[发明专利]一种基于智能识别的例行巡视方法及系统

说明书

本申请提出一种基于智能识别的例行巡视方法及系统。方法包括：巡视装置基于接收到的来自监控服务器发送的巡视指令，采集与变电站中的巡视场景有关的监控图像；巡视装置将监控图像发送给传输网关；传输网关将接收到的来自巡视装置发送的监控图像输入至轻量级图像识别神经网络模型中，以识别出监控图像中存在的安全隐患目标。传输网关将轻量级图像识别神经网络模型输出的监控图像发送给监控服务器；监控服务器确定存在安全隐患目标的监控图像，并基于存在安全隐患目标的监控图像，将巡视装置对应的身份识别码以及告警信息发送给巡视装置对应的监控终端。以图像识别的方式代替人工巡检识别故障，节省人力，可以大大提高巡检频率，提高故障识别率。

技术领域

本申请涉及变电站巡视技术领域，尤其涉及一种基于智能识别的例行巡视方法及系统。

背景技术

在变电站内，各种设备安装在不同的地域，为保证所有设备的无故障运行，需要人工定期巡检，每次要查看设备的运行状态及读取设备上的关键读数，开关指示灯状态等。通过人工实地查看设备表现状态来判断整站设备运行状态，巡检周期为每周2-3次，每次巡检时间需要一天左右。人工巡检存在占用人员多，巡检不及时的问题。有些变电站为应对这些问题，安装了巡检机器人，但是巡检机器人价格昂贵，且室内很多地方由于空间限制，巡检机器人到达不了，还是需要人工巡检。

另外，现有的图像分析技术，多是依赖后端图像分析服务器，前端设备拍完照片之后上传到服务器，然后服务器再分析图像并推送告警。这种方法会产生比较大的延时，并且需要部署专门的服务器，投入成本较高，且流量费用高。因此这几种方法都不能保证较低的巡检成本、较高的巡检效率和识别准确率。

发明内容

针对上述现有技术中存在的问题，本申请实施例提出一种基于智能识别的例行巡视方法及系统，解决了现有对变电站例行巡视的方法成本高、巡检效率低且故障识别准确率低的技术问题。

一方面，本申请实施例提供了一种基于智能识别的例行巡视方法，方法包括：监控服务器训练轻量级图像识别神经网络模型，并将所述轻量级图像识别神经网络模型部署到传输网关上；所述监控服务器通过窄带传输方式向巡视装置发送巡视指令，以唤醒安装于变电站中若干预设安装位置的巡视装置；被唤醒后的所述巡视装置基于所述巡视指令，采集与所述变电站中的巡视场景有关的监控图像；其中，所述巡视装置的默认状态为休眠状态；所述巡视装置通过宽带传输方式将所述监控图像发送给传输网关；其中，所述传输网关安装于所述变电站中；所述传输网关对接收到的来自所述巡视装置发送的监控图像进行预处理，并将预处理后的所述监控图像输入至所述轻量级图像识别神经网络模型中，以识别出所述监控图像中存在的安全隐患目标。

本申请实施例通过在变电站各个位置安装小巧的巡视装置，采集变电站各个角落的监控图像，并进行图像识别的方式，减小了变电站巡视的人力投入。提高了变电站巡视的全面性和安全性。采用轻量级的前端神经网络模型识别图像，可以节省成本，缓解服务器压力，提高图像识别精度和识别速度。另外，本申请实施例通过窄带传输巡视指令唤醒巡视装置进行拍照工作，平时巡视装置处于休眠状态，巡视装置的待机功耗很低，只有微安级的待机电流。这样就会使巡视装置更加省电，电池也就会更小，巡视装置也就能做的更小，成本更低。

在一个实施方式中，所述监控服务器训练轻量级图像识别神经网络模型，具体包括：所述监控服务器通过FasterRCNN算法得到基准图像识别神经网络模型，其中，所述FasterRCNN算法中的图像特征提取方法采用Res101算法；所述监控服务器对所述基准图像识别神经网络模型进行训练调优，并对训练调优后的所述基准图像识别神经网络模型进行模型转换，得到所述轻量级图像识别神经网络模型，所述轻量级神经网络模型是离线神经网络模型。