[发明专利]一种基于相机的变电站压板状态识别的方法

说明书

本发明提供了一种基于相机的变电站压板状态识别的方法，通过相机对巡检图像进行采集并预处理，将处理后的图像进行深度学习模型训练，最后将预测结果结合到视频流上进行返回展示，并通过MQTT或TCP协议上送至应用系统中，减少了因人为因素所导致的错误操作，提高了变电站巡检效率，对变电站稳定安全运行起到了促进作用。

技术领域

本发明涉及相机领域，具体为一种基于相机的变电站压板状态识别的方法。

背景技术

随着我国经济社会的高速发展，电力系统结果日趋复杂，电力系统的安全稳定运行面临更大的挑战。目前，变电站压板状态管理还处在依赖人工巡检状态，而人工监测由于视觉疲劳，记忆混淆等原因，会导致漏、误操作等现象出现。随着近几年人工智能技术的发展，各行各业很多工作都由机器代替人类完成。在电力行业中，利用人工智能技术能够很大程度上减少人力资源的投入，降低人力成本，降低因人为失误所导致的低效率工作。

中国专利申请号为CN202010785740.6，名称为一种变电站屏柜压板识别方法及系统的发明专利公开了一种变电站屏柜压板识别方法及系统，通过深度学习模型训练实现变电站屏柜压板状态的智能识别，其中方法包括以下步骤：依据采集到的巡检图像进行图像预处理、样本标注及扩充；利用巡检图像的样本集进行深度学习模型训练，得到变电站屏柜压板状态目标检测模型；进行变电站屏柜压板状态识别处理。通过对巡检图像进行处理，并将处理后的图像进行深度学习模型训练，提高了电网巡检图像智能化识别水平，提高了巡检图像的处理效率，提升了变电站压板投退状态核对的效率，提升了变电站安全运行的稳定性。

上述现有技术中图像处理部分为基于服务器端中央处理器（CPU）进行图像预测，该方法过度依赖于网络质量和设备处理能力，具有成本高，实时性不高等特点。

因此，在现有技术中，很多方法都是利用可移动设备（包括手机，平板，USB摄像头）进行巡检图像的采集，并通过光缆将其上传至服务器进行模型分析，然后将分析结果再返回至可移动设备。该方法过于依赖于网络质量及传输设备，无法做到实时性检测。

发明内容

为解决上述技术问题，本发明公开了一种基于相机的变电站压板状态识别的方法，通过相机采集原始巡检图像，在相机端利用图像识别算法实现对变电站压板分合状态的智能识别，最后将预测结果结合到视频流上进行返回展示，并通过MQTT或TCP协议上送至应用系统中。

为实现上述目的，本发明采取的技术方案是：

一种基于相机的变电站压板状态识别的方法，其特征在于：包括有如下步骤：

构建图像模型训练模块，

步骤1：收集历史开关柜压板图像，

收集历史巡检开关柜压板图像进行数据预处理、样本标注，其中收集数据包括开关柜上压板分合状态，将其通过配准技术进行裁剪并人工标注，将压板合状态设置为1，将压板分状态设置为0；

步骤2：数据扩充，

通过对图像进行旋转、翻转、裁剪、缩放以及填充，将预处理好的训练图像进行数据扩充；

步骤3：模型训练，

依据扩充好的图像训练集利用CAFFE深度学习网络框架进行深度学习网络模型训练，得到开关柜压板分合状态的图像分类模型；

步骤4：模型量化压缩转为WK格式，

将训练好的深度学习网络模型权重文件进行量化压缩并转为相机内置芯片支持的WK格式；

步骤5：移植至相机，

将WK格式的深度学习网络模型权重文件移植至相机中；

构建图像模型预测模块，

步骤6：采集原始巡检图像，

利用相机采集原始开关柜巡检图像；

步骤7：人工标注感兴趣压板区域图像，

人工标注原始开关柜巡检图像中感兴趣压板区域图像，并记录其位于原始图像中的位置信息；