[发明专利]一种基于深度学习的变电站二次设备仪表盘读数检测方法

权利要求书

1.一种基于深度学习的变电站二次设备仪表盘读数检测方法，其特征是按如下步骤进行：

步骤1、基于YOLOv3算法对仪表盘图像进行定位分类训练；

步骤1.1、对变电站内的温度表以及二次设备的电流表和电压表进行图像采集，得到包含三种类型的变电站仪表图像集N；

步骤1.2、对所述变电站仪表图像集N进行分类，分为圆形的温度仪表图像集N1和矩形的二次设备的电流表和电压表图像集合N2；

步骤1.3、将所述温度仪表图像集N1和所述二次设备的电流表和电压表图像集合N2进行人工标注，框出仪表盘所在的边界框；并记录各个边界框的坐标位置，从而得到标注后的变电站仪表盘图像集并作为变电站仪表盘检测的训练集合Train；

步骤1.4、使用目标检测YOLOv3模型对于所述训练集合Train进行训练，得到仪表盘检测模型H；

步骤2、设置机器人巡检方式，包括：在电厂内布置导轨，设置停留位置a、巡检周期b和停留时间t，使得所述机器人能带动嵌入式设备X到达指定位置；

步骤3、在指定位置上，利用所述嵌入式设备X采集仪表盘图像I；

步骤4、利用所述仪表盘检测模型H对所述嵌入式设备X所采集的图像I进行检测，得到所述图像I中仪表盘的分类结果E以及图像I中边界框的坐标位置；

步骤5、对所述图像I中边界框的坐标位置进行裁剪，得到目标仪表图像I′，并根据分类结果E，判断是否为圆形的温度表，若是，则执行步骤6，否则，表示是矩形的电流或电压表，并执行步骤7；

步骤6、对所述目标仪表图像I′进行预处理，从而输出仪表读数T后转步骤11；

步骤7、使用hough直线变换检测所述目标仪表图像I′中指针的两条直线，并对两条直线的斜率k₃和k₄取平均值，得到平均斜率从而得到指针中心线与水平线的锐角夹角角度B＝-arctan k₅；

步骤8、使用OPENCV OCR对所述目标仪表图像I′中的电表符号进行检测，如果电表符号是A，则表示是电流表，并执行步骤9，如果电表符号是V，则表示是电压表，并执行步骤10；

步骤9、使用OPENCV OCR对所述目标仪表图像I′中的数字进行检测，如果检测得到的数字中包含“50”、“100”或者“150”，则设置电流表量程Z′为“150”；如果检测得到的数字中包含“200”或者“300”，则设置电流表量程为Z′为“300”；从而输出仪表读数并转步骤11；

步骤10、使用OPENCV OCR对所述目标仪表图像I′中的数字进行检测，如果检测得到的数字中包含“400”或者“500”，则设置电压表量程为Z″为“500”；如果检测得到的数字中包含“150”或者“450”，则设置电压表量程为Z″为“450”；从而输出仪表读数

步骤11、使用机器人带动嵌入式设备X进行巡检，使得嵌入式设备X在巡检周期b下对变电站的巡检区域内任一仪表盘在停留时间t下进行图像采集，从而根据步骤4-步骤10获得在巡检周期b下相应仪表盘在停留时间t内所有采集图像的仪表读数集合；

步骤12、计算仪表读数集合的标准差，并与所设定的阈值进行比较，若小于等于阈值，则将所述仪表读数集合的平均值保持至仪表数据Q中，若大于阈值，则将相应仪表盘在巡检周期b下的停留时间t内的仪表读数集合保持至实时波动数据W中，并将报警信息作为仪表读数集合的平均值存入所述仪表数据Q中；

步骤13、当所述机器人在巡检周期b下完成巡检区域内所有仪表盘的图像采集，并得到在巡检周期b下的全部仪表数据Q和实时波动数据W，利用socket协议传输给云端的服务器中保存。

2.根据权利要求1所述的变电站二次设备仪表盘读数检测方法，其特征是，所述步骤6是按如下过程进行：

步骤6.1、使用hough圆变换检测所述目标仪表图像I′是否为符合半径d的圆，若是，则执行步骤6.2；否则，则返回步骤3；

步骤6.2、使用hough直线变换检测所述目标仪表图像I′的直线，并将斜率近似为0的直线l₁通过对图像的旋转操作使得所述直线l₁的斜率为0，从而得到水平化图像I₁；

步骤6.3、使用hough直线变换检测所述水平化图像I₁中指针的两条直线，并对两条直线的斜率k₁和k₂取平均值，得到平均斜率从而得到指针中心线与水平线的锐角夹角角度θ₀＝-arctan k₀；

步骤6.4、根据温度表的实际情况记录温度表的指针指向“0”和指向最大量程时与水平线的夹角为θ₁和θ₂；

步骤6.5、根据仪表量程Z₁，输出仪表读数