[发明专利]一种基于AR技术的计量设备故障检测方法

说明书

本发明公开了一种基于AR技术的计量设备故障检测方法，该方法包括步骤：使用AR设备采集运维现场中的环境数据，由图像识别技术提取出设备型号，根据设备指示灯等信息进行智能视觉故障判别，然后进入专家库中对相关故障进行检索；如检索到相关数据，通过AR设备生成的设备模型，将排除故障的关键点叠加到现实场景中引导现场维护人员对故障进行排查。如遇依赖图像识别进行的初步判定无法确认的故障，使用语音（由语音识别引擎识别关键字后向专家库进行提交检索需求）向专家库进行知识检索。本发明应用于计量设备现场故障检测，降低对运维人员技术要求，提高运维工作效率。

技术领域

本发明属于低压运维技术领域，具体涉及一种基于AR技术的计量设备故障检测方法。

背景技术

随着智能电表及低压集抄等计量设备将实现全覆盖，低压集抄运维的任务非常艰巨，主要存在原有抄表运维人员技术水平和经验有局限、运维记录不便统计分析、运维工作全过程无法得到有效监管等问题，迫切需要通过新技术来提高计量设备的运维工作效率。

目前低压集抄终端表计规模巨大、种类多、更新快，传统运维需要人工现场巡检，通过现场查勘，了解故障现象，才可以提出检修方案。而检修过程采用纸质记录，数据关联性差，不易统计分析，加上专家数量有限，无法较好提供现场协助，不能及时消除设备隐患，运维成本较高。

发明内容

本发明要解决的技术问题是：提供一种基于AR技术的计量设备故障检测方法，以解决现有技术中存在的问题。

本发明采取的技术方案为：一种基于AR技术的计量设备故障检测方法，该方法包括以下步骤：

（1）离线构建图像识别引擎：采集5000张以上现场设备图像素材标记特征，使用YOLO算法训练计量设备图像识别模型；

（2）离线构建故障诊断专家知识库：根据电力设备运维作业的标准化及安全性要求，建立低压集抄计量终端SOP标准化知识库。具体的，知识库由多个知识库组成，每个子知识库是一颗知识树，通过对象类之间的语义联系和约束关系将知识对象组织成知识树；

（3）使用双目分体机AR眼镜采集计量设备图像数据、运维人员现场语音数据；

（4）上传步骤（3）中数据到web运维云服务器；

（5）采用ffmpeg解码程序将传到云服务器上的视频流分解成一张张图片，调用图像识别引擎，识别设备型号和设备指示灯；

（6）调用百度语音识别API，将语音转换为文本，分词后，逐词同故障关键词名单匹配，查询故障代码；

（7）由步骤（5）和步骤（6）得到的故障类型，在故障诊断专家知识库中检索故障处置方法；

（8）通过AR眼镜与现场运维人员交互，将步骤（7）得到的故障处置方法叠加到现实场景中，引导现场运维人员对故障进行排查。

步骤（1）中图像识别引擎构建方法：通过图像深度学习训练工具导入5000张以上现场设备图像素材，图像素材包括现场设备正常运行和各种故障状态的图片素材，对每张图片进行标记特征，每张图片的特征包括厂家名称、型号、电源灯、运行灯、液晶屏幕和条形码，使用YOLO算法训练计量设备图像识别模型。

步骤（2）低压集抄计量终端SOP标准化知识库的知识用一组规则来表达，即设备故障满足条件时反馈对应的故障处置方法。

步骤（4）中双目分体机AR眼镜过 USB 数据线插入具有 USB 通讯接口的便携式终端，便携式终端使用4G网络传输现场数据到web运维云服务器。

步骤（5）中图像识别分析计量设备图像后，量化定义识别结果，每种故障均对应一个故障代码。

步骤（5）中图像识别若未识别出故障内容，将当前识别的图像添加到计量图像识别训练数据库中。