[发明专利]一种基于深度学习的变电站监测方法、系统、电子设备有效
| 申请号: | 202210857741.6 | 申请日: | 2022-07-21 |
| 公开(公告)号: | CN114937247B | 公开(公告)日: | 2022-11-01 |
| 发明(设计)人: | 杜成龙;张学敏;沈建军;李孟福 | 申请(专利权)人: | 四川金信石信息技术有限公司 |
| 主分类号: | G06V20/52 | 分类号: | G06V20/52;G06V10/10;G06V10/82;G06V10/40 |
| 代理公司: | 成都行之智信知识产权代理有限公司 51256 | 代理人: | 何筱茂 |
| 地址: | 610000 四川省成都市中国(四川)自由贸易*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 基于 深度 学习 变电站 监测 方法 系统 电子设备 | ||
1.一种基于深度学习的变电站监测方法,其特征在于,包括如下步骤:
对变电站待监测区域进行成像分析,得到所述待监测区域对应的多个拍摄区块及其编号;
获取多个所述拍摄区块处的图像,得到监测图像集;
利用预先构建的变电站图像识别模型对所述监测图像集进行识别,根据识别结果提取所述待监测区域中的异常图像,通过以下方法构建图像识别模型,包括:
获取变电站中多张异常图像与正常图像,其中,所述异常图像为设备的渗漏油图像,并通过模拟渗漏油部位的油迹覆盖范围进行轻微、中度、严重划分;所述正常图像为设备的未发生渗漏油的图像;
对获取到的异常图像与正常图像进行类别标注,生成训练图像集;
构建初始图像识别模型,利用所述训练图像集对所述初始图像识别模型进行训练,直到所述初始图像识别模型满足条件收敛,得到所述变电站图像识别模型,
其中,在构建变电站图像识别模型时,基于多张异常图像与正常图像,进行环境特征提取并基于提取的环境特征构建设备位置信息;进行渗油范围特征提取并基于提取的渗油范围特征构建渗油程度信息;在利用预先构建的图像识别模型对所述监测图像集进行识别,首先识别所述监测图像集的环境特征,再识别对应环境特征的渗油范围特征;
其中,在进行环境特征提取并基于提取的环境特征构建设备位置信息,其中,进行环境特征提取为进行图像的纹理特征提取,基于图像的纹理特征确定为表面油迹或者为地面油迹,在构建变电站图像识别模型时,针对于地面油迹对应的异常图像以及正常图像,均通过纹理特征提取进行图像裁剪,取出图像中的缺陷点,实现模型的建立;
呈现所述异常图像对应的异常类别及其对应的拍摄区块的编号。
2.根据权利要求1所述的一种基于深度学习的变电站监测方法,其特征在于,利用所述训练图像集对初始图像识别模型进行训练,包括:对所述训练图像集进行数据标准化处理与数据增强处理,利用处理后的训练图像集对初始图像识别模型进行训练。
3.根据权利要求2所述的一种基于深度学习的变电站监测方法,其特征在于,所述初始图像识别模型为:yolo、Faster R-cnn中的一种。
4.根据权利要求2所述的一种基于深度学习的变电站监测方法,其特征在于,利用处理后的训练图像集对初始图像识别模型进行训练具体包括如下步骤:
基于数据标准化处理与数据增强处理后的训练图像集,进行随机分类,其中第一类图像集用于对初始图像识别模型进行训练;第二类图像集验证及监督训练的流程;第三类图像集用于对训练后获得所述变电站图像识别模型进行测试;
其中,所述第一类图像集的数量N1、所述第二类图像集的数量N2、所述第三类图像集的数量N3满足:N1 N2 N3。
5.一种基于深度学习的变电站监测电子设备,其特征在于,包括处理器、网络接口和存储器,所述处理器、所述网络接口和所述存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如权利要求1~4任一所述的基于深度学习的变电站监测方法。
6.一种基于深度学习的变电站监测系统,其特征在于,
包括:图像采集装置、电子设备;
所述电子设备用于对变电站待监测区域进行成像分析,得到所述待监测区域对应的多个拍摄区块及其编号,并向所述图像采集装置发出图像采集指令,其中,所述图像采集指令,包括:多个所述拍摄区块及其编号;以及,获取来自图像采集装置的多个所述拍摄区块处的图像,得到监测图像集;利用预先构建的变电站图像识别模型对所述监测图像集进行识别,根据识别结果提取所述待监测区域中的异常图像,其中,基于如下方法构建图像识别模型,获取变电站中多张异常图像与正常图像,所述异常图像为设备的渗漏油图像,并通过模拟渗漏油部位的油迹覆盖范围进行轻微、中度、严重划分;所述正常图像为设备的未发生渗漏油的图像,对获取到的异常图像与正常图像进行类别标注,生成训练图像集,构建初始图像识别模型,利用所述训练图像集对所述初始图像识别模型进行训练,直到所述初始图像识别模型满足条件收敛,得到所述变电站图像识别模型,其中,在构建变电站图像识别模型时,基于多张异常图像与正常图像,进行环境特征提取并基于提取的环境特征构建设备位置信息,进行渗油范围特征提取并基于提取的渗油范围特征构建渗油程度信息,在利用预先构建的图像识别模型对所述监测图像集进行识别,首先识别所述监测图像集的环境特征,再识别对应环境特征的渗油范围特征,其中,在进行环境特征提取并基于提取的环境特征构建设备位置信息,其中,进行环境特征提取为进行图像的纹理特征提取,基于图像的纹理特征确定为表面油迹或者为地面油迹,在构建变电站图像识别模型时,针对于地面油迹对应的异常图像以及正常图像,均通过纹理特征提取进行图像裁剪,取出图像中的缺陷点,实现模型的建立;以及,呈现所述异常图像对应的异常类别及其对应的拍摄区块的编号;
所述图像采集装置,用于基于所述图像采集指令采集多个所述拍摄区块处的图像,并传输至所述电子设备。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川金信石信息技术有限公司,未经四川金信石信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210857741.6/1.html,转载请声明来源钻瓜专利网。





