CN110889357A - 基于标注区域的地下电缆故障检测方法和装置 - Google Patents
基于标注区域的地下电缆故障检测方法和装置 Download PDFInfo
- Publication number
- CN110889357A CN110889357A CN201911136156.1A CN201911136156A CN110889357A CN 110889357 A CN110889357 A CN 110889357A CN 201911136156 A CN201911136156 A CN 201911136156A CN 110889357 A CN110889357 A CN 110889357A
- Authority
- CN
- China
- Prior art keywords
- underground cable
- fault
- image
- area
- marked
- 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
- 238000001514 detection method Methods 0.000 title claims description 18
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000002372 labelling Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 23
- 230000000875 corresponding effect Effects 0.000 claims description 19
- 230000002596 correlated effect Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (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)
- Image Analysis (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请涉及一种基于标注区域的地下电缆故障检测方法和装置。所述方法包括：接收机器人所采集的地下电缆图像；对所述地下电缆图像进行识别以得到标注区域，并将所述标注区域发送给用户终端进行显示；接收所述用户终端针对所述标注区域的反馈信息；当所述反馈信息表示对所述标注区域进行再次采集时，则向所述机器人发送采集与所述标注区域对应的图像的采集指令；接收所述机器人根据所述采集指令所采集的二次图像，并对所述二次图像进行识别，以判断所述地下电缆是否故障。采用本方法能够提高准确性。
Description
技术领域
本申请涉及地下电缆故障检测技术领域，特别是涉及一种基于标注区域的地下电缆故障检测方法和装置。
背景技术
埋设于地下的电缆，在电力传输过程中，往往会由于电缆本身的温度升高发生爆炸；又或者，由于地下铺设管道进水，导致电缆发生损坏，进而影响电缆的正常传输。
传统技术中，为了对地下电缆进行监测，需要人工对电缆进行逐个排查，从而降低了监测的效率。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高准确性的基于标注区域的地下电缆故障检测方法和装置。
一种基于标注区域的地下电缆故障检测方法，所述方法包括：
接收机器人所采集的地下电缆图像；
对所述地下电缆图像进行识别以得到标注区域，并将所述标注区域发送给用户终端进行显示；
接收所述用户终端针对所述标注区域的反馈信息；
当所述反馈信息表示对所述标注区域进行再次采集时，则向所述机器人发送采集与所述标注区域对应的图像的采集指令；
接收所述机器人根据所述采集指令所采集的二次图像，并对所述二次图像进行识别，以判断所述地下电缆是否故障。
在其中一个实施例中，所述对所述地下电缆图像进行识别以得到标注区域，包括：
基于预先训练的地下电缆故障识别模型对所述地下电缆图像进行识别，以判断所述地下电缆存在故障的概率是否在预设范围内，若在预设范围内，则通过地下电缆故障识别模型提取所述地下电缆图像中的标注区域；
所述地下电缆故障识别模型的训练方式包括：
获取历史数据，并对所述历史数据中的故障区域进行标注；
对标注后的历史数据进行训练得到地下电缆故障识别模型。
在其中一个实施例中，所述接收所述用户终端针对所述标注区域的反馈信息之后，还包括：
当所述反馈信息表示地下电缆存在故障时，则输出地下电缆存在故障的结果，并将所述标注区域和所述地下电缆存在故障的结果进行关联存储。
在其中一个实施例中，所述方法还包括：
当关联存储的所述标注区域和所述地下电缆存在故障的结果的数量达到预设数量时，则通过关联存储的所述标注区域和所述地下电缆存在故障的结果对所述地下电缆故障识别模型进行再次训练。
在其中一个实施例中，所述对所述二次图像进行识别，以判断所述地下电缆是否故障，包括：
根据所述预先训练的地下电缆故障识别模型对所述二次图像进行识别，以判断所述地下电缆是否故障。
一种基于标注区域的地下电缆故障检测装置，所述装置包括：
第一接收模块，用于接收机器人所采集的地下电缆图像；
标注模块，用于对所述地下电缆图像进行识别以得到标注区域，并将所述标注区域发送给用户终端进行显示；
第二接收模块，用于接收所述用户终端针对所述标注区域的反馈信息；
采集指令发送模块，用于当所述反馈信息表示对所述标注区域进行再次采集时，则向所述机器人发送采集与所述标注区域对应的图像的采集指令；
第三接收模块，用于接收所述机器人根据所述采集指令所采集的二次图像，并对所述二次图像进行识别，以判断所述地下电缆是否故障。
在其中一个实施例中，所述标注模块包括：
标注单元，用于基于预先训练的地下电缆故障识别模型对所述地下电缆图像进行识别，以判断所述地下电缆存在故障的概率是否在预设范围内，若在预设范围内，则通过地下电缆故障识别模型提取所述地下电缆图像中的标注区域；
所述装置还包括：
历史数据获取模块，用于获取历史数据，并对所述历史数据中的故障区域进行标注；
第一训练模块，用于对标注后的历史数据进行训练得到地下电缆故障识别模型。
在其中一个实施例中，所述装置还包括：
关联存储模块，用于当所述反馈信息表示地下电缆存在故障时，则输出地下电缆存在故障的结果，并将所述标注区域和所述地下电缆存在故障的结果进行关联存储。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述中任一项所述方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述中任一项所述的方法的步骤。
上述基于标注区域的地下电缆故障检测方法和装置，对采集的地下电缆图像首先进行识别，如果能判断出故障，则直接输出故障，否则则可以进行标注得到标注区域，以便于用户查看该标注区域，若用户根据经验不能判断该标注区域是否故障，则向机器人发送图像的采集指令，以便于机器人再次采集二次图像，从而根据二次图像来进行识别以判断地下电缆是否故障，提高了准确性。
附图说明
图1为一个实施例中基于标注区域的地下电缆故障检测方法的应用场景图；
图2为一个实施例中基于标注区域的地下电缆故障检测方法的流程示意图；
图3为一个实施例中基于标注区域的地下电缆故障检测装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于标注区域的地下电缆故障检测方法，可以应用于如图1所示的应用环境中。其中，机器人106、终端102通过网络与服务器104通过网络进行通信。机器人106采集地下电缆图像，并将所采集的地下电缆图像发送给服务器104，服务器104对地下电缆图像进行识别，以判断地下电缆是否故障，若故障，则直接输出故障的结果，否则识别出疑似故障的区域进行标注得到标注区域，并发送给用户终端进行判断，若用户终端不能判断该标注区域是否故障，则直接向机器人发送图像的采集指令，以便于机器人再次采集二次图像，从而根据二次图像来进行识别以判断地下电缆是否故障。对采集的地下电缆图像首先进行识别，如果能判断出故障，则直接输出故障，否则则可以进行标注得到标注区域，以便于用户查看该标注区域，若用户根据经验不能判断该标注区域是否故障，则向机器人发送图像的采集指令，以便于机器人再次采集二次图像，从而根据二次图像来进行识别以判断地下电缆是否故障，提高了准确性。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种基于标注区域的地下电缆故障检测方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S202：接收机器人所采集的地下电缆图像。
具体地，地下电缆图像是由机器人所采集的，其可以是红外图像、紫外图像或者是自然光图像，其中自然光图像是在机器人所携带的光源点亮的前提下所采集的。在其他实施例中，该地下电缆图像可以是由红外图像、紫外图像以及自然光图像所拼接形成的具有多种特征的图像。
S204：对所述地下电缆图像进行识别以得到标注区域，并将所述标注区域发送给用户终端进行显示。
具体地，服务器可以对所采集的地下电缆图像进行识别，以判断地下电缆是否出现故障，例如将所采集的地下电缆图像与故障的地下电缆的图像进行比对，若相似度大于预设值，则所述所采集的地下电缆图像对应的地下电缆出现故障。否则地下电缆没有故障，则服务器可以对地下电缆图像进行分割，以选取出地下电缆图像中与故障的地下电缆的图像的相似度最大的一个进行标注得到标注区域，并将标注区域发送给用户终端进行显示，例如以圈定的方式进行显示等。
此外，在其他的实施例中，服务器可以一边将标注区域发送给用户终端，一边进行计时，以判断在预设时间，例如2分钟内用户是否给出反馈，若没有，则服务器直接向机器人发送图像采集指令，以便于机器人对标注区域进行图像采集。
S206：接收所述用户终端针对所述标注区域的反馈信息。
具体地，用户终端接收到服务器发送的标注区域后，则可以根据经验对该标注区域进行查看，若可以确定该标注区域对应的地下电缆存在故障，则直接返回地下电缆存在故障的反馈信息，若不能确定该标注区域对应的地下电缆存在故障，则可以反馈再次采集图像的信息。若能确定该标注区域对应的地下电缆不存在故障，则返回地下电缆不存在故障的反馈信息。
S208：当所述反馈信息表示对所述标注区域进行再次采集时，则向所述机器人发送采集与所述标注区域对应的图像的采集指令。
具体地，当反馈信息标识对标注区域进行再次采集时，则服务器向机器人发送针对标注区域的图像的采集指令，即服务器首先根据反馈信息确定对应的标注区域，然后根据标注区域确定对应的地下电缆图像，然后根据标注区域在地下电缆图像中的坐标以及地下电缆图像对应的地下电缆的位置确定标注区域对应的地下电缆的实际位置，从而服务器可以向对应的机器人发送该实际位置，以便于机器人可以移动至该实际位置处，以进行图像采集。
S210：接收所述机器人根据所述采集指令所采集的二次图像，并对所述二次图像进行识别，以判断所述地下电缆是否故障。
具体地，如上一步中的限定，机器人移动至该实际位置处后，再次进行图像采集，其中所采集的图像其可以是红外图像、紫外图像或者是自然光图像，其中自然光图像是在机器人所携带的光源点亮的前提下所采集的。在其他实施例中，该地下电缆图像可以是由红外图像、紫外图像以及自然光图像所拼接形成的具有多种特征的图像。
这样服务器根据二次图像进行识别以判断地下电缆是否故障，若故障，则直接输出故障的结果，否则还是发送给用户终端由用户终端进行判断，直至本次对应的地下电缆确定为故障或者是非故障为止。
上述基于标注区域的地下电缆故障检测方法，对采集的地下电缆图像首先进行识别，如果能判断出故障，则直接输出故障，否则则可以进行标注得到标注区域，以便于用户查看该标注区域，若用户根据经验不能判断该标注区域是否故障，则向机器人发送图像的采集指令，以便于机器人再次采集二次图像，从而根据二次图像来进行识别以判断地下电缆是否故障，提高了准确性。
在其中一个实施例中，所述对所述地下电缆图像进行识别以得到标注区域，包括：基于预先训练的地下电缆故障识别模型对所述地下电缆图像进行识别，以判断所述地下电缆存在故障的概率是否在预设范围内，若在预设范围内，则通过地下电缆故障识别模型提取所述地下电缆图像中的标注区域。
所述地下电缆故障识别模型的训练方式包括：获取历史数据，并对所述历史数据中的故障区域进行标注；对标注后的历史数据进行训练得到地下电缆故障识别模型。
具体地，其中对地下电缆图像进行识别得到标注区域可以是通过预先训练的地下电缆故障识别模型得到的，该地下电缆故障识别模型是根据历史数据进行训练得到的，例如服务器可以先获取到历史数据，并对历史数据中存在故障的区域进行标注，然后服务器对标注的区域进行学习，这样可以得到地下电缆故障识别模型。从而当服务器将地下电缆图像输入到地下电缆故障识别模型时，该地下电缆故障识别模型一个线程对整个地下电缆图像进行识别以判断地下电缆是否故障，若故障则直接输出，另一个线程则对地下电缆图像进行分割，这样若上一个线程判断地下电缆不存在故障，则该线程直接通过地下电缆故障识别模型对分割后的分割区域进行判断，例如判断地下电缆存在故障的概率，并获取到故障概率在预设范围内的分割区域，最后将该分割区域进行输出作为标注区域。
在其中一个实施例中，所述接收所述用户终端针对所述标注区域的反馈信息之后，还包括：当所述反馈信息表示地下电缆存在故障时，则输出地下电缆存在故障的结果，并将所述标注区域和所述地下电缆存在故障的结果进行关联存储。
在其中一个实施例中，所述方法还包括：当关联存储的所述标注区域和所述地下电缆存在故障的结果的数量达到预设数量时，则通过关联存储的所述标注区域和所述地下电缆存在故障的结果对所述地下电缆故障识别模型进行再次训练。
具体地，服务器将标注区域发送给用户终端后，当用户终端的反馈信息表示地下电缆存在故障时，则输出地下电缆存在故障的结果，并将所述标注区域和所述地下电缆存在故障的结果进行关联存储。这样将用户的经验进行积累，以便于后续模型的优化处理。
也就是说，服务器将标注区域和所述地下电缆存在故障的结果进行关联存储，例如一个标注区域和所述地下电缆存在故障的结果作为一条记录，服务器可以统计记录的条数，若条数达到了预设数量，则服务器可以通过关联存储的所述标注区域和所述地下电缆存在故障的结果对所述地下电缆故障识别模型进行再次训练。其中在另外的实施例中，还可以计算上述的记录的频率，若在一段时间内，关联存储的标注区域和所述地下电缆存在故障的结果的记录较多，则说明此时模型的效果存在问题，因此，即使记录的条数未达到预设数量，则服务器也可以启动针对模型的优化工作。
在其中一个实施例中，所述对所述二次图像进行识别，以判断所述地下电缆是否故障，包括：根据所述预先训练的地下电缆故障识别模型对所述二次图像进行识别，以判断所述地下电缆是否故障。
具体地，此处的地下电缆故障识别模型即上文中的模型，其中当服务器将二次图像输入到地下电缆故障识别模型时，该地下电缆故障识别模型一个线程对整个二次图像进行识别以判断地下电缆是否故障，若故障则直接输出，另一个线程则对二次图像进行分割，这样若上一个线程判断地下电缆不存在故障，则该线程直接通过地下电缆故障识别模型对分割后的分割区域进行判断，例如判断地下电缆存在故障的概率，并获取到故障概率在预设范围内的分割区域，最后将该分割区域进行输出作为标注区域，并继续上述步骤，直至该区域的地下电缆被判定为故障或非故障。
应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图3所示，提供了一种基于标注区域的地下电缆故障检测装置，包括：
第一接收模块100，用于接收机器人所采集的地下电缆图像；
标注模块200，用于对所述地下电缆图像进行识别以得到标注区域，并将所述标注区域发送给用户终端进行显示；
第二接收模块300，用于接收所述用户终端针对所述标注区域的反馈信息；
采集指令发送模块400，用于当所述反馈信息表示对所述标注区域进行再次采集时，则向所述机器人发送采集与所述标注区域对应的图像的采集指令；
第三接收模块500，用于接收所述机器人根据所述采集指令所采集的二次图像，并对所述二次图像进行识别，以判断所述地下电缆是否故障。
在其中一个实施例中，所述标注模块包括：
标注单元，用于基于预先训练的地下电缆故障识别模型对所述地下电缆图像进行识别，以判断所述地下电缆存在故障的概率是否在预设范围内，若在预设范围内，则通过地下电缆故障识别模型提取所述地下电缆图像中的标注区域；
所述装置还包括：
历史数据获取模块，用于获取历史数据，并对所述历史数据中的故障区域进行标注；
第一训练模块，用于对标注后的历史数据进行训练得到地下电缆故障识别模型。
在其中一个实施例中，所述装置还包括：
关联存储模块，用于当所述反馈信息表示地下电缆存在故障时，则输出地下电缆存在故障的结果，并将所述标注区域和所述地下电缆存在故障的结果进行关联存储。
在其中一个实施例中，上述装置还可以包括：
第二训练模块，用于当关联存储的所述标注区域和所述地下电缆存在故障的结果的数量达到预设数量时，则通过关联存储的所述标注区域和所述地下电缆存在故障的结果对所述地下电缆故障识别模型进行再次训练。
在其中一个实施例中，所述第三接收模块还用于根据所述预先训练的地下电缆故障识别模型对所述二次图像进行识别，以判断所述地下电缆是否故障。
关于基于标注区域的地下电缆故障检测装置的具体限定可以参见上文中对于基于标注区域的地下电缆故障检测方法的限定，在此不再赘述。上述基于标注区域的地下电缆故障检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于标注区域的地下电缆故障检测方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收机器人所采集的地下电缆图像；对所述地下电缆图像进行识别以得到标注区域，并将所述标注区域发送给用户终端进行显示；接收所述用户终端针对所述标注区域的反馈信息；当所述反馈信息表示对所述标注区域进行再次采集时，则向所述机器人发送采集与所述标注区域对应的图像的采集指令；接收所述机器人根据所述采集指令所采集的二次图像，并对所述二次图像进行识别，以判断所述地下电缆是否故障。
在一个实施例中，处理器执行计算机程序时所实现的所述对所述地下电缆图像进行识别以得到标注区域，包括：基于预先训练的地下电缆故障识别模型对所述地下电缆图像进行识别，以判断所述地下电缆存在故障的概率是否在预设范围内，若在预设范围内，则通过地下电缆故障识别模型提取所述地下电缆图像中的标注区域；处理器执行计算机程序时所实现的所述地下电缆故障识别模型的训练方式包括：获取历史数据，并对所述历史数据中的故障区域进行标注；对标注后的历史数据进行训练得到地下电缆故障识别模型。
在一个实施例中，处理器执行计算机程序时所实现的所述接收所述用户终端针对所述标注区域的反馈信息之后，还包括：当所述反馈信息表示地下电缆存在故障时，则输出地下电缆存在故障的结果，并将所述标注区域和所述地下电缆存在故障的结果进行关联存储。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：当关联存储的所述标注区域和所述地下电缆存在故障的结果的数量达到预设数量时，则通过关联存储的所述标注区域和所述地下电缆存在故障的结果对所述地下电缆故障识别模型进行再次训练。
在一个实施例中，处理器执行计算机程序时所实现的所述对所述二次图像进行识别，以判断所述地下电缆是否故障，包括：根据所述预先训练的地下电缆故障识别模型对所述二次图像进行识别，以判断所述地下电缆是否故障。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收机器人所采集的地下电缆图像；对所述地下电缆图像进行识别以得到标注区域，并将所述标注区域发送给用户终端进行显示；接收所述用户终端针对所述标注区域的反馈信息；当所述反馈信息表示对所述标注区域进行再次采集时，则向所述机器人发送采集与所述标注区域对应的图像的采集指令；接收所述机器人根据所述采集指令所采集的二次图像，并对所述二次图像进行识别，以判断所述地下电缆是否故障。
在一个实施例中，计算机程序被处理器执行时所实现的所述对所述地下电缆图像进行识别以得到标注区域，包括：基于预先训练的地下电缆故障识别模型对所述地下电缆图像进行识别，以判断所述地下电缆存在故障的概率是否在预设范围内，若在预设范围内，则通过地下电缆故障识别模型提取所述地下电缆图像中的标注区域；处理器执行计算机程序时所实现的所述地下电缆故障识别模型的训练方式包括：获取历史数据，并对所述历史数据中的故障区域进行标注；对标注后的历史数据进行训练得到地下电缆故障识别模型。
在一个实施例中，计算机程序被处理器执行时所实现的所述接收所述用户终端针对所述标注区域的反馈信息之后，还包括：当所述反馈信息表示地下电缆存在故障时，则输出地下电缆存在故障的结果，并将所述标注区域和所述地下电缆存在故障的结果进行关联存储。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：当关联存储的所述标注区域和所述地下电缆存在故障的结果的数量达到预设数量时，则通过关联存储的所述标注区域和所述地下电缆存在故障的结果对所述地下电缆故障识别模型进行再次训练。
在一个实施例中，计算机程序被处理器执行时所实现的所述对所述二次图像进行识别，以判断所述地下电缆是否故障，包括：根据所述预先训练的地下电缆故障识别模型对所述二次图像进行识别，以判断所述地下电缆是否故障。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于标注区域的地下电缆故障检测方法，所述方法包括：
接收机器人所采集的地下电缆图像；
对所述地下电缆图像进行识别以得到标注区域，并将所述标注区域发送给用户终端进行显示；
接收所述用户终端针对所述标注区域的反馈信息；
当所述反馈信息表示对所述标注区域进行再次采集时，则向所述机器人发送采集与所述标注区域对应的图像的采集指令；
接收所述机器人根据所述采集指令所采集的二次图像，并对所述二次图像进行识别，以判断所述地下电缆是否故障。
2.根据权利要求1所述的方法，其特征在于，所述对所述地下电缆图像进行识别以得到标注区域，包括：
基于预先训练的地下电缆故障识别模型对所述地下电缆图像进行识别，以判断所述地下电缆存在故障的概率是否在预设范围内，若在预设范围内，则通过地下电缆故障识别模型提取所述地下电缆图像中的标注区域；
所述地下电缆故障识别模型的训练方式包括：
获取历史数据，并对所述历史数据中的故障区域进行标注；
对标注后的历史数据进行训练得到地下电缆故障识别模型。
3.根据权利要求2所述的方法，其特征在于，所述接收所述用户终端针对所述标注区域的反馈信息之后，还包括：
当所述反馈信息表示地下电缆存在故障时，则输出地下电缆存在故障的结果，并将所述标注区域和所述地下电缆存在故障的结果进行关联存储。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
当关联存储的所述标注区域和所述地下电缆存在故障的结果的数量达到预设数量时，则通过关联存储的所述标注区域和所述地下电缆存在故障的结果对所述地下电缆故障识别模型进行再次训练。
5.根据权利要求2所述的方法，其特征在于，所述对所述二次图像进行识别，以判断所述地下电缆是否故障，包括：
根据所述预先训练的地下电缆故障识别模型对所述二次图像进行识别，以判断所述地下电缆是否故障。
6.一种基于标注区域的地下电缆故障检测装置，其特征在于，所述装置包括：
第一接收模块，用于接收机器人所采集的地下电缆图像；
标注模块，用于对所述地下电缆图像进行识别以得到标注区域，并将所述标注区域发送给用户终端进行显示；
第二接收模块，用于接收所述用户终端针对所述标注区域的反馈信息；
采集指令发送模块，用于当所述反馈信息表示对所述标注区域进行再次采集时，则向所述机器人发送采集与所述标注区域对应的图像的采集指令；
第三接收模块，用于接收所述机器人根据所述采集指令所采集的二次图像，并对所述二次图像进行识别，以判断所述地下电缆是否故障。
7.根据权利要求6所述的装置，其特征在于，所述标注模块包括：
标注单元，用于基于预先训练的地下电缆故障识别模型对所述地下电缆图像进行识别，以判断所述地下电缆存在故障的概率是否在预设范围内，若在预设范围内，则通过地下电缆故障识别模型提取所述地下电缆图像中的标注区域；
所述装置还包括：
历史数据获取模块，用于获取历史数据，并对所述历史数据中的故障区域进行标注；
第一训练模块，用于对标注后的历史数据进行训练得到地下电缆故障识别模型。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括：
关联存储模块，用于当所述反馈信息表示地下电缆存在故障时，则输出地下电缆存在故障的结果，并将所述标注区域和所述地下电缆存在故障的结果进行关联存储。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911136156.1A CN110889357B (zh) | 2019-11-19 | 2019-11-19 | 基于标注区域的地下电缆故障检测方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911136156.1A CN110889357B (zh) | 2019-11-19 | 2019-11-19 | 基于标注区域的地下电缆故障检测方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110889357A true CN110889357A (zh) | 2020-03-17 |
| CN110889357B CN110889357B (zh) | 2023-10-27 |
Family
ID=69747981
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911136156.1A Active CN110889357B (zh) | 2019-11-19 | 2019-11-19 | 基于标注区域的地下电缆故障检测方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110889357B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113301142A (zh) * | 2021-05-21 | 2021-08-24 | 广州科技贸易职业学院 | 一种基于物联网的网络安全监控方法及系统 |
| CN113947563A (zh) * | 2021-08-27 | 2022-01-18 | 国网浙江省电力有限公司 | 一种基于深度学习的电缆工艺质量动态缺陷检测方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120159252A1 (en) * | 2010-12-21 | 2012-06-21 | Britto Rossario | System and method for construction, fault isolation, and recovery of cabling topology in a storage area network |
| CN103512762A (zh) * | 2012-06-29 | 2014-01-15 | 北京华兴致远科技发展有限公司 | 图像处理方法、装置及列车故障检测系统 |
| CN107690659A (zh) * | 2016-12-27 | 2018-02-13 | 深圳前海达闼云端智能科技有限公司 | 一种图像识别系统及图像识别方法 |
| CN108345880A (zh) * | 2018-01-26 | 2018-07-31 | 金蝶软件（中国）有限公司 | 发票识别方法、装置、计算机设备和存储介质 |
| CN108357517A (zh) * | 2018-05-21 | 2018-08-03 | 北京京天威科技发展有限公司 | 动车组列车运行故障信息检测方法和系统 |
| CN108416294A (zh) * | 2018-03-08 | 2018-08-17 | 南京天数信息科技有限公司 | 一种基于深度学习的风机叶片故障智能识别方法 |
| CN109765462A (zh) * | 2019-03-05 | 2019-05-17 | 国家电网有限公司 | 输电线路的故障检测方法、装置和终端设备 |
| CN110060237A (zh) * | 2019-03-29 | 2019-07-26 | 腾讯科技（深圳）有限公司 | 一种故障检测方法、装置、设备及系统 |
-
2019
- 2019-11-19 CN CN201911136156.1A patent/CN110889357B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120159252A1 (en) * | 2010-12-21 | 2012-06-21 | Britto Rossario | System and method for construction, fault isolation, and recovery of cabling topology in a storage area network |
| CN103512762A (zh) * | 2012-06-29 | 2014-01-15 | 北京华兴致远科技发展有限公司 | 图像处理方法、装置及列车故障检测系统 |
| CN107690659A (zh) * | 2016-12-27 | 2018-02-13 | 深圳前海达闼云端智能科技有限公司 | 一种图像识别系统及图像识别方法 |
| CN108345880A (zh) * | 2018-01-26 | 2018-07-31 | 金蝶软件（中国）有限公司 | 发票识别方法、装置、计算机设备和存储介质 |
| CN108416294A (zh) * | 2018-03-08 | 2018-08-17 | 南京天数信息科技有限公司 | 一种基于深度学习的风机叶片故障智能识别方法 |
| CN108357517A (zh) * | 2018-05-21 | 2018-08-03 | 北京京天威科技发展有限公司 | 动车组列车运行故障信息检测方法和系统 |
| CN109765462A (zh) * | 2019-03-05 | 2019-05-17 | 国家电网有限公司 | 输电线路的故障检测方法、装置和终端设备 |
| CN110060237A (zh) * | 2019-03-29 | 2019-07-26 | 腾讯科技（深圳）有限公司 | 一种故障检测方法、装置、设备及系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113301142A (zh) * | 2021-05-21 | 2021-08-24 | 广州科技贸易职业学院 | 一种基于物联网的网络安全监控方法及系统 |
| CN113947563A (zh) * | 2021-08-27 | 2022-01-18 | 国网浙江省电力有限公司 | 一种基于深度学习的电缆工艺质量动态缺陷检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110889357B (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111210024B (zh) | 模型训练方法、装置、计算机设备和存储介质 | |
| CN109472213B (zh) | 掌纹识别方法、装置、计算机设备和存储介质 | |
| CN111667011A (zh) | 损伤检测模型训练、车损检测方法、装置、设备及介质 | |
| CN110008251B (zh) | 基于时序数据的数据处理方法、装置和计算机设备 | |
| CN109285105A (zh) | 水印检测方法、装置、计算机设备和存储介质 | |
| CN112364715B (zh) | 核电作业异常监控方法、装置、计算机设备和存储介质 | |
| CN110868241B (zh) | 基于多模型的地下电缆故障预警方法和装置 | |
| CN110875851B (zh) | 地下电缆故障预警方法和装置 | |
| CN110781859B (zh) | 图像标注方法、装置、计算机设备和存储介质 | |
| CN113705685B (zh) | 疾病特征识别模型训练、疾病特征识别方法、装置及设备 | |
| CN109657107B (zh) | 一种基于第三方应用的终端匹配方法和装置 | |
| CN113343847B (zh) | 异常数据检测方法、装置、计算机设备和可读存储介质 | |
| CN110837956A (zh) | 地下电缆巡检任务分配方法和装置 | |
| CN112272288A (zh) | 核电作业监控方法、装置、计算机设备和存储介质 | |
| CN111199346A (zh) | 综合管廊监理方法、装置、计算机设备以及存储介质 | |
| CN110798245A (zh) | 基于单模型的地下电缆故障预警方法和装置 | |
| CN109783365A (zh) | 自动化测试方法、装置、计算机设备及存储介质 | |
| CN110889357A (zh) | 基于标注区域的地下电缆故障检测方法和装置 | |
| CN110866634A (zh) | 基于模型选择的地下电缆故障预警方法和装置 | |
| CN113284002A (zh) | 用电数据异常检测方法、装置、计算机设备和存储介质 | |
| CN108200087B (zh) | web入侵检测方法、装置、计算机设备和存储介质 | |
| CN110825923A (zh) | 基于单模型的地下电缆故障修复方法和装置 | |
| CN110490079B (zh) | 巡检数据处理方法、装置、计算机设备和存储介质 | |
| CN110163151B (zh) | 人脸模型的训练方法、装置、计算机设备和存储介质 | |
| CN110852461A (zh) | 故障地下电缆定位方法和装置 |
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 |