[發明專利]一種牽引變電所異常檢測方法

有效

• 申請號: 202111494822.6
• 申請日: 2021-12-08
• 公開（公告）號: CN114140731B
• 公開（公告）日: 2023-04-25
• 發明（設計）人: 權偉;林國松;高仕斌;劉曉紅;趙海全;趙麗平
• 申請（專利權）人: 西南交通大學
• 主分類號: G06V20/40
• 分類號: G06V20/40;G06V10/48;G06V10/764;G06V10/762;G06V10/774;G06N5/046
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 葛啟函

本發明提供了一種牽引變電所異常檢測方法，包括首先建立異常檢測數據集，并計算該數據集的背景條件聚類，通過構建一個距離特征提取模型對輸入圖像進行深度特征內距離信息提取，然后構建一個異常檢測模型，并使用距離特征對該檢測模型進行訓練，模型的輸出為輸入圖像對應的異常得分圖，最后對該得分圖進行二值化和統計分析獲得異常檢測結果，包括是否出現異常和異常出現的位置，同時通過對檢測模型進行在線更新，使其能夠適應變電所環境變化。基于本發明的技術方案，能夠有效滿足牽引變電所異常檢測的需要。

技術領域

本發明涉及智能視覺與智能系統技術領域，特別地涉及一種牽引變電所異常檢測方法。

背景技術

牽引變電所作為高鐵牽引供電系統的關鍵供電設施，主要承擔將電力系統電能變換供給高鐵動車組的任務，其運行安全問題變得日益突出。發生在牽引變電所內的異常具有偶然性和不確定性，如果不能及時發現這些異常并采取相應措施，將對變電所的運行安全造成很大的威脅，甚至引起很大的安全事故。而引起牽引變電所異常的原因可能是由于設備、環境和人為等因素導致，如果在這些變電所異常或者事件造成事故之前，能夠及時得以發現，則可以在第一時間采取相應的處置措施，盡可能地避免事故的發生或在最大程度上減少事故造成的影響，而這些異常都可以通過基于視覺檢測的方法進行直接、有效、及時地發現。然而目前牽引變電所輔助監控系統仍不成熟，對牽引變電所異常檢測的研究還處于探索階段，還難以為牽引變電所綜合自動化系統和管理決策提供有效的支撐。根據牽引供電系統的建設要求，牽引變電所需沿鐵路線路設立，所處環境往往較為復雜，造成異常的因素和出現的異常類型多樣，同時異常的發生存在很大的不確定性和未知性，這包括異常出現的時間、位置與范圍和異常類型的不確定性和未知性，同時有些異常還需要持續性的分析才能確定是否出現異常或者出現何種異常。現有的異常檢測方法大都需要事先確定異常類型及其大量標注的數據對模型進行訓練才能發揮其檢測能力，這與變電所的實際情況存在前提假設的矛盾，并且還難以處理變電所異常存在的復雜性。

鑒于此，本發明提出一種牽引變電所異常檢測方法，它能夠有效滿足牽引變電所異常檢測的需要。

發明內容

針對上述現有技術中的問題，本申請提出了一種牽引變電所異常檢測方法，其特征在于，包括如下步驟：

步驟S1、構建異常檢測數據集，對基礎數據集進行背景條件聚類；

步驟S2、構建距離特征提取模型；

步驟S3、構建異常檢測網絡模型；

步驟S4、采用構建的數據集對異常檢測網絡模型進行訓練；

步驟S5、采集視頻圖像作為圖像輸入，如果輸入圖像為空，則整個流程中止；

步驟S6、提取距離特征；

步驟S7、檢測異常發生的位置；

步驟S8、每隔β幀輸入圖像對異常檢測網絡模型進行在線更新，跳轉到步驟S5。

優選地，所述步驟S1還包括：提取來自牽引變電所視頻監控系統的視頻圖像數據，對這些圖像數據進行數據增強操作，包括平移、旋轉、縮放、改變亮度，然后對得到的圖像數據進行清洗、篩選獲得基礎數據集；對基礎數據集中包含異常的圖像進行異常標注，即將異常部分對應位置的標注圖像像素值標為1，正常部分標為0，進而得到標注數據集；基礎數據集與標注數據集共同構成異常檢測數據集。

優選地，所述步驟S1還包括：對基礎數據集進行背景條件聚類，計算基礎數據集中每個圖像的亮度均值，然后基于該亮度均值采用K-means算法對基礎數據集進行聚類計算，獲得K個背景條件聚類中心。

優選地，所述步驟S2還包括：所述距離特征提取模型包含深度特征提取網絡和距離矩陣輸出層；

所述深度特征提取網絡采用DenseNet網絡，將所述DenseNet網絡的Block4模塊的輸出作為所提取的深度特征；