CN111950369A - 一种变电站指针式刀闸动作程度识别方法及装置 - Google Patents
一种变电站指针式刀闸动作程度识别方法及装置 Download PDFInfo
- Publication number
- CN111950369A CN111950369A CN202010661620.5A CN202010661620A CN111950369A CN 111950369 A CN111950369 A CN 111950369A CN 202010661620 A CN202010661620 A CN 202010661620A CN 111950369 A CN111950369 A CN 111950369A
- Authority
- CN
- China
- Prior art keywords
- designated character
- determining
- disconnecting link
- indicator
- state
- 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.)
- Pending
Links
- 230000009471 action Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000003062 neural network model Methods 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
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种变电站指针式刀闸动作程度识别方法及装置,用以解决目前无法准确对刀闸在相应状态内的动作程度进行准确识别,且人工识别耗费人力物力,不利于变电站的良好管理的问题。该方法采集待识别刀闸图像;根据预先训练好的目标检测模型,确定所述待识别刀闸图像中的指定字符位置、刻度尺位置与指示器位置;根据所述指定字符位置、刻度尺位置与指示器位置之间的关系,确定所述待识别刀闸图像中刀闸的分合状态;根据所述指示器位置与相应刻度尺的起点、终点之间的关系,确定所述刀闸在相应状态内的动作程度。
Description
技术领域
本申请涉及刀闸状态识别技术领域,尤其涉及一种变电站指针式刀闸动作程度识别方法及装置。
背景技术
在变电站中,刀闸具有过流保护、分合控制、紧急制动等作用,是十分重要的电力设备。因此,对刀闸的分合状态进行准确识别,时刻掌握刀闸的状态,是十分有必要的。
目前,对指针式刀闸的分合状态进行识别的方法包括:通过视频监控画面进行人工确认,或者通过采集待识别的刀闸图像,进行图像识别,以判断刀闸的分合状态。
但是,刀闸的分合状态不仅表现为一个状态点,而是表现为一个状态范围,在相应的状态范围内,刀闸会持续处于分闸状态或持续处于合闸状态。而现有的刀闸状态识别方法,无法准确对刀闸在相应状态范围内的具体的动作程度进行识别。而用人工识别的方法,耗费人力物力,不利于变电站的良好管理。
发明内容
本申请实施例提供一种变电站指针式刀闸动作程度识别方法及装置,用以解决目前无法准确对刀闸在相应状态内的动作程度进行准确识别,且人工识别耗费人力物力,不利于变电站的良好管理的问题。
本申请实施例提供的一种变电站指针式刀闸动作程度识别方法,包括:
采集待识别刀闸图像;
根据预先训练好的目标检测模型,确定所述待识别刀闸图像中的指定字符位置、刻度尺位置与指示器位置;
根据所述指定字符位置、刻度尺位置与指示器位置之间的关系,确定所述待识别刀闸图像中刀闸的分合状态;
根据所述指示器位置与相应刻度尺的起点、终点之间的关系,确定所述刀闸在相应状态内的动作程度。
在一个示例中,所述目标检测模型通过以下方式训练得到:获取若干刀闸图像;对所述若干刀闸图像的指定字符位置、刻度尺位置与指示器位置进行标注,得到训练数据集;根据所述训练数据集,训练Faster RCNN目标检测模型。
在一个示例中,所述指定字符包括第一指定字符与第二指定字符;所述第一指定字符与第二指定字符分别指示所述刀闸的分闸状态与合闸状态。
在一个示例中,根据预先训练好的目标检测模型,确定所述待识别刀闸图像中的指定字符位置、刻度尺位置与指示器位置,包括:根据预先训练好的目标检测模型,对所述待识别刀闸图像中的第一指定字符与第二指定字符进行识别,分别确定所述第一指定字符的位置与第二指定字符的位置;以及根据预先训练好的目标检测模型,确定所述第一指定字符与第二指定字符分别对应的刻度尺的起点与终点的位置;以及根据预先训练好的目标检测模型,确定指示器位置。
在一个示例中,根据所述指定字符位置、刻度尺位置与指示器位置之间的关系,确定所述待识别刀闸图像中刀闸的分合状态,包括:将所述指示器位置的坐标,分别与所述第一指定字符的位置坐标与第二指定字符的位置坐标进行匹配,确定相匹配的指定字符;根据所述相匹配的指定字符所指示的状态,确定所述待识别刀闸图像中刀闸的分合状态。
在一个示例中,根据所述指定字符位置、刻度尺位置与指示器位置之间的关系,确定所述待识别刀闸图像中刀闸的分合状态,包括:根据所述指示器的位置坐标与第一指定字符的位置坐标,确定所述指示器与所述第一指定字符之间的第一距离;根据所述指示器的位置坐标与第二指定字符的位置坐标,确定所述指示器与所述第二指定字符之间的第二距离;根据所述第一距离与第二距离之间的关系,确定与所述指示器位置相匹配的指定字符;根据所述相匹配的指定字符所指示的状态,确定所述待识别刀闸图像中刀闸的分合状态。
在一个示例中,将所述指示器位置的坐标,分别与所述第一指定字符的位置坐标与第二指定字符的位置坐标进行匹配,确定相匹配的指定字符,包括:确定所述指示器的顶点坐标;确定所述第一指定字符所在位置的第一横坐标范围与第二指定字符所在位置的第二横坐标范围;将所述指示器的顶点坐标分别与所述第一横坐标范围、第二横坐标范围进行匹配,确定相匹配的指定字符。
在一个示例中,根据所述第一距离与第二距离之间的关系,确定与所述指示器位置相匹配的指定字符,包括:确定所述第一距离与第二距离的比值;根据预设的第一范围、第二范围、第三范围,确定所述比值在第一范围内时,相匹配的指定字符为第一指定字符;所述比值在第二范围内时,相匹配的指定字符为第二指定字符;所述比值在第三范围内时,不存在相匹配的指定字符。
在一个示例中,根据所述指示器位置与相应刻度尺的起点、终点之间的关系,确定所述刀闸在相应状态内的动作程度,包括:根据预先训练好的目标检测模型,确定所述指示器的顶点位置;根据所述顶点位置与所述对应的刻度尺位置的起点、终点之间的距离,确定所述刀闸在相应状态内的动作程度。
本申请实施例提供的一种变电站指针式刀闸动作程度识别装置,包括:
采集模块,采集待识别刀闸图像;
第一确定模块,根据预先训练好的目标检测模型,确定所述待识别刀闸图像中的指定字符位置、刻度尺位置与指示器位置;
第二确定模块,根据所述指定字符位置、刻度尺位置与指示器位置之间的关系,确定所述待识别刀闸图像中刀闸的分合状态;
第三确定模块,根据所述指示器位置与相应刻度尺的起点、终点之间的关系,确定所述刀闸在相应状态内的动作程度。
本申请实施例提供一种变电站指针式刀闸动作程度识别方法及装置,至少包括以下有益效果:
基于深度学习算法,能够对指针式刀闸的分合状态进行准确识别,具有较高的准确率。并且,通过判断指示器与刻度尺起点、终点之间的距离大小,能够对指示器的移动进行准确的判断,进而对刀闸的动作程度进行准确的判断。
这样能够对变电站中指针式刀闸的状态进行有力的监控,准确掌握刀闸的当前状态,以及刀闸在当前状态的动作程度,以便后续对其他电力设备进行相关调控,实现对变电站的良好管理。
并且,本方法基本实现的了自动化,能够大量节省人力、物力,有利于变电站的良好运营。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的变电站指针式刀闸动作程度识别方法流程图;
图2为本申请实施例提供的变电站指针式刀闸结构示意图;
图3为本申请实施例提供的变电站指针式刀闸动作程度识别装置结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1为本申请实施例提供的变电站指针式刀闸动作程度识别方法流程图,具体包括以下步骤:
S101:采集待识别刀闸图像。
在本申请实施例中,服务器可通过摄像头等图像采集装置,采集待识别刀闸图像。其中,待识别刀闸图像表示需要进行分合状态识别的刀闸图像。
刀闸的分合状态表示刀闸当前的工作状态,其中,分表示分闸状态,即刀闸处于断开状态,合表示合闸状态,即刀闸处于合闸连通状态。
如图2所示为指针式刀闸结构示意图。
在图2中,指针式刀闸主要包括刀闸主体21、指定字符22、刻度尺23与指示器24。其中,指定字符22设置在刀闸主体21上,用于表示刀闸的分合状态;刻度尺23与指定字符22对应设置,刻度尺的刻度范围的大小表示刀闸在相应的分合状态的最大分合程度;指示器24与刀闸柄(图中未示出)联动控制,其可根据刀闸柄对刀闸的操控,左右滑动,以移动自身顶点的指向,用于指示刀闸的当前状态,并且,指示器24的顶点指向的刻度尺的值,表示刀闸在相应状态内的动作程度。
其中,刻度尺的最大刻度范围与刀闸的最大分合程度相对应,刻度尺中最小单位的一格刻度所表示的刀闸的转动角度,可由刻度尺的最大刻度范围与最小单位的刻度格的数量之间的关系决定。
S102:根据预先训练好的神经网络模型,确定待识别刀闸图像中的指定字符位置、刻度尺位置与指示器位置。
在本申请实施例中,服务器可将待识别刀闸图像输入预先训练好的目标检测模型,进行预设目标的检测,以预测得到目标检测模型输出的待识别图像中的指定字符位置、刻度尺位置与指示器位置。其中,预设目标即为刀闸上的指定字符、刻度尺与指示器,上述各位置信息可包括相应对象的坐标信息。
在一个实施例中,目标检测模型可通过以下方式训练得到:
第一,服务器可通过采集、接收等方式,获取若干刀闸图像;
第二,服务器可确定采集得到的若干刀闸图像中指定字符的位置、刻度尺的位置与指示器的位置,并在每一张图像中进行标注,得到标注后的刀闸图像,组成训练数据集;
第三,服务器可根据训练数据集,训练Faster RCNN目标检测模型,直至得到目标检测准确性达到预设值、训练完成的Faster RCNN目标检测模型。
具体的,服务器可将训练数据集划分为训练集与验证集,采用训练集对FasterRCNN目标检测模型进行训练,采用验证集对Faster RCNN目标检测模型的检测准确性进行验证。
S103:根据指定字符位置、刻度尺位置与指示器位置之间的关系,确定待识别刀闸图像中刀闸的分合状态。
在本申请实施例中,服务器可根据待识别刀闸图像中的指定字符位置、刻度值位置与指示器位置之间的位置关系,确定出待识别图像对应的刀闸的分合状态。
在一个实施例中,待识别刀闸图像中的指定字符可包括第一指定字符与第二指定字符,第一指定字符与第二指定字符分别表示刀闸的分闸状态与合闸状态。其中,第一指定字符、第二指定字符具体分别是哪个字符,其大小、位置均可根据需要设置,本申请对此不做限定。
例如,在图2中,第一指定字符为“分”,表示刀闸的分闸状态,第二指定字符为“合”,表示刀闸的合闸状态。
在一个实施例中,服务器在根据预先训练好的目标检测模型,对待识别刀闸图像进行目标检测时:
针对指定字符位置的检测,服务器可通过目标检测模型对待识别刀闸图像中的第一指定字符与第二指定字符进行文字识别,并分别确定第一指定字符与第二指定字符的位置,包括第一指定字符、第二指定字符分别所在目标框的坐标;
针对刻度尺位置的检测,服务器可通过目标检测模型确定第一指定字符与第二指定字符分别对应的刻度尺,并分别确定两个刻度尺的起点与终点的位置。包括起点与终点的坐标;其中,刻度尺的起点与终点表示刻度尺的刻度范围的两端;
针对指示器位置的检测,服务器可通过目标检测模型确定指示器的位置,包括指示器所在目标框的坐标,以及指示器的顶点的坐标。
其中,服务器对指定字符位置、刻度尺位置、指示器位置的检测没有先后顺序。
在一个实施例中,服务器根据指定字符位置、刻度尺位置与指示器位置之间的关系,确定待识别刀闸图像中刀闸的分合状态的一种方式可以是:
服务器可将指示器的位置坐标,分别与第一指定字符的位置坐标与第二指定字符的位置坐标进行匹配,确定与指示器位置坐标相匹配的指定字符。其中,指示器位置坐标与指定字符的位置坐标相匹配,表示指示器当前指示的方向为该指定字符。
于是,服务器可确定该相匹配的指定字符,即为指示器所指示的方向,则服务器可根据该相匹配的指定字符所表示的状态,确定待识别刀闸图像中刀闸的分合状态。
在一种可能的实现方式中,服务器可确定指示器的顶点坐标,以及第一指定字符所在目标框对应的第一横坐标范围、第二指定字符所在目标框对应的第二横坐标范围。之后,服务器可将指示器的顶点坐标与上述第一横坐标范围、第二横坐标范围分别进行匹配,以确定与指示器位置相匹配的指定字符。
服务器可在指示器的顶点坐标中的横坐标落在第一横坐标范围内时,确定指示器指向第一指定字符,或者,指示器的顶点横坐标落在第二横坐标范围内时,确定指示器指向第二指定字符。
由于第一指定字符与第二指定字符对应的刻度尺之间存在空白区域,指示器指向该空白区域时,表示刀闸处于分合不到位状态。于是,若指示器的顶点坐标不属于第一横坐标范围与第二横坐标范围时,服务器可确定指示器不指向任何一个指定字符,而是指向了空白区域,则可确定刀闸处于分合不到位状态。
在一个实施例中,服务器根据指定字符位置、刻度尺位置与指示器位置之间的关系,确定待识别刀闸图像中刀闸的分合状态的另一种方式可以是:
服务器可根据指示器的顶点与第一指定字符的位置的中心点,确定指示器与第一指定字符之间的第一距离;根据指示器的顶点与第二指定字符的位置的中心点,确定指示器与第二指定字符之间的第二距离。之后,服务器可根据第一距离与第二距离之间的大小关系,确定指示器距离第一指定字符与第二指定字符的远近,以据此确定与指示器位置相匹配的指定字符。于是,服务器可根据与指示器位置相匹配的指定字符所指示的状态,确定待识别刀闸图像中刀闸的分合状态。
在一种可能的实现方式中,服务器可在第一距离大于第二距离、且两者之间的差值大于预设值时,确定指示器距离第一指定字符较近,与第一指定字符匹配;在第二距离大于第一距离、且两者之间的差值大于预设值时,确定指示器距离第二指定字符较近,与第二指定字符匹配;在除上述两种情况之外的其他情况下,表示指示器可能指向两个刻度尺之间的空白区域。其中,预设值是根据刻度尺的长度与空白区域的长度设置的。
在另一种可能的实现方式中,服务器可确定第一距离与第二距离的比值。之后,服务器可根据预设的第一范围、第二范围、第三范围,确定第一距离与第二距离的比值在第一范围内时,指示器与位置与第一指定字符匹配;第一距离与第二距离的比值在第二范围内时,指示器位置与第二指定字符匹配;第一距离与第二距离的比值在第三范围内时,指示器指向空白区域,不存在相匹配的指定字符。其中,第一范围、第二范围、第三范围的值根据刻度尺的长度、空白区域的长度确定。
S104:根据指示器位置与相应刻度尺的起点、终点之间的关系,确定刀闸在相应状态内的动作程度。
在本申请实施例中,服务器在确定待识别刀闸图像中刀闸的分合状态后,可确定与指示器位置相对应的刻度尺。于是,服务器可根据指示器位置与相应刻度尺的起点、终点之间的关系,确定刀闸在相应状态内的动作程度。
在一个实施例中,服务器可确定指示器位置的顶点位置的坐标,以及对应的刻度尺位置的起点与终点的坐标。并且,服务器可确定指示器的顶点坐标与该起点坐标之间的距离,以及指示器的顶点坐标与该终点坐标之间的距离。
于是,服务器可根据获得的两个距离,以及预设的刀闸的刻度尺范围的大小与最小刻度格的数量,确定指示器顶点与刻度尺起点之间的最小刻度格的数量,以及指示器顶点与刻度尺终点之间的最小刻度格的数量,据此可确定刀闸在相应状态内的动作程度。
在一个实施例中,在实际应用中,指示器的顶点与刻度尺之间可能不存在交叉。于是,服务器可根据指示器的顶点坐标以及指示器底部中心点的坐标的连线,确定该连线的延长线与刻度尺之间的交叉,作为指示器所指示的刻度尺的值。之后,服务器可根据该交叉点与刻度尺起点、终点之间的距离,确定刀闸在相应状态内的动作程度。
在本申请实施例中,基于深度学习算法,能够对指针式刀闸的分合状态进行准确识别,具有较高的准确率。并且,通过判断指示器与刻度尺起点、终点之间的距离大小,能够对指示器的移动进行准确的判断,进而对刀闸的动作程度进行准确的判断。
这样能够对变电站中指针式刀闸的状态进行有力的监控,准确掌握刀闸的当前状态,以及刀闸在当前状态的动作程度,以便后续对其他电力设备进行相关调控,实现对变电站的良好管理。
并且,本方法基本实现的了自动化,能够大量节省人力、物力,有利于变电站的良好运营。
以上为本申请实施例提供的变电站指针式刀闸动作程度识别方法,基于同样的发明思路,本申请实施例还提供了相应的变电站指针式刀闸动作程度识别装置,如图3所示。
图3为本申请实施例提供的变电站指针式刀闸动作程度识别装置结构示意图,具体包括:
采集模块301,采集待识别刀闸图像;
第一确定模块302,根据预先训练好的目标检测模型,确定所述待识别刀闸图像中的指定字符位置、刻度尺位置与指示器位置;
第二确定模块303,根据所述指定字符位置、刻度尺位置与指示器位置之间的关系,确定所述待识别刀闸图像中刀闸的分合状态;
第三确定模块304,根据所述指示器位置与相应刻度尺的起点、终点之间的关系,确定所述刀闸在相应状态内的动作程度。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种变电站指针式刀闸动作程度识别方法,其特征在于,包括:
采集待识别刀闸图像;
根据预先训练好的目标检测模型,确定所述待识别刀闸图像中的指定字符位置、刻度尺位置与指示器位置;
根据所述指定字符位置、刻度尺位置与指示器位置之间的关系,确定所述待识别刀闸图像中刀闸的分合状态;
根据所述指示器位置与相应刻度尺的起点、终点之间的关系,确定所述刀闸在相应状态内的动作程度。
2.根据权利要求1所述的方法,其特征在于,所述目标检测模型通过以下方式训练得到:
获取若干刀闸图像;
对所述若干刀闸图像的指定字符位置、刻度尺位置与指示器位置进行标注,得到训练数据集;
根据所述训练数据集,训练Faster RCNN目标检测模型。
3.根据权利要求1所述的方法,其特征在于,所述指定字符包括第一指定字符与第二指定字符;所述第一指定字符与第二指定字符分别指示所述刀闸的分闸状态与合闸状态。
4.根据权利要求3所述的方法,其特征在于,根据预先训练好的目标检测模型,确定所述待识别刀闸图像中的指定字符位置、刻度尺位置与指示器位置,包括:
根据预先训练好的目标检测模型,对所述待识别刀闸图像中的第一指定字符与第二指定字符进行识别,分别确定所述第一指定字符的位置与第二指定字符的位置;以及
根据预先训练好的目标检测模型,确定所述第一指定字符与第二指定字符分别对应的刻度尺的起点与终点的位置;以及
根据预先训练好的目标检测模型,确定指示器位置。
5.根据权利要求4所述的方法,其特征在于,根据所述指定字符位置、刻度尺位置与指示器位置之间的关系,确定所述待识别刀闸图像中刀闸的分合状态,包括:
将所述指示器位置的坐标,分别与所述第一指定字符的位置坐标与第二指定字符的位置坐标进行匹配,确定相匹配的指定字符;
根据所述相匹配的指定字符所指示的状态,确定所述待识别刀闸图像中刀闸的分合状态。
6.根据权利要求4所述的方法,其特征在于,根据所述指定字符位置、刻度尺位置与指示器位置之间的关系,确定所述待识别刀闸图像中刀闸的分合状态,包括:
根据所述指示器的位置坐标与第一指定字符的位置坐标,确定所述指示器与所述第一指定字符之间的第一距离;
根据所述指示器的位置坐标与第二指定字符的位置坐标,确定所述指示器与所述第二指定字符之间的第二距离;
根据所述第一距离与第二距离之间的关系,确定与所述指示器位置相匹配的指定字符;
根据所述相匹配的指定字符所指示的状态,确定所述待识别刀闸图像中刀闸的分合状态。
7.根据权利要求5所述的方法,其特征在于,将所述指示器位置的坐标,分别与所述第一指定字符的位置坐标与第二指定字符的位置坐标进行匹配,确定相匹配的指定字符,包括:
确定所述指示器的顶点坐标;
确定所述第一指定字符所在位置的第一横坐标范围与第二指定字符所在位置的第二横坐标范围;
将所述指示器的顶点坐标分别与所述第一横坐标范围、第二横坐标范围进行匹配,确定相匹配的指定字符。
8.根据权利要求6所述的方法,其特征在于,根据所述第一距离与第二距离之间的关系,确定与所述指示器位置相匹配的指定字符,包括:
确定所述第一距离与第二距离的比值;
根据预设的第一范围、第二范围、第三范围,确定所述比值在第一范围内时,相匹配的指定字符为第一指定字符;所述比值在第二范围内时,相匹配的指定字符为第二指定字符;所述比值在第三范围内时,不存在相匹配的指定字符。
9.根据权利要求4所述的方法,其特征在于,根据所述指示器位置与相应刻度尺的起点、终点之间的关系,确定所述刀闸在相应状态内的动作程度,包括:
根据预先训练好的目标检测模型,确定所述指示器的顶点位置;
根据所述顶点位置与对应的刻度尺的起点、终点之间的距离,确定所述刀闸在相应状态内的动作程度。
10.一种变电站指针式刀闸动作程度识别装置,其特征在于,包括:
采集模块,采集待识别刀闸图像;
第一确定模块,根据预先训练好的目标检测模型,确定所述待识别刀闸图像中的指定字符位置、刻度尺位置与指示器位置;
第二确定模块,根据所述指定字符位置、刻度尺位置与指示器位置之间的关系,确定所述待识别刀闸图像中刀闸的分合状态;
第三确定模块,根据所述指示器位置与相应刻度尺的起点、终点之间的关系,确定所述刀闸在相应状态内的动作程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010661620.5A CN111950369A (zh) | 2020-07-10 | 2020-07-10 | 一种变电站指针式刀闸动作程度识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010661620.5A CN111950369A (zh) | 2020-07-10 | 2020-07-10 | 一种变电站指针式刀闸动作程度识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111950369A true CN111950369A (zh) | 2020-11-17 |
Family
ID=73341241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010661620.5A Pending CN111950369A (zh) | 2020-07-10 | 2020-07-10 | 一种变电站指针式刀闸动作程度识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111950369A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113029539A (zh) * | 2021-03-10 | 2021-06-25 | 广东电网有限责任公司佛山供电局 | 一种高压刀闸行程和速度检测系统及方法 |
CN113916276A (zh) * | 2021-09-18 | 2022-01-11 | 浙江大华技术股份有限公司 | 一种识别仪器指示状态的方法、装置、设备及介质 |
CN114646277A (zh) * | 2022-03-16 | 2022-06-21 | 广东电网有限责任公司 | 一种隔离开关偏移角度的确定方法、装置、设备及介质 |
CN117351499A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市铁越电气有限公司 | 一种分合指示状态识别方法、系统、计算机设备和介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869164A (zh) * | 2016-03-28 | 2016-08-17 | 国网浙江省电力公司宁波供电公司 | 一种开关分合状态检测方法及系统 |
CN106650746A (zh) * | 2016-10-10 | 2017-05-10 | 国网江苏省电力公司无锡供电公司 | 基于角度步长的变电站指针式仪表识别方法 |
CN107944396A (zh) * | 2017-11-27 | 2018-04-20 | 国网安徽省电力有限公司经济技术研究院 | 一种基于改进深度学习的刀闸状态识别方法 |
CN109376732A (zh) * | 2018-12-14 | 2019-02-22 | 朱明增 | 基于多特征模式匹配和模式分类的刀闸分合状态识别方法 |
CN109712118A (zh) * | 2018-12-11 | 2019-05-03 | 武汉三江中电科技有限责任公司 | 一种基于Mask RCNN的变电站隔离开关检测识别方法 |
CN110659636A (zh) * | 2019-09-20 | 2020-01-07 | 随锐科技集团股份有限公司 | 基于深度学习的指针式仪表读数识别方法 |
CN110728171A (zh) * | 2019-08-19 | 2020-01-24 | 广东电网有限责任公司 | 一种刀闸状态精细化检测识别方法 |
CN111160256A (zh) * | 2019-12-30 | 2020-05-15 | 武汉科技大学 | 变电站指针式仪表自动识别方法及系统 |
-
2020
- 2020-07-10 CN CN202010661620.5A patent/CN111950369A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869164A (zh) * | 2016-03-28 | 2016-08-17 | 国网浙江省电力公司宁波供电公司 | 一种开关分合状态检测方法及系统 |
CN106650746A (zh) * | 2016-10-10 | 2017-05-10 | 国网江苏省电力公司无锡供电公司 | 基于角度步长的变电站指针式仪表识别方法 |
CN107944396A (zh) * | 2017-11-27 | 2018-04-20 | 国网安徽省电力有限公司经济技术研究院 | 一种基于改进深度学习的刀闸状态识别方法 |
CN109712118A (zh) * | 2018-12-11 | 2019-05-03 | 武汉三江中电科技有限责任公司 | 一种基于Mask RCNN的变电站隔离开关检测识别方法 |
CN109376732A (zh) * | 2018-12-14 | 2019-02-22 | 朱明增 | 基于多特征模式匹配和模式分类的刀闸分合状态识别方法 |
CN110728171A (zh) * | 2019-08-19 | 2020-01-24 | 广东电网有限责任公司 | 一种刀闸状态精细化检测识别方法 |
CN110659636A (zh) * | 2019-09-20 | 2020-01-07 | 随锐科技集团股份有限公司 | 基于深度学习的指针式仪表读数识别方法 |
CN111160256A (zh) * | 2019-12-30 | 2020-05-15 | 武汉科技大学 | 变电站指针式仪表自动识别方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113029539A (zh) * | 2021-03-10 | 2021-06-25 | 广东电网有限责任公司佛山供电局 | 一种高压刀闸行程和速度检测系统及方法 |
CN113916276A (zh) * | 2021-09-18 | 2022-01-11 | 浙江大华技术股份有限公司 | 一种识别仪器指示状态的方法、装置、设备及介质 |
CN114646277A (zh) * | 2022-03-16 | 2022-06-21 | 广东电网有限责任公司 | 一种隔离开关偏移角度的确定方法、装置、设备及介质 |
CN114646277B (zh) * | 2022-03-16 | 2023-05-30 | 广东电网有限责任公司 | 一种隔离开关偏移角度的确定方法、装置、设备及介质 |
CN117351499A (zh) * | 2023-12-04 | 2024-01-05 | 深圳市铁越电气有限公司 | 一种分合指示状态识别方法、系统、计算机设备和介质 |
CN117351499B (zh) * | 2023-12-04 | 2024-02-02 | 深圳市铁越电气有限公司 | 一种分合指示状态识别方法、系统、计算机设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111950369A (zh) | 一种变电站指针式刀闸动作程度识别方法及装置 | |
CN104200288B (zh) | 一种基于因素与事件间相关关系识别的设备故障预测方法 | |
CN109308447A (zh) | 在电力远程监控中自动提取设备运行参数和运行状态的方法 | |
CN108537154A (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN112749813B (zh) | 一种数据处理系统、方法、电子设备及存储介质 | |
CN111401418A (zh) | 一种基于改进Faster r-cnn的员工着装规范检测方法 | |
CN108334815A (zh) | 电力二次设备的巡检方法、开关状态识别方法及系统 | |
CN113872328A (zh) | 基于神经网络的变电站远程智能巡检方法及系统 | |
CN110175519B (zh) | 一种变电站的分合标识仪表识别方法、装置与存储介质 | |
CN109086763B (zh) | 一种指针式仪表读取方法及装置 | |
CN111931556B (zh) | 一种输电线覆冰监测管理系统 | |
CN114187542A (zh) | 一种电力场景下的绝缘手套检测方法及系统 | |
CN111950510B (zh) | 高压开关分合指示牌图像识别方法 | |
CN113837268B (zh) | 确定轨迹点状态的方法、装置、设备和介质 | |
CN116563841B (zh) | 配电网设备标识牌的检测方法、检测装置和电子设备 | |
KR101906192B1 (ko) | 스카다 시스템 및 그 동작 방법 | |
CN116824517B (zh) | 基于可视化的变电站运维安全管控系统 | |
Chang et al. | Safety risk assessment of electric power operation site based on variable precision rough set | |
CN114998570B (zh) | 一种对象检测框的确定方法、装置、存储介质及电子装置 | |
KR101906191B1 (ko) | 스카다 시스템 및 그 동작 방법 | |
CN114838923B (zh) | 有载分接开关的故障诊断模型建立方法及故障诊断方法 | |
CN109377483A (zh) | 瓷绝缘子裂纹检测方法及装置 | |
CN112036268B (zh) | 构件识别方法及相关装置 | |
CN209086965U (zh) | 变电站无人值守仪器仪表图像识别系统 | |
CN105404872A (zh) | 一种基于顺序割图法的航拍图像中绝缘子细定位方法 |
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 |