[發(fā)明專利]一種避雷器儀表實時識別方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110698635.3
• 申請日: 2021-06-23
• 公開（公告）號: CN113435300B
• 公開（公告）日: 2022-10-14
• 發(fā)明（設(shè)計）人: 張傳友;李健;孫志周;慈文斌;解曉東;劉明林;李冬松;翟朝兵;趙亞博;王震;邵光亭;王亞菲;鄧燕
• 申請（專利權(quán)）人: 國網(wǎng)智能科技股份有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 濟(jì)南圣達(dá)知識產(chǎn)權(quán)代理有限公司 37221
• 代理人: 李圣梅

本公開提出了基于機(jī)器學(xué)習(xí)的實時避雷器儀表檢測識別方法及系統(tǒng)，包括：采用數(shù)據(jù)增強(qiáng)的方式擴(kuò)充避雷器儀表樣本圖像庫；對擴(kuò)充的樣本數(shù)據(jù)，采用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練獲得訓(xùn)練權(quán)重文件；基于生成的訓(xùn)練權(quán)重文件定位避雷器表盤在圖像中位置，采用圖像處理技術(shù)確定表盤位置ROI；對生成的ROI采用方向圖濾波獲得表盤刻度，根據(jù)表盤刻度計算候補(bǔ)表針隊列確定表針位置；根據(jù)表針位置獲得最后的表計角度值，進(jìn)一步獲得刻度值，得到訓(xùn)練后的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型；輸入待測圖像，利用訓(xùn)練后的深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型檢測橢圓及刻度，最后檢測指針位置給出儀表的讀數(shù)。

技術(shù)領(lǐng)域

本公開屬于避雷器儀表識別技術(shù)領(lǐng)域，尤其涉及基于機(jī)器學(xué)習(xí)的實時避雷器儀表檢測識別方法及系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本公開相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

避雷器儀表廣泛應(yīng)用在各個領(lǐng)域，在避雷器儀表的識別監(jiān)測上若采用人工監(jiān)測，則存在需要耗費(fèi)大量的人力及物力，且數(shù)據(jù)讀取存在較大的誤差。

隨著巡檢機(jī)器人的迅速發(fā)展，在巡檢機(jī)器人上安裝圖像采集設(shè)備，利用圖像采集設(shè)備采集避雷器儀表的表盤圖像，變電站避雷器儀表大多呈現(xiàn)表針細(xì)、與背景區(qū)分不明顯的特點(diǎn)，由于室外環(huán)境復(fù)雜，采集的儀表存在形變、表針形態(tài)多樣、遮擋、倒影等現(xiàn)狀時，無法準(zhǔn)確的實現(xiàn)儀表的讀數(shù)。

發(fā)明內(nèi)容

為克服上述現(xiàn)有技術(shù)的不足，本公開提供了基于機(jī)器學(xué)習(xí)的實時避雷器儀表檢測識別方法，解決了儀表的形變、表針形態(tài)多樣、遮擋、倒影等，能夠快速準(zhǔn)確的識別出儀表的讀數(shù)。

為實現(xiàn)上述目的，本公開的一個或多個實施例提供了如下技術(shù)方案：

第一方面，公開了基于機(jī)器學(xué)習(xí)的實時避雷器儀表檢測識別方法，包括：

采用數(shù)據(jù)增強(qiáng)的方式擴(kuò)充避雷器儀表樣本圖像庫；

對擴(kuò)充的樣本數(shù)據(jù)，采用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練獲得訓(xùn)練權(quán)重文件；

輸入待測圖像，利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型使用生成的訓(xùn)練權(quán)重文件定位避雷器表盤在圖像中位置，采用圖像處理技術(shù)確定表盤位置ROI，ROI指的是避雷器表盤在圖像中的矩形區(qū)域子圖；

對生成的ROI采用方向圖濾波獲得表盤刻度，根據(jù)表盤刻度計算候補(bǔ)表針隊列確定表針位置；

根據(jù)表針位置計算表計角度值，進(jìn)一步獲得刻度值給出儀表的讀數(shù)。

第二方面，公開了基于機(jī)器學(xué)習(xí)的實時避雷器儀表檢測識別系統(tǒng)，包括：

儀表圖像訓(xùn)練模塊，被配置為：采用數(shù)據(jù)增強(qiáng)的方式擴(kuò)充避雷器儀表樣本圖像庫；

對擴(kuò)充的樣本數(shù)據(jù)，采用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練獲得訓(xùn)練權(quán)重文件；

儀表圖像識別模塊，被配置為：輸入待測圖像，利用深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型使用生成的訓(xùn)練權(quán)重文件定位避雷器表盤在圖像中位置，采用圖像處理技術(shù)確定表盤位置ROI，ROI指的是避雷器表盤在圖像中的矩形區(qū)域子圖；

對生成的ROI采用方向圖濾波獲得表盤刻度，根據(jù)表盤刻度計算候補(bǔ)表針隊列確定表針位置；

根據(jù)表針位置計算表計角度值，進(jìn)一步獲得刻度值給出儀表的讀數(shù)。

進(jìn)一步的技術(shù)方案，擴(kuò)充避雷器儀表樣本圖像庫之前對獲取的避雷器儀表樣本圖像進(jìn)行標(biāo)定。

以上一個或多個技術(shù)方案存在以下有益效果：

本公開發(fā)明了一種避雷器儀表實時識別方法，設(shè)計了多尺度數(shù)據(jù)增強(qiáng)算法，使用卷積神經(jīng)網(wǎng)絡(luò)的方式定位避雷器儀表，把多個尺度下目標(biāo)設(shè)備隨機(jī)融合為一張大圖進(jìn)行訓(xùn)練，有效規(guī)避光線、陰影、鏡頭反光導(dǎo)致的表盤定位失敗的問題，提高了不同場景、不同角度、小目標(biāo)等識別的魯棒性。