[发明专利]一种用于电力设备的目标识别方法

说明书

本发明属于图像识别的技术领域，公开了一种基于机器学习的电力设备目标识别方法，包括建立包含多张电力设备图像的数据集，并对每张电力设备图像包含的电力设备进行标注，以此为输入，对神经网络和贝叶斯网络进行训练学习；利用训练好的神经网络对待识别的电力设备图像进行识别，输出多个识别结果；利用训练好的贝叶斯网络对神经网络的识别结果进行筛选，筛选出对应待识别的电力设备图像最准确的识别结果。整个过程的结构简单，计算快捷，准确率高。

技术领域

本发明涉及图像识别的技术领域，尤其涉及一种用于电力设备的目标识别方法。

背景技术

高压设备的巡检是保证设备可靠供电的有效手段，随着我国国企定编定岗政策的实施和电网的发展，设备巡检工作的问题日益突出，只要表现在：人少事多，巡检制度难以贯彻落实，巡检质量低，检机器人可用性亟待提高。

掌握输变电设备运行状态与运行环境状况，及时发现电网设备运行的隐患是变电设备运维管理的关键问题。由于设备数量多、运行环境复杂、状态监测技术的局限性，如何及时、准确的掌握设备运行状态仍然亟待解决，目前常用的检测手段主要问题表现在：

(1)现有的在线监测系统认可度不高、使用价值低。传统的巡检和带电检测方法因其固定的检测试验周期，不能对设备运行的全过程进行监控，设备隐患不一定能及时发现。

(2)目前应用的变电站机器人巡检主要采集现场图像和红外热像数据，但是机器人巡检无法24小时的全方位实时监控，在时间上和空间上均无法做到全覆盖，而且目前主要停留在现场数据采集和简单的阈值判断阶段，缺乏只能分析技术对检测数据进行自动、准确地处理和诊断。

在电力设备目标辨识领域，国内外学者已经进行了一定的研究，并取得了一定的成就。

在国外，有学者使用红外和可见光图像实现电线的检测目标，首先从红外和visible lights sensors(光感器)获取视频流图像，然后使用image processing判断电线是否出现故障，并通过合成图像流将其实时显示。除了输电线路，绝缘子方向也有学者做过尝试，他们提出了一种基于视频的在线检测方法，该方法利用模板，直方图和边缘等信息，考虑了亮度不同时的情形，用于对绝缘子倾斜程度和覆雪的检测。

在国内，六年前就有人指出图像识别技术的发展为实现智能电网提供了技术上的保障，可以解决电力设备在线监测面临的巨大计算量的问题，对改善电力系统具有十分重要的意义。有些文献在对相机采集得到的变电站图片预处理之后，提取电力设备目标形状的不变矩并将其作为特征向量，利用支持向量机识别出电力设备的类型，再通过设备运行图片与数据库中的图片进行对比，判断是否出现故障，该方法在利用支持向量机进行训练的时候每次只能训练两个类别的分类，但是电力设备的种类较多，因此该方法需要多次使用支持向量机，由于总的运行时间是所有SVM的training time的总和，这样的话效率较低。也有另辟蹊径，对电力设备标牌进行了定位与识别，从而读出电力设备的种类和参数，该方法存在一定的局限性，一方面，照片清晰度可能达不到要求，另一方面，这个工作没有使用图像识别方法的必要。又比如为了减少图像识别算法的运行时间，使用了模板匹配算法，取电力设备的某一个部件作为模板，对整张图片遍历匹配，如对变压器的识别，只需在图中找到绝缘子即可，大大提高了运算效率，不过这种方法使用的前提条件是拍摄相机的角度是已知且固定的，这样等价于已知拍摄物体的形状和大小。

发明内容

本发明提供了一种用于电力设备的目标识别方法，解决了现有方法需要预先知道电力设备图片或视频的拍摄角度，否则无法达到预期的效果、计算效率低等问题。

本发明可通过以下技术方案实现：

一种用于电力设备的目标识别方法，包括以下步骤：

步骤一、建立包含多张电力设备图像的数据集，并对每张电力设备图像包含的电力设备进行标注，以此为输入，对神经网络进行训练学习；