[发明专利]一种面向变电站巡检的表计识别方法

权利要求书

1.一种面向变电站巡检的表计识别方法，其特征在于，该表计识别方法包括以下步骤：

S1、采集表计图像；

S2、检测表计图像的特征点，并与表计模板图像进行匹配；

S3、表计指针指向计算；

S4、分析指针读数并结构化输出。

2.根据权利要求1所述的一种面向变电站巡检的表计识别方法，其特征在于，所述采集表计图像还包括以下步骤：

S11、配置并连接前端拍摄设备，对拍摄设备进行远程操控；

S12、调用可拍摄到表计的设备，通过改变设备角度和焦距，对准表计表盘进行对焦，配置可清晰成像的拍摄点位并记录；

S13、配置拍摄点位的表计类型；

S14、调用拍摄点位的拍摄设备，通过图片抓拍或视频流拉取解析的方式，获取该点位的初始表计图像。

3.根据权利要求1所述的一种面向变电站巡检的表计识别方法，其特征在于，所述检测表计图像的特征点，并与表计模板图像进行匹配还包括以下步骤：

S21、通过表计拍摄点位采集表计图像和表计类型，并基于标记类型从表计模板图像库中检索对应的表计模板图像；

S22、将表计图像与表计模板图像送入图神经网络特征匹配模块中，并计算两者的特征点及对应关系；

S23、将表计图像与表计模板图像进行匹配并对齐，输出对齐后的表计图像；

S24、从表计模板配置中获取表计图像各组件的坐标区域位置；

其中，表计图像各组件包括表盘、刻度、中心及指针。

4.根据权利要求3所述的一种面向变电站巡检的表计识别方法，其特征在于，所述将表计图像与表计模板图像送入图神经网络特征匹配模块中，并计算两者的特征点及对应关系还包括以下步骤：

S221、分别将表计采集图像X₁和表计模板图像X₂的进行Resize成卷积神经网络匹配的输入尺寸W×H并进行归一化后，输入卷积神经网络模型；

S222、提取表计采集图像X_A的特征点与描述子；

S223、提取表计模板图像X_B的特征点与描述子；

S224、构建编码器多层感知机，将和嵌入多层感知机中学习高维特征，并将学习得到的高维特征向量更新至原来的描述子。

5.根据权利要求4所述的一种面向变电站巡检的表计识别方法，其特征在于，所述学习的公式如下：

其中，符号表示赋值操作，左边为赋值操作后更新的描述子，右边为更新前的描述子，为多层感知机编码器，为特征点。

6.根据权利要求4所述的一种面向变电站巡检的表计识别方法，其特征在于，所述构建编码器多层感知机，将和嵌入多层感知机中学习高维特征，并将学习得到的高维特征向量更新至原来的描述子还包括以下步骤：

S2241、引入多头注意力机制和图神经网络结构；

S2242、通过控制图神经网络的输入对与分别实现自注意力机制和交叉注意力机制；

S2243、通过循环交替输入，学习并更新图像X_A的描述子；

其中，为两个节点都对应同一个图像内描述子构成的边；

为两个节点分别对应两个图像中的描述子构成的边。

7.根据权利要求6所述的一种面向变电站巡检的表计识别方法，其特征在于，所述循环交替输入的公式如下：

其中，表示基于构建的图神经网络；和分别为图像X_A上第个特征点在上第和层计算输出的中间结果；表示聚合特征点的描述子。

8.根据权利要求1所述的一种面向变电站巡检的表计识别方法，其特征在于，所述表计指针指向计算还包括以下步骤：

S31、基于表计模板图像，可获取对齐后表计图像的指针位置区域和表盘中心点；

S32、以指针位置区域为构建二值模板；

S33、以二值模板为模板获取指针位置区域图像；

S34、通过自适应二值化方法计算指针位置区域图像的二值图。