CN113159097A - 一种无网络条件下压板开关状态自动识别系统的实现方法 - Google Patents
一种无网络条件下压板开关状态自动识别系统的实现方法 Download PDFInfo
- Publication number
- CN113159097A CN113159097A CN202110163495.XA CN202110163495A CN113159097A CN 113159097 A CN113159097 A CN 113159097A CN 202110163495 A CN202110163495 A CN 202110163495A CN 113159097 A CN113159097 A CN 113159097A
- Authority
- CN
- China
- Prior art keywords
- switch
- state
- identification
- plate switch
- pressing plate
- 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
- 238000003825 pressing Methods 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012549 training Methods 0.000 claims abstract description 44
- 230000006870 function Effects 0.000 claims abstract description 28
- 238000007689 inspection Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000013135 deep learning Methods 0.000 claims abstract description 5
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 238000013461 design Methods 0.000 abstract description 23
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000012827 research and development Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
- G06V20/63—Scene text, e.g. street names
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02B—BOARDS, SUBSTATIONS OR SWITCHING ARRANGEMENTS FOR THE SUPPLY OR DISTRIBUTION OF ELECTRIC POWER
- H02B3/00—Apparatus specially adapted for the manufacture, assembly, or maintenance of boards or switchgear
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Manufacturing & Machinery (AREA)
- Power Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种无网络条件下压板开关状态自动识别系统的实现方法，包括：进行智能训练，输出物体识别训练集、输出文字识别训练集、输出状态识别训练集；在移动设备端使用tenseorFlow lite深度学习框架，导入tflite训练集模型文件，进一步设计功能模块；导入原始数据，选取压板开关照片进行批量识别，将自动识别照片中的压板开关分割成单个压板开关照片；识别出压板开关的状态和压板开关编号；对比，展示检查结果，输出检查报告。本发明所提出的方法步骤便于技术人员设计出用于压板开关状态自动识别的离线实时识别系统，有利于优化压板开关识别进程与识别功能。
Description
技术领域
本发明涉及电力系统巡检辅助技术领域，尤其涉及一种无网络条件下压板开关状态自动识别系统的实现方法。
背景技术
开关柜是一种电气设备，其主要功能是在电力系统的发电、输电、配电和电力转换过程中对电力设备进行打开、关闭、控制和保护，部件包括断路器、隔离开关、负载开关、操作机构、变压器和各种保护装置。开关柜的外线首先进入开关柜的主控制开关，然后进入开关柜的分支控制开关，各分支按其需要进行设置，如仪表、自动控制、电机磁开关、各种交流接触器等。
本发明技术方案之研发人员主要以变电站压板开关保护柜为实施范围进行相应的有助于建立压板开关状态自动识别系统的技术方案设计，例如，在110kV变电站中通常有10-20个保护屏柜，220kV和500kV变电站的保护屏柜数量可达上百个，每个保护屏柜的压板开关数量多达六十三个，巡检工作需要对这些压板开关进行检查，包括各个开关的状态，如低压侧电压状态、低后备简易母线保护状态、低后备置检修状态、以及备用状态等。然而，在目前的人工巡检过程中存在工作量大、及时性差、工作记录纸质化等问题，加之巡检人员由于身理和心理素质、责任心、技术水平、工作经验等因素可能会出现失误，从而留下安全隐患，甚至造成重大安全灾害。
随着机器视觉技术和网络技术的不断发展，研发人员可通过摄像头对保护屏柜的压板部分进行拍照，然后在相应算法的基础上设计软件程序，从而形成具备相应识别程序的处理器，以便对图像进行处理来识别出压板的开关状态。
通过对以往的识别系统进行分析之后发现，即便可以结合一些常规的算法来设计出相应的软件识别程序，由于目前的方案还不够完善，因而，不利于建立可确保识别功能与识别进程的无网络条件下压板开关状态自动识别系统。
本发明技术方案之研发人员也正是在以上设计需求的基础上，对应用于压板开关状态的具体识别方式进一步优化，提出一种无网络条件下压板开关状态自动识别系统的实现方法，以便于技术人员设计出用于压板开关状态自动识别的离线实时识别系统。经过实际投入的生产经验可知，本发明所提出的技术方案能够至少缓解、部分解决或能够完全解决现有技术存在的问题。
发明内容
为克服上述问题或者至少部分地解决或缓减解决上述问题，本发明提供一种无网络条件下压板开关状态自动识别系统的实现方法，通过该方法的实施，能够便于技术人员设计出用于压板开关状态自动识别的离线实时识别系统。
为实现上述目的，本发明采用以下技术方案：
一种无网络条件下压板开关状态自动识别系统的实现方法，其用于对变电站压板开关状态的识别，所采用的步骤包括：
Ⅰ、先进行相应的智能训练，首先，规范压板开关图片样板，该图片样板包括压板开关图片以及编号和名称，以便从样板图片中分割出压板开关图片，对图片进行人工标注之后，使用大型服务器进行智能训练，输出物体识别训练集；
Ⅱ、按照压板开关标准文字字库进行文字训练，截取压板开关图片的文字区域，存成文字图片，标注其文字，进一步进行智能训练，输出文字识别训练集；
Ⅲ、对不同状态的压板开关图片进行分类，将各个状态类别的压板开关进行人工标注，以便对各类别的压板开关进行智能识别训练，输出状态识别训练集；
Ⅳ、以安卓PDA为软件载体，在移动设备端使用tenseorFlow lite深度学习框架，导入tflite训练集模型文件，进一步设计图片自动识别分割功能模块、压板开关状态识别功能模块、以及文字识别功能模块；
Ⅴ、于移动设备端导入线路压板开关的原始数据，对压板开关面板进行拍照或从PDA相册中选取已经拍照好的照片，选取压板开关照片进行批量识别，通过应用程序将自动识别照片中的压板开关分割成单个压板开关照片；
Ⅵ、识别出压板开关的状态和压板开关编号；
Ⅶ、将输出的识别结果与原始数据进行对比，展示检查结果，输出检查报告。
对于以上本发明所实施之技术方案进一步补充，包括以下任意一项：
压板开关识别方式采用离线实时识别；
识别方式包括压板开关图片自动识别分割、压板开关状态识别、压板开关编号文字定位和识别；
其中，原始数据包括线路名称、编号、所有压板开关序号、压板开关编号、标准状态；
其中，压板开关状态包括投入状态、退出状态、备用状态。
本发明所实施之技术方案，还可相应地实施为：
其中的原始数据获取方式源自用户的变电站压板投退表，用户将投退表的数据录入到系统数据模板excel表格文件之后，保存到手机上；
当进行压板开关状态识别校验核对完成之后，用户可选择输出各个变电站的自动识别校验结果，并导出所有的图片数据。
此外，所采用的移动设备端包括但不限于手机。
本发明所提出的方法步骤通过设计相应的智能训练，包括压板开关形态的训练、文字识别训练以及压板开关状态训练，以此设计程序，在手机等移动设备端使用tenseorFlow lite深度学习框架，导入tflite训练集模型文件，进一步开发图片自动识别分割功能模块、压板开关状态识别功能模块、以及文字识别功能模块，从而能够便于技术人员设计出用于压板开关状态自动识别的离线实时识别系统，有利于优化压板开关识别进程与识别功能。
附图说明
下面根据附图对本发明作进一步详细说明。
图1是无网络条件下压板开关状态自动识别系统，其应用流程示意图。
具体实施方式
如图1所示，本发明拟实施的无网络条件下压板开关状态自动识别系统的实现方法，要达到的目的在于，解决以往无法在确保识别功能与识别进程的前提下来建立无网络条件下压板开关状态自动识别系统的问题。
本发明所实施之技术方案，是以智能训练、软件设计、用户交互为设计基础，形成一套无网络条件下压板开关状态自动识别系统的实现方法。另外，由于采用的程序建立方式、所用到的算法以及图像处理方式的不同，可根据设计需求选择不同的方案，且本发明技术方案重点在于如何在无网络状态下利用手机等移动设备对变电站压板开关状态识别而形成的技术手段，那么，对于设备型号选配、拍照或拍摄方式的选择等相比现有常规技术手段均无改进，并且可根据需要进行增减设置。显然，本发明之技术方案也就不涉及选用何种型号来匹配、采用何种拍摄方式等相应的技常规术手段，本领域技术人员均知晓，只要能够实施本发明技术方案之方法，额外参考一些常规技术手段也是必要的，本领域技术人员可结合实际设计需求；当然，不仅限于设备型号、拍摄方式的选择等。因而，本发明所实施的技术方案实际上是一种能够让本领域技术人员结合常规技术手段参照及实施的实现方法，技术人员根据不同的应用条件以及设计需求，按照本申请形成的方法步骤进行实际应用，能够实际获得其带来的一系列优势，这些优势将会在以下对方法的解析中逐步体现出来。
本发明所实施的无网络条件下压板开关状态自动识别系统的实现方法，其步骤以智能训练、软件设计、用户交互三部分为主，主要包括：
为设计有效的识别程序，需要先进行相应的智能训练，所实施的智能训练包括压板开关形态的训练、文字识别训练以及压板开关状态训练，首先，规范压板开关图片样板，其中，包括压板开关图片以及底部的编号和名称，以便从样板图片中分割出压板开关图片，在对这些图片进行人工标注之后，开始使用大型服务器进行智能训练，输出物体识别训练集。
其次，按照压板开关标准文字字库进行文字训练，截取压板开关图片的文字区域，存成文字图片，标注其文字，进一步进行智能训练，输出文字识别训练集；
最后，对不同状态的压板开关图片进行分类，将各个状态类别的压板开关进行人工标注，以便对各类别的压板开关进行智能识别训练，输出状态识别训练集。
以智能训练为前提进行相应的软件程序设计，可选安卓PDA为软件载体，在手机等移动设备端使用tenseorFlow lite深度学习框架，导入tflite训练集模型文件，进一步开发图片自动识别分割功能模块、压板开关状态识别功能模块、以及文字识别功能模块。
为便于用户交互，需要将软件程序安装至安卓PDA，首先导入线路压板开关的原始数据，即包括线路名称、编号、所有压板开关序号、压板开关编号、标准状态等，随即对压板开关面板进行拍照或从PDA相册中选取已经拍照好的照片，选取压板开关照片进行批量识别，通过应用程序将自动识别照片中的压板开关，分割成单个压板开关照片，然后再识别出压板开关的状态和压板开关编号。
最后，将输出的识别结果与原始数据进行对比，展示检查结果，输出检查报告。
如图1所示，本发明根据以上方法所建立的无网络条件下压板开关状态自动识别系统，是以手机等移动设备为载体安装相应的识别程序，具体应用时，首先将压板开关原始数据导入，包括压板开关编号、名称以及设定状态，其中，设定状态包括投入状态、退出状态、备用状态，再通过手机等移动设备拍照或拍摄，得到能够显示各个压板开关实时状态的图像，并且识别到压板开关的编号(包括数字和字母等)、以及压板开关的带有汉字的名称；最后利用安装在手机等移动设备的程序进行图像处理，再对图像数据进行比对与识别。
本发明所实施的无网络条件下压板开关状态自动识别系统的实现方法，技术人员在详细实施时，可结合不同设计需求进行相应技术手段的拓展，结合不同需求可参考以下：
①设计原理：
针对客户的三大类压板开关(包括投入、退出、备用状态)进行数据采集和分类，使用大型服务器进行人工智能的训练，调整识别模型和相关参数，最后将训练结果和计算模型导出为TensorFlow Lite格式，部署到移动应用客户端硬件设备(即安卓设备)上，实现离线实时识别；
对于所要建立的自动识别系统的原始数据基础是用户的变电站压板投退表(PDF、world格式)，用户将投退表的数据录入到系统数据模板excel表格文件之后，保存到手机上；
对于所要建立的自动识别系统，当进行压板开关状态识别校验核对完成之后，用户可选择输出各个变电站的自动识别校验结果，并可以导出所有的图片数据(包括大图片和每个压板开关的小图片)，输出文档及文件形式、格式由用户定义。
②可根据设计需求进行功能需求方面的设计，包括：
设计数据导入和变电站选择功能：例如，首次使用会提示需要先导入数据，点击导入数据按钮，会打开安卓系统的文件管理器系统，找到准备好的数据文件，确认选取即可；
设计压板开关拍照/照片选择功能：例如，支持拍照获取压板开关图片，以及支持从相册中直接选取已经拍照好的图片，拍照或选取图片后，所获得的图片会进入该变电站的图片库，系统会生成相关图片的缩略图，可点击图片查看大图，并支持删除图片；
压板开关自动分割和状态识别功能设计：选中变电站的图片，系统会自动识别出图片中的压板开关所在的位置，逐一识别出压板开关的编号和状态，并切割出每个压板开关的小图片保存在系统中；在识别过程中，系统实时更新压板的图片和识别结果，如果压板开关编号比对正确，投入/退出状态识别都准确，则系统会打上识别正确标志，反之，如果投入/退出状态与数据源不一致，则会标记为不正确。
补充拍照识别处理功能设计：如果图片上编号拍照模糊或者被挡住导致无法识别，则该压板开关将被标记为无法识别，或者由于编号只识别出一部分，被认为是其他开关，状态识别不正确，此时，都可对该压板开关进行补拍，并进行再次识别，系统将会自动更正识别结果。
自动锁定机制功能设计：在压板开关识别过程中，如果压板开关状态和编号识别准确，则自动锁定压板开关图片，补拍时重复识别的压板开关数据将不会替换该图片。
数据报表展示功能设计：一种是数据报表按行信息一览，一种是按格子方式展示压板信息，便于用户自由切换；报表格式形式等要求由用户定义，结果数据默认保存至少两年以上。
批量识别功能设计：支持对变电站线路内的多张图片一次性进行识别，不需要一张张的逐个点击识别。
对于生成检验结果：可设计为当识别结束时，系统刷新变电站压板识别进度以及识别率。
具体应用时，还可实施以下相应技术手段，例如：
将所有图片从应用内部迁移到手机内存卡中，随时备份；
采集更多的文字样本，优化改进模型，提高文字识别准确度和识别速度；
若有需要，可开发识别PDF表格文字的功能，用于辅助用户整理压板数据源；
可将系统安装到工业PDA上进行调试使用。
本发明所实施的无网络条件下压板开关状态自动识别系统的实现方法，具体实施时，技术人员可根据不同需求结合常规技术手段对识别程序进行设计，现提出相应参考，例如，若涉及到对照片进行校正旋转，其算法设计可为，则过滤背景的照片取最小区域矩形，再求出二维盒获得单个旋转角度；选取输入图较长宽中较大的数乘一定倍数设为canvas，将长与宽都为canvas的正方形作为画布，输入图与画布间的间隙利用copyMakeBorder函数填充黑色；利用warpAffine函数旋转输入图，旋转角度为avg_angle，画布canvas中心记为center；计算旋转后图像的最小外接矩形img_Recor的尺寸，剪掉画布多余的边框。
再如，对于照片进行压板开关状态识别时的算法设计可为，取出输入图HSV颜色空间中的S通道，进行阈值80，最大值255的二值化；利用morphologyEx函数进行形态学运算，内核选择尺寸为9x9的矩形，对图像开运算；利用findContours函数寻找轮廓，存下找到的所有轮廓Contours；对Contours的每一个元素取最小外接矩形boundRect；计算所有BoundRects的面积中位数，对BoundRects的每一个元素限定BoundRects与其的偏差域进行第一次筛选，筛选出TarRects1；对TarRects1的每一个元素限定长宽比例进行第二次筛选，筛选出TarRects2；对TarRects2的每一个元素根据长宽比例判断压板开关状态；对TarRects2的每一个元素的x坐标递增排序，计算相邻元素差，并将相邻差转换为百分比变化diff；对TarRects2的每一个元素的y坐标递增排序，计算相邻元素差，并将相邻差转换为百分比变化diff。当然，这些程序设计方式可以为技术人员提供相应的参考。
在本说明书的描述中，若出现术语“本实施例”、“具体实施”等描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明或发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例；而且，所描述的具体特征、结构、材料或特点可以在任何一个或多个实施例或示例中以恰当的方式结合。
在本说明书的描述中，术语“安装”、“设置”、“具有”等均做广义理解，“连接”可以是固定连接或在不影响部件关系与技术效果的基础上通过中间组件间接进行，也可以是一体连接或部分连接，如同此例的情形对于本领域普通技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
上述对实施例的描述是为了便于该技术领域的普通技术人员能够理解和应用，熟悉本领域技术的人员显然可轻易对这些实例做出各种修改，并把在此说明的一般原理应用到其它实施例中而不必经过创造性的劳动。因此，本案不限于以上实施例，对于以下几种情形的修改，都应该在本案的保护范围内：①以本发明技术方案为基础并结合现有公知常识所实施的新的技术方案，该新的技术方案所产生的技术效果并没有超出本发明技术效果之外；②采用公知技术对本发明技术方案的部分特征的等效替换，所产生的技术效果与本发明技术效果相同；③以本发明技术方案为基础进行拓展，拓展后的技术方案的实质内容没有超出本发明技术方案之外；④利用本发明文本记载内容或说明书附图所作的等效变换，将所得技术手段应用在其它相关技术领域的方案。
Claims (10)
1.一种无网络条件下压板开关状态自动识别系统的实现方法，其用于对变电站压板开关状态的识别，其特征在于，所采用的步骤包括：
Ⅰ、先进行相应的智能训练，首先，规范压板开关图片样板，该图片样板包括压板开关图片以及编号和名称，以便从样板图片中分割出压板开关图片，对图片进行人工标注之后，使用大型服务器进行智能训练，输出物体识别训练集；
Ⅱ、按照压板开关标准文字字库进行文字训练，截取压板开关图片的文字区域，存成文字图片，标注其文字，进一步进行智能训练，输出文字识别训练集；
Ⅲ、对不同状态的压板开关图片进行分类，将各个状态类别的压板开关进行人工标注，以便对各类别的压板开关进行智能识别训练，输出状态识别训练集；
Ⅳ、以安卓PDA为软件载体，在移动设备端使用tenseorFlowlite深度学习框架，导入tflite训练集模型文件，进一步设计图片自动识别分割功能模块、压板开关状态识别功能模块、以及文字识别功能模块；
Ⅴ、于移动设备端导入线路压板开关的原始数据，对压板开关面板进行拍照或从PDA相册中选取已经拍照好的照片，选取压板开关照片进行批量识别，通过应用程序将自动识别照片中的压板开关分割成单个压板开关照片；
Ⅵ、识别出压板开关的状态和压板开关编号；
Ⅶ、将输出的识别结果与原始数据进行对比，展示检查结果，输出检查报告。
2.根据权利要求1所述的无网络条件下压板开关状态自动识别系统的实现方法，其特征在于：压板开关识别方式采用离线实时识别。
3.根据权利要求1所述的无网络条件下压板开关状态自动识别系统的实现方法，其特征在于：所述识别方式包括压板开关图片自动识别分割、压板开关状态识别、压板开关编号文字定位和识别。
4.根据权利要求1-3任一项所述的无网络条件下压板开关状态自动识别系统的实现方法，其特征在于：所述原始数据包括线路名称、编号、所有压板开关序号、压板开关编号、标准状态。
5.根据权利要求1-3任一项所述的无网络条件下压板开关状态自动识别系统的实现方法，其特征在于：压板开关状态包括投入状态、退出状态、备用状态。
6.根据权利要求1所述的无网络条件下压板开关状态自动识别系统的实现方法，其特征在于：所述原始数据获取方式源自用户的变电站压板投退表，用户将投退表的数据录入到系统数据模板excel表格文件之后，保存到手机上。
7.根据权利要求1所述的无网络条件下压板开关状态自动识别系统的实现方法，其特征在于：当进行压板开关状态识别校验核对完成之后，用户可选择输出各个变电站的自动识别校验结果，并导出所有的图片数据。
8.根据权利要求1所述的无网络条件下压板开关状态自动识别系统的实现方法，其特征在于：所述实现方法还包括补充拍照识别处理。
9.根据权利要求1所述的无网络条件下压板开关状态自动识别系统的实现方法，其特征在于：所述实现方法还包括采用自动锁定机制。
10.根据权利要求1所述的无网络条件下压板开关状态自动识别系统的实现方法，其特征在于：所述移动设备包括但不限于手机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110163495.XA CN113159097A (zh) | 2021-02-05 | 2021-02-05 | 一种无网络条件下压板开关状态自动识别系统的实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110163495.XA CN113159097A (zh) | 2021-02-05 | 2021-02-05 | 一种无网络条件下压板开关状态自动识别系统的实现方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113159097A true CN113159097A (zh) | 2021-07-23 |
Family
ID=76883144
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110163495.XA Pending CN113159097A (zh) | 2021-02-05 | 2021-02-05 | 一种无网络条件下压板开关状态自动识别系统的实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113159097A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113869473A (zh) * | 2021-09-30 | 2021-12-31 | 广东电网有限责任公司 | 一种配电终端定值智能核对方法和装置 |
| CN113933565A (zh) * | 2021-10-11 | 2022-01-14 | 广东电网有限责任公司 | 继保压板的测量指示装置及方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296750A (zh) * | 2016-08-09 | 2017-01-04 | 国网江苏省电力公司检修分公司 | 一种基于改进颜色识别技术的压板状态辨识方法 |
| CN110992302A (zh) * | 2019-10-14 | 2020-04-10 | 广西电网有限责任公司贺州供电局 | 一种压板自动校验的方法及装置 |
| CN111242938A (zh) * | 2020-01-17 | 2020-06-05 | 广东驰行电力设备有限公司 | 压板状态自动核对方法 |
| CN112069902A (zh) * | 2020-08-06 | 2020-12-11 | 许继集团有限公司 | 一种变电站屏柜压板识别方法及系统 |
| CN112085710A (zh) * | 2020-08-25 | 2020-12-15 | 国网福建省电力有限公司龙岩供电公司 | 保护定值与压板巡检系统及方法 |
-
2021
- 2021-02-05 CN CN202110163495.XA patent/CN113159097A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296750A (zh) * | 2016-08-09 | 2017-01-04 | 国网江苏省电力公司检修分公司 | 一种基于改进颜色识别技术的压板状态辨识方法 |
| CN110992302A (zh) * | 2019-10-14 | 2020-04-10 | 广西电网有限责任公司贺州供电局 | 一种压板自动校验的方法及装置 |
| CN111242938A (zh) * | 2020-01-17 | 2020-06-05 | 广东驰行电力设备有限公司 | 压板状态自动核对方法 |
| CN112069902A (zh) * | 2020-08-06 | 2020-12-11 | 许继集团有限公司 | 一种变电站屏柜压板识别方法及系统 |
| CN112085710A (zh) * | 2020-08-25 | 2020-12-15 | 国网福建省电力有限公司龙岩供电公司 | 保护定值与压板巡检系统及方法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113869473A (zh) * | 2021-09-30 | 2021-12-31 | 广东电网有限责任公司 | 一种配电终端定值智能核对方法和装置 |
| CN113933565A (zh) * | 2021-10-11 | 2022-01-14 | 广东电网有限责任公司 | 继保压板的测量指示装置及方法 |
| CN113933565B (zh) * | 2021-10-11 | 2024-01-09 | 广东电网有限责任公司 | 继保压板的测量指示装置及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113159097A (zh) | 一种无网络条件下压板开关状态自动识别系统的实现方法 | |
| US8208737B1 (en) | Methods and systems for identifying captions in media material | |
| WO2021072949A1 (zh) | 一种压板自动校验的方法及装置 | |
| WO2019033656A1 (zh) | 板书处理方法、装置、设备和计算机可读存储介质 | |
| CN105631039A (zh) | 一种图片浏览方法 | |
| CN108319593B (zh) | 一种用于仿真培训系统的智能变电站二次设备建模方法 | |
| CN109657669A (zh) | 一种基于图像处理的电子印章智能提取方法 | |
| CN110659563A (zh) | 基于改进YOLOv3网络的电网调度图纸自动识别方法、系统及介质 | |
| CN114998905A (zh) | 一种复杂结构化文档内容的校验方法、装置与设备 | |
| CN114037873A (zh) | 基于人工智能的变电站二次回路保护压板检测系统及方法 | |
| CN113238686B (zh) | 文档处理方法、装置和电子设备 | |
| CN112150584A (zh) | 一种基于数据分析结果的厂站接线图智能编辑方法及装置 | |
| CN104850484A (zh) | 一种基于位图分析的字符终端交互状态自动判定方法 | |
| CN115238428A (zh) | 变电站二次图纸可视化编辑数字化配置装置、方法及应用 | |
| CN115359505A (zh) | 一种电力图纸检测提取方法及系统 | |
| CN109597483A (zh) | 一种基于体感交互的会议方案演示装置及方法 | |
| CN115454648A (zh) | 一种电力系统二次设备压板异常状态的巡检系统及方法 | |
| CN113158751B (zh) | 一种便于快速处理压板开关状态的方法 | |
| CN114996494A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN114417788A (zh) | 图纸解析方法、装置、存储介质及电子设备 | |
| CN112560797A (zh) | 一种变电设备台账治理辅助系统 | |
| CN112949425A (zh) | 一种利于提高识别压板开关状态准确率的自动识别方法 | |
| CN112199806A (zh) | 电力二次屏柜能力描述系统 | |
| CN109145062B (zh) | 一种自学习的信息分类处理装置 | |
| Wang | Application of Diagram Image Classification Based on PCBMER |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |
|
| RJ01 | Rejection of invention patent application after publication |