[发明专利]基于边云协同的变电设备典型视觉缺陷检测系统及方法

说明书

本发明公开了基于边云协同的变电设备典型视觉缺陷检测系统及方法，涉及边缘计算和云计算技术领域；系统包括巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块；方法包括S1～S3的步骤，S1，变电设备图像采集装置采集变电设备图像数据并发送至边缘计算平台；其通过巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块等，实现了变电设备典型视觉缺陷检测工作效率高。

技术领域

本发明涉及边缘计算和云计算技术领域，尤其涉及一种基于边云协同的变电设备典型视觉缺陷检测系统及方法。

背景技术

变电站是电网的重要组成部分，变电设备的可靠运行是变电站生产安全的基础。变电设备可能会存在各种典型视觉缺陷或异物，如呼吸器变色、漏油、绝缘子破损、鸟巢等，都会对变电站的正常运行造成安全隐患，因此及时发现设备典型视觉缺陷或异物是保证变电站安全稳定运行的关键。目前针对变电设备典型视觉缺陷或异物检测方法除了依靠人力到现场排查，还利用变电站巡检机器人拍摄变电设备的照片或视频，并由专门的技术人员或图像识别方法进行检测。基于人工检测的方法虽然对变电设备缺陷检测的准确率较高，但需要技术人员定期到现场观测，浪费较大的人力物力且技术人员工作强度较大；巡检机器人或无人机巡检采用的方式一般为将其拍摄的图像或视频发送至服务器，由服务器端利用变电设备缺陷检测算法进行检测，可以大大减少技术人员的工作强度，但巡检的实时性较低、对服务器性能要求较高。

近几年，随着边缘计算的迅速发展并被业内熟知，边缘计算是指在网络边缘执行计算的一种新型计算模型，操作对象包括来自于云服务器的下行数据和来自于万物互联服务的上行数据，即边缘计算就是将数据处理、应用程序运行等功能，由云计算中心下放到网络边缘节点上。变电设备巡检过程中会产生大量数据，其中包含很多无用数据，若这些数据均传输到云计算中心，会给网络传输造成很大压力，且实际价值较小。利用边缘计算平台，将缺陷检测计算任务下放到边缘装置，可以实现数据的本地化处理和存储，提高变电设备典型视觉缺陷检测的实时性，大大降低了数据传输数量，减少了请求响应时间，同时也保障了数据的安全性和私密性。利用云服务器对深度学习模型的自动训练，提高变电设备典型视觉缺陷深度学习模型的检测准确率，提高设备缺陷的检测性能。

现有技术问题及思考：

如何解决现有变电设备典型视觉缺陷检测中实时性低的技术问题。

如何解决现有变电设备典型视觉缺陷检测中数据传输量大的技术问题。

如何解决现有变电设备典型视觉缺陷检测中检测工作效率低下的技术问题。

发明内容

本发明所要解决的技术问题是提供一种基于边云协同的变电设备典型视觉缺陷检测系统及方法，其通过巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块等，实现了变电设备典型视觉缺陷检测工作效率高。

为解决上述技术问题，本发明所采取的技术方案是：一种基于边云协同的变电设备典型视觉缺陷检测系统包括巡检机器人、变电设备图像采集装置、边缘计算平台、云服务器平台和通信装置以及图像数据预处理模块、变电设备典型视觉缺陷检测模块和典型视觉缺陷图像数据管理模块，所述变电设备图像采集装置包括第一图像采集装置，所述第一图像采集装置和边缘计算平台设置在巡检机器人上，第一图像采集装置与边缘计算平台连接并通信，所述边缘计算平台通过通信装置与云服务器平台连接并通信；图像数据预处理模块，用于边缘计算平台对变电设备图像采集装置发来的图像数据进行图像缩放和图像变换的预处理操作并生成预处理后的图像；变电设备典型视觉缺陷检测模块，用于边缘计算平台对预处理后的图像进行变电设备典型视觉缺陷检测并获得缺陷图像和缺陷标记的数据；典型视觉缺陷图像数据管理模块，用于边缘计算平台将检测到的缺陷图像和缺陷标记的数据进行存储并发送至云服务器平台。