CN110838106A - 一种对变电站二次设备图像识别软件的多维度评价方法 - Google Patents
一种对变电站二次设备图像识别软件的多维度评价方法 Download PDFInfo
- Publication number
- CN110838106A CN110838106A CN201911050152.1A CN201911050152A CN110838106A CN 110838106 A CN110838106 A CN 110838106A CN 201911050152 A CN201911050152 A CN 201911050152A CN 110838106 A CN110838106 A CN 110838106A
- Authority
- CN
- China
- Prior art keywords
- picture set
- secondary equipment
- level
- software
- definition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种对变电站二次设备图像识别软件的多维度评价方法,多维度测试数据集包括多个二次设备多维度图片集,二次设备多维度图片集包括二次设备亮度图片集、二次设备饱和度图片集、二次设备清晰度图片集、二次设备成像角度图片集,利用待测软件对现场应用图片对应的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集中的二次设备图像进行识别,选取综合识别值最大的待测软件作为最优软件。能够实现对二次设备图像识别软件的广度和深度的多维评价,有利于提高变电站二次设备图像识别的规范性。
Description
技术领域
本发明属于电力系统变电站技术领域,具体涉及一种对变电站二次设备图像识别软件的多维度评价方法。
背景技术
随着科技的发展图像识别技术已在多个行业领域得到了广泛的应用并取得了良好的效果,尤其是深度学习技术的兴起使得图像识别技术实现跨越式发展。但图像技术应用于电力系统二次设备状态分析方面属于交叉式学科范畴,研究时间并不长,技术嵌入未完全成熟。
将图像识别技术应用于变电站二次设备状态识别是未来发展的趋势,现阶段应用于二次设备的图像识别软件在识别速度、识别准确率以及识别抗干扰性上表现出巨大的差异。
在将图形识别软件应用于电力系统二次设备识别之前,对各个厂家及类型的识别软件进行测试,最终根据测试结果选定合适的图像识别软件是十分有必要的,一方面能够提高图像识别效率,降低人工负担;另一方面能够节约成本,提升经济效益。
发明内容
本发明的目的是针对现有技术存在的上述问题,提供一种对变电站二次设备图像识别软件的多维度评价方法,有利于电力系统运维人员选择合适的图像识别软件,进而提高运维效率。
为了达到上述目的,本发明所采用的技术方案是:
一种对变电站二次设备图像识别软件的多维度评价方法,包括以下步骤:
步骤1、建立多维度测试数据集,
多维度测试数据集包括多个二次设备多维度图片集,
二次设备多维度图片集包括二次设备亮度图片集、二次设备饱和度图片集、二次设备清晰度图片集、二次设备成像角度图片集,
二次设备亮度图片集包括不同亮度等级的亮度等级图片集,亮度等级图片集包括对应亮度等级的多张二次设备图像;
二次设备饱和度图片集包括不同饱和度等级的饱和度等级图片集,饱和度等级图片集包括对应饱和度等级的多张二次设备图像;
二次设备清晰度图片集包括不同清晰度等级的清晰度等级图片集,清晰度等级图片集包括对应清晰度等级的多张二次设备图像;
二次设备成像角度图片集包括不同成像角度的成像角度图片集,成像角度图片集包括对应成像角度的多张二次设备图像;
每个二次设备多维度图片集中的二次设备图像对应同一二次设备
步骤2、获得现场二次设备的现场应用图片,获得现场应用图片对应的亮度等级、饱和度等级、清晰度等级和成像角度,
步骤3、根据现场二次设备挑选多维度测试数据集中对应的二次设备多维度图片集;
根据现场应用图片的亮度等级、饱和度等级、清晰度等级、和成像角度挑选二次设备多维度图片集中对应的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集,
步骤4、利用待测软件对步骤3中挑选的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集中的二次设备图像进行识别,获得识别准确度和识别时间,识别准确度为识别正确或识别错误;进而获得待测软件对步骤3中挑选的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集中的二次设备图像进行识别的识别准确率和识别平均时间;
步骤5、更换待测软件,重复步骤4,获得各个待测软件的识别准确率和识别平均时间;
步骤6、计算各个待测软件的综合识别值,综合识别值为:识别准确率*第一权重系数 –识别平均时间*第二权重系数;选取综合识别值最大的待测软件作为最优软件。
与现有技术相比,本发明具有的有益效果是:
能够从亮度、清晰度、成像角度、饱和度对被待测软件进行评价,同时能够对多种待测软件进行多维度横向评价,特别适用于变电站二次设备图像识别软件的检测方面,有利于变电站运维人员更方便、更准确、更直观的选择图像识别软件,有利于提高工作效率,降低运维成本。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
一种对变电站二次设备图像识别软件的多维度评价方法,包括以下步骤:
步骤1、建立多维度测试数据集,
多维度测试数据集包括多个二次设备多维度图片集,
二次设备多维度图片集包括二次设备亮度图片集、二次设备饱和度图片集、二次设备清晰度图片集、二次设备成像角度图片集,
二次设备亮度图片集包括不同亮度等级的亮度等级图片集,亮度等级图片集包括对应亮度等级的多张二次设备图像;
二次设备饱和度图片集包括不同饱和度等级的饱和度等级图片集,饱和度等级图片集包括对应饱和度等级的多张二次设备图像;
二次设备清晰度图片集包括不同清晰度等级的清晰度等级图片集,清晰度等级图片集包括对应清晰度等级的多张二次设备图像;
二次设备成像角度图片集包括不同成像角度的成像角度图片集,成像角度图片集包括对应成像角度的多张二次设备图像;
每个二次设备多维度图片集中的二次设备图像对应同一二次设备。不同的二次设备多维度图片集对应不同的二次设备。
二次设备图像的获取包括两种方式:一、通过对变电站二次设备进行实际拍摄;二、通过建立变电站二次设备的三维模型,运用计算机三维投影技术获得。
在本实施例中,亮度等级采用PCCS颜色体系分级法,分为18个等级;
饱和度等级采用PCCS颜色体系分级法,分为9个级别;
清晰度等级通过改变调制传递函数(MTF),分为11个等级;
成像角度以水平线为0度,逆时针旋转为正向,顺时针旋转为反向,角度从-15度到15度,取整数角度,分为31个等级。
步骤2、获得现场二次设备的现场应用图片,获得现场应用图片对应的亮度等级、饱和度等级、清晰度等级和成像角度。
步骤3、根据现场二次设备挑选多维度测试数据集中对应的二次设备多维度图片集;
根据现场应用图片的亮度等级、饱和度等级、清晰度等级、和成像角度挑选二次设备多维度图片集中对应的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集。
现场应用图片的亮度等级、饱和度等级、清晰度等级、和成像角度的划分同步骤1中的亮度等级、饱和度等级、清晰度等级、和成像角度的划分。
步骤4、利用待测软件对步骤3中挑选的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集中的二次设备图像进行识别,获得识别准确度和识别时间,识别准确度为识别正确或识别错误;进而获得待测软件对步骤3中挑选的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集中的二次设备图像进行识别的识别准确率和识别平均时间;
识别准确率为:(步骤3中挑选的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集中识别准确度为识别正确的二次设备图像的总数)/(步骤3中挑选的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集中二次设备图像的总数)
步骤5、更换待测软件,重复步骤4,获得各个待测软件的识别准确率和识别平均时间;
步骤6、计算各个待测软件的综合识别值,综合识别值为:识别准确率*第一权重系数 –识别平均时间*第二权重系数;选取综合识别值最大的待测软件作为最优软件。因为准确率是越高越好,二识别平均时间是越小越好,第一权重系数和第二权重系数均为整数,因此二者乘以对应的权重系数后是相减。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (1)
1.一种对变电站二次设备图像识别软件的多维度评价方法,其特征在于,包括以下步骤:
步骤1、建立多维度测试数据集,
多维度测试数据集包括多个二次设备多维度图片集,
二次设备多维度图片集包括二次设备亮度图片集、二次设备饱和度图片集、二次设备清晰度图片集、二次设备成像角度图片集,
二次设备亮度图片集包括不同亮度等级的亮度等级图片集,亮度等级图片集包括对应亮度等级的多张二次设备图像;
二次设备饱和度图片集包括不同饱和度等级的饱和度等级图片集,饱和度等级图片集包括对应饱和度等级的多张二次设备图像;
二次设备清晰度图片集包括不同清晰度等级的清晰度等级图片集,清晰度等级图片集包括对应清晰度等级的多张二次设备图像;
二次设备成像角度图片集包括不同成像角度的成像角度图片集,成像角度图片集包括对应成像角度的多张二次设备图像;
每个二次设备多维度图片集中的二次设备图像对应同一二次设备;
步骤2、获得现场二次设备的现场应用图片,获得现场应用图片对应的亮度等级、饱和度等级、清晰度等级和成像角度,
步骤3、根据现场二次设备挑选多维度测试数据集中对应的二次设备多维度图片集;
根据现场应用图片的亮度等级、饱和度等级、清晰度等级、和成像角度挑选二次设备多维度图片集中对应的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集,
步骤4、利用待测软件对步骤3中挑选的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集中的二次设备图像进行识别,获得识别准确度和识别时间,识别准确度为识别正确或识别错误;进而获得待测软件对步骤3中挑选的亮度等级图片集、饱和度等级图片集、清晰度等级图片集、和成像角度图片集中的二次设备图像进行识别的识别准确率和识别平均时间;
步骤5、更换待测软件,重复步骤4,获得各个待测软件的识别准确率和识别平均时间;
步骤6、计算各个待测软件的综合识别值,综合识别值为:识别准确率*第一权重系数 –识别平均时间*第二权重系数;选取综合识别值最大的待测软件作为最优软件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911050152.1A CN110838106B (zh) | 2019-10-31 | 2019-10-31 | 一种对变电站二次设备图像识别软件的多维度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911050152.1A CN110838106B (zh) | 2019-10-31 | 2019-10-31 | 一种对变电站二次设备图像识别软件的多维度评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110838106A true CN110838106A (zh) | 2020-02-25 |
CN110838106B CN110838106B (zh) | 2023-04-14 |
Family
ID=69576221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911050152.1A Active CN110838106B (zh) | 2019-10-31 | 2019-10-31 | 一种对变电站二次设备图像识别软件的多维度评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110838106B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111629205A (zh) * | 2020-07-28 | 2020-09-04 | 天津美腾科技股份有限公司 | 一种应用于工业相机模拟测试的系统和方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160273965A1 (en) * | 2015-03-19 | 2016-09-22 | Fuji Xerox Co., Ltd. | Color conversion information generating apparatus and method, and non-transitory computer readable medium |
US20170032224A1 (en) * | 2015-07-31 | 2017-02-02 | Xiaomi Inc. | Method, device and computer-readable medium for sensitive picture recognition |
CN108573070A (zh) * | 2018-05-08 | 2018-09-25 | 深圳市万普拉斯科技有限公司 | 图片识别整理方法、装置和图片文件夹建立方法 |
CN109389180A (zh) * | 2018-10-30 | 2019-02-26 | 国网四川省电力公司广元供电公司 | 一款基于深度学习的电力设备图像识别方法及巡查机器人 |
CN109685785A (zh) * | 2018-12-20 | 2019-04-26 | 上海众源网络有限公司 | 一种图像质量评估方法、装置及电子设备 |
-
2019
- 2019-10-31 CN CN201911050152.1A patent/CN110838106B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160273965A1 (en) * | 2015-03-19 | 2016-09-22 | Fuji Xerox Co., Ltd. | Color conversion information generating apparatus and method, and non-transitory computer readable medium |
US20170032224A1 (en) * | 2015-07-31 | 2017-02-02 | Xiaomi Inc. | Method, device and computer-readable medium for sensitive picture recognition |
CN108573070A (zh) * | 2018-05-08 | 2018-09-25 | 深圳市万普拉斯科技有限公司 | 图片识别整理方法、装置和图片文件夹建立方法 |
CN109389180A (zh) * | 2018-10-30 | 2019-02-26 | 国网四川省电力公司广元供电公司 | 一款基于深度学习的电力设备图像识别方法及巡查机器人 |
CN109685785A (zh) * | 2018-12-20 | 2019-04-26 | 上海众源网络有限公司 | 一种图像质量评估方法、装置及电子设备 |
Non-Patent Citations (3)
Title |
---|
QIANGQIANG ZHOU 等: ""Substation equipment image recognition based on SIFT feature matching"" * |
朱锋: ""图像识别在电力信息化中的应用"" * |
陈鑫: ""ASIFT算法在变电设备图像识别中的应用研究"" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111629205A (zh) * | 2020-07-28 | 2020-09-04 | 天津美腾科技股份有限公司 | 一种应用于工业相机模拟测试的系统和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110838106B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107507194B (zh) | 一种基于红外图像温度分布规律和bp神经网络的绝缘子串故障检测方法 | |
CN108428227B (zh) | 基于全卷积神经网络的无参考图像质量评价方法 | |
CN106778676B (zh) | 一种基于人脸识别及图像处理的注意力评估方法 | |
CN109520706B (zh) | 一种汽车保险丝盒的螺孔坐标提取方法 | |
CN105740856A (zh) | 一种基于机器视觉的指针式仪表示数读取方法 | |
CN114882265B (zh) | 一种成品油质量检测方法 | |
CN106204602B (zh) | 元件反件检测方法和系统 | |
CN108961221B (zh) | 一种航空插头现场静态图像检测算法 | |
WO2018010387A1 (zh) | 元件反件检测方法和系统 | |
CN110838106B (zh) | 一种对变电站二次设备图像识别软件的多维度评价方法 | |
CN101635863A (zh) | 一种显示设备视觉效果测试的方法及系统 | |
CN106951863B (zh) | 一种基于随机森林的变电站设备红外图像变化检测方法 | |
CN109711414A (zh) | 基于摄像头图像采集的设备指示灯颜色识别方法及系统 | |
CN108665468B (zh) | 一种提取直线塔绝缘子串的装置及方法 | |
CN113465522A (zh) | 一种基于点云的输电通道内隐患测距的方法 | |
CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
CN103200349B (zh) | 一种扫描图像色偏自动检测方法 | |
CN110334581A (zh) | 一种多源遥感影像变化检测方法 | |
CN113673515A (zh) | 一种计算机视觉目标检测算法 | |
CN110827355B (zh) | 一种基于视频图像坐标的移动目标快速定位方法及系统 | |
CN111931785A (zh) | 一种电力设备红外图像目标的边缘检测方法 | |
CN109087265B (zh) | 一种多相机图像坐标转换方法和装置 | |
CN106447665A (zh) | 基于视觉识别的蒸发器管板定位器的辅助定位系统及方法 | |
CN116052041A (zh) | 基于深度网络的指示灯状态识别方法 | |
CN109903258A (zh) | 一种基于灰度匹配的电力电缆类别检测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |