(shí)別方法，提取了SIFT和輪廓特征，并利用開關(guān)兩臂之間的距離來確定隔離開關(guān)的“開”或“關(guān)”狀態(tài)。

然而，使用手動(dòng)的特征學(xué)習(xí)很難確保準(zhǔn)確性、健壯性和靈活性。特別是，手動(dòng)提取的特征必須與SVM和隨機(jī)森林等分類器結(jié)合使用。如HOG對目標(biāo)或背景的任意變化非常敏感，而SIFT特征對于平滑邊緣幾乎沒有效果，當(dāng)目標(biāo)不夠清晰時(shí)，HOG特征的檢測率下降。因此，上述傳統(tǒng)方法需要改進(jìn)。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種牽引變電所內(nèi)隔離開關(guān)狀態(tài)識(shí)別方法，它能有效地解決隔離開關(guān)狀態(tài)識(shí)別確保準(zhǔn)確性、健壯性和靈活性的技術(shù)問題。

本發(fā)明的目的是通過以下技術(shù)方案來實(shí)現(xiàn)的：一種牽引變電所內(nèi)隔離開關(guān)狀態(tài)識(shí)別方法，包括如下步驟：

步驟一、獲取與制作隔離開關(guān)數(shù)據(jù)集

隔離開關(guān)數(shù)據(jù)集的獲取:首先，將牽引變電所內(nèi)桿塔搭載的監(jiān)控?cái)z像頭拍攝的圖像構(gòu)成圖像庫，共10000張，圖像尺寸大小為1920×1080×3像素，對這些源圖像進(jìn)行尺度歸一化處理，處理后的圖像統(tǒng)一為256×256×3像素大小；然后是隔離開關(guān)數(shù)據(jù)集的制作，制作分為兩個(gè)部分，其一是隔離開關(guān)真實(shí)標(biāo)簽分割圖的標(biāo)注任務(wù)，使用LabelMe標(biāo)注出圖像中的隔離開關(guān)區(qū)域，得到隔離開關(guān)的真實(shí)標(biāo)簽分割圖；另一個(gè)是隔離開關(guān)狀態(tài)標(biāo)注任務(wù)，對所有圖像分別標(biāo)注為“開”、“半開”、“閉”三種狀態(tài)，所有圖像及其標(biāo)注結(jié)果共同構(gòu)成隔離開關(guān)數(shù)據(jù)集；

步驟二、多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)構(gòu)建

該多任務(wù)學(xué)習(xí)網(wǎng)絡(luò)由第一階段的隔離開關(guān)分割網(wǎng)絡(luò)與第二階段的隔離開關(guān)狀態(tài)識(shí)別網(wǎng)絡(luò)構(gòu)成，其中，隔離開關(guān)分割網(wǎng)絡(luò)實(shí)現(xiàn)隔離開關(guān)的精確分割，隔離開關(guān)狀態(tài)識(shí)別網(wǎng)絡(luò)實(shí)現(xiàn)隔離開關(guān)的狀態(tài)識(shí)別；