[发明专利]一种基于神经网络的电能表外观快速识别方法

说明书

本发明涉及一种基于神经网络的电能表外观快速识别方法，将原始图片通过灰度化、二值化边缘检测与校正后进行图像切割，结合切割后的图像，变为细分的多个检定分类问题处理，同时使用手段识别、收集电能表外观信息。本发明减少了大量人力物力、重复性、机械性等分拣工作；提高了工作准确度和工作效率；在原有线体上更改增加相应的检定单元及检定方案，兼容了新旧两种电能表的自动化外观检定系统，可以实现新旧表混合同时在线检定。

技术领域

本发明涉及电能表自动化检定系统技术领域，具体涉及一种基于神经网络的电能表外观快速识别方法。

背景技术

随着大数据在多领域快速推广及智能电网的全面建设，“大云物移”等新技术不断深入应用于电力行业领域，各种营销数据、用电数据、配电数据等也成为海量可以利用的资源。＂按照国家电网公司大营销体系的建设要求，27家网省公司已完成计量业务的省级集中，计量资产的集中检定配送质量管控成为计量中心的核心业务之一。精益化管理需要依托全寿命周期管理才能实现计量资产的整个业务流程的在线监控、闭环管理以及质量管控，达到专业化管理要求。在营销用电环节主要信息化系统为用电信息采集系统和营销业务应用系统，其数据特点是采集点多、覆盖范围广、数据量大，各类业务数据都己颇具规模，海量数据为计量资产全寿命周期管理提供可能。

自电能表大规模推广应用以来，全国各大研究机构、中国电科院和国内外大学、国网公司均以此为基础开展了电力大数据的研究和应用。在国外，大数据分析系统被IBM和C3-Energy开发并针对智能电网使用，美国、加拿大、法国、西班牙等国的电力公司开展了用户电力数据的研究应用，其研究侧重于供电优质服务及电力需求预测等方面。在国内，国家电网公司启动了多项智能电网大数据研究项目，江苏、浙江、天津、北京、上海等电力公司开始建设营销大数据智能分析系统并进行计量资产管理预测的大数据应用研究，目前各公司在数据模型的清洗整合机制方面取得了一定成果，对于数据的实际应用仍处于探索研究阶段，尚缺少系统深入的研究成果和清晰的理论框架与实际应用指导。

为实现建设世界一流电网的愿景，近年来，国网公司一直致力于智能电网建设。作为智能电网末端与用户交互的关键设备，电能表除了承担传统法治计量的角色外，其非计量功能也发挥着日益显著的作用，支撑着公司营销专业及其他专业业务应用开展。

截止到目前，河北南网已累计安装电能表2200万只，实现了电能表的全覆盖。国网公司高度重视电能表的质量管控，在出台《电能表质量监督管理办法》、《拆回表分拣管理办法》等文件的基础上，形成了以电能表为核心的招标采购、产品检测、在线监测、运行维护的全生命周期管理体系。电能表自2010年实施集中招标采购以来，随着运行时间的增长，故障数量逐渐增多，对优质服务提出了新的挑战。电能表的故障处理以及趋势分析已成为急需解决的重要课题。

发明的内容

本发明的目的在于提供一种基于神经网络的电能表外观快速识别方法，将原始图片通过灰度化、二值化边缘检测与校正后进行图像切割，结合切割后的图像，变为细分的多个检定分类问题处理，同时使用手段识别、收集电能表外观信息。

进一步的，以灰度转换的方式对电能表外观成像进行预处理，降低图像复杂环境的噪声影响，同时提高图像处理的效率。

进一步的，将被切割的图片按照需求对图像进行分类、识别，从而将电能表细分状态，并将细分状态情况总结为整体的外观判定结论。

进一步的，采用基于不同算子并二值化的边缘检测方法清洗灰度化电能表图像噪声，将成像中不属于表计本体的噪声清除，将成像作初步切割为只包含电能表本体的图像。

进一步的，使用偏移角度映射的畸变校正与插值平滑的方法，统一初步切割后不规则的电能表成像数据，统一数据规模尺寸，使得不同角度成像的电能表进行像素级的对比。

进一步的，针对21个外观检定项将畸变校正后的统一尺寸成像数据进行切割，分别对21个切割图像做出检定结论，并将所有分项结论汇总。