[发明专利]一种自适应环境的变电站仪表读数识别方法、设备和介质

说明书

本发明涉及一种自适应环境的变电站仪表读数识别方法，包括以下步骤：确定N种影响成像质量的环境类型，根据N种环境类型采集原始数据，并基于原始数据建立用于识别图像所处环境类型的环境识别模型、分别对处于各环境类型的图像进行增强的图像增强模型以及识别仪表表盘所在位置并识别仪表读数的仪表定位识别模型；输入变电站仪表的原始图像至环境识别模型，识别原始图像中的环境类型；将原始图像输入至图像增强模型，根据识别出的环境类型对原始图像进行图像增强，得到增强图像；将增强图像输入至仪表定位识别模型，进行仪表区域定位，并识别仪表读数。

技术领域

本发明涉及一种自适应环境的变电站仪表读数识别方法、设备和介质，属于电力仪表识别技术领域。

背景技术

因仪表数量大，位置分散，目前仪表读数采集主要通过巡检机器人、无人机等巡检设备进行仪表图像的自动采集，再通过图像识别技术自动识别巡检图像中的仪表读数。

例如申请号为“201910319860.4”的发明专利公开了一种单指针式六氟化硫型仪表进行识别方法，使用基于深度学习的yolo模型进行检测，使用简单的增强、畸变处理和轮廓特征进行指针型仪表的识别；

申请号为“201710882172.X”的发明专利公开了一种变电站数字仪表的数字识别方法，采用HSV颜色特征进行数字分割，结合svm分类器进行数字识别；

上述现有技术中，现有方法能正常使用的前提条件是图像亮度均匀、对比度足够好，表盘拍摄清晰，在夜晚、雨雪雾等恶劣天气下无法正常工作。另外对仪表盘的定位采用yolo模型或者颜色特征也不够准确，yolo模型在旋转情况下可能出现特征框的偏移，颜色特征在亮度、对比度变化的情况下容易失效。

发明内容

为了解决上述现有技术中存在的问题，本发明提出了一种自适应环境的变电站仪表读数识别方法，建立有环境识别模型和图像增强模型，自动识别仪表图像所处的环境类型，并根据环境类型对图像进行增强，能够在恶劣环境中使用，提高识别效果。

本发明的技术方案如下：

一种自适应环境的变电站仪表读数识别方法，包括以下步骤：

确定N种影响成像质量的环境类型，根据N种环境类型采集原始数据，并基于原始数据建立用于识别图像所处环境类型的环境识别模型、分别对处于各环境类型的图像进行增强的图像增强模型以及识别仪表表盘所在位置并识别仪表读数的仪表定位识别模型；

输入变电站仪表的原始图像至环境识别模型，识别原始图像中的环境类型；

将原始图像输入至图像增强模型，根据识别出的环境类型对原始图像进行图像增强，得到增强图像；

将增强图像输入至仪表定位识别模型，进行仪表区域定位，并识别仪表读数。

作为优选实施方式，建立所述环境识别模型的步骤具体为：

分别在N种环境类型下进行图像采集，并对采集到的图像添加环境类型标签，得到训练样本集；

构建神经网络，以训练样本集中的图像作为神经网络的输入，输出环境类型的预测值，基于所述输出环境类型的预测值与标签建立的偏差建立损失函数，计算损失函数的值并更新神经网络的参数，进行迭代训练；直到损失函数的值小于设定的阈值，迭代结束，保存神经网络的参数得到所述环境识别模型。

作为优选实施方式，建立所述图像增强模型的步骤具体为：

在不影响成像质量的环境下采集若干仪表图像，作为标准图像集，分别根据不同环境类型对标准图像的影响对标准图像进行处理，得到对应各环境类型的N组对照图像集；