CN113822200B - 牵引变电所辅助监控多视角档位开关自动识别方法及装置 - Google Patents
牵引变电所辅助监控多视角档位开关自动识别方法及装置 Download PDFInfo
- Publication number
- CN113822200B CN113822200B CN202111121748.3A CN202111121748A CN113822200B CN 113822200 B CN113822200 B CN 113822200B CN 202111121748 A CN202111121748 A CN 202111121748A CN 113822200 B CN113822200 B CN 113822200B
- Authority
- CN
- China
- Prior art keywords
- image
- gear switch
- gear
- carrying
- correction
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000012544 monitoring process Methods 0.000 title claims abstract description 16
- 238000012937 correction Methods 0.000 claims abstract description 19
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 230000002159 abnormal effect Effects 0.000 claims abstract description 5
- 230000005856 abnormality Effects 0.000 claims description 29
- 238000001914 filtration Methods 0.000 claims description 13
- 238000003702 image correction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 abstract description 3
- 238000007689 inspection Methods 0.000 description 6
- 230000001419 dependent effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了牵引变电所辅助监控多视角档位开关自动识别方法，包括步骤：获取待识别目标的图像，利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息；将坐标信息等比例映射回原图像中所在位置，分割出档位开关图像，根据图像的像素分布规律进行异常判断，若异常，则直接输出异常状态；基于Gr i dFace思想对图像进行局部校正，将校正后的图像输入预获取的分割网络，获得分割出的档位开关所在位置；基于档位开关所在位置进行角度判断，输出识别结果。本发明引入当前最新神经网络思想，自动进行档位开关定位、校正、识别工作，可适应不同角度的拍摄图像，不受云台相机机械误差干扰，适用于市面上大部分档位旋转开关类型。
Description
技术领域
本发明涉及图像识别技术领域，具体而言，涉及牵引变电所辅助监控多视角档位开关自动识别方法及装置。
背景技术
电力仪表作为电网建设的终端单元，广泛应用于牵引变电所。由于牵引变电所中仪表种类繁多，人为检定的工作效率极低，难以适应当前大量仪表需要检定的情况，并且可能存在主观的观察误差问题。
目前针对档位开关位置的检查是依靠人工巡检，防范其错误置位的主要手段是依靠严格的规章制度，这就对工作人员有极大的依赖。传统的人工识别方式，不但造成了人力资源的浪费，往往还不能达到理想的识别效果。且在实际场景中，限于安装条件，辅助监控一般都是倾斜安装，这使得所得到的档位开关图像一般都是倾斜的，而现有机器识别方法识别档位开关识别率不高，成本过高，无法针对该情况进行有效识别；且随着档位开关种类的增加以及黑色开关等出现，这使得档位开关的识别愈加困难。
发明内容
本发明的目的在于提供牵引变电所辅助监控多视角档位开关自动识别方法及装置，以解决背景技术中所指出的问题。
本发明的实施例通过以下技术方案实现：牵引变电所辅助监控多视角档位开关自动识别方法，包括如下步骤：
S1.获取待识别目标的图像，利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息；
S2.将所述坐标信息等比例映射回原图像中所在位置，以此分割出档位开关图像，根据档位开关图像的像素分布规律进行异常判断，若出现异常，则直接输出异常状态，反之，则执行后续步骤；
S3.基于GridFace图像校正思想对档位开关图像进行局部校正，并将校正后的档位开关图像输入预获取的分割网络，获得分割出的档位开关所在位置；
S4.基于档位开关所在位置进行角度判断，输出识别结果。
根据一种优选实施方式，步骤S1中获取待识别目标的图像之后还包括：将待识别目标的图像放缩到统一尺寸下，并对图像进行归一化。
根据一种优选实施方式，所述步骤S1中将待识别目标的图像放缩到统一尺寸下，设置为320×180。
根据一种优选实施方式，步骤S2中根据档位开关图像的像素分布规律进行异常判断具体包括：
S21.将档位开关图像放缩到统一尺寸下，并对图像进行归一化处理；
S22.采用3*3的核，对归一化处理后的档位开关图像进行高斯噪声滤波；
S23.根据像素分布规律，对滤波处理后的档位开关图像进行异常判断。
根据一种优选实施方式，步骤S21中将档位开关图像放缩到统一尺寸下，设置为48×48。
根据一种优选实施方式，步骤S3中基于GridFace图像校正思想对档位开关图像进行局部校正具体包括：将滤波处理后的档位开关图像分割8×8的非重叠单元，对局部单元格内图像进行校正。
本发明实施例还提供牵引变电所辅助监控多视角档位开关自动识别装置，所述包括：
图像获取模块，用以获取待识别目标的图像；
档位开关定位模块，用以利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息；
档位开关分割模块，用以将所述坐标信息等比例映射回原图像中所在位置，以此分割出档位开关图像；
异常判断模块，用以根据档位开关图像的像素分布规律进行异常判断，若出现异常，则直接输出异常状态；
校正模块，用以基于GridFace图像校正思想对档位开关图像进行局部校正，并将校正后的档位开关图像输入预获取的分割网络，获得分割出的档位开关所在位置；
识别模块，用以基于档位开关所在位置进行角度判断，输出识别结果。
根据一种优选实施方式，所述图像获取模块还用以：将待识别目标的图像放缩到统一尺寸下，并对图像进行归一化。
根据一种优选实施方式，所述异常判断模块还用以：将档位开关图像放缩到统一尺寸下，并对图像进行归一化处理；采用3*3的核，对归一化处理后的档位开关图像进行高斯噪声滤波；根据像素分布规律，对滤波处理后的档位开关图像进行异常判断。
根据一种优选实施方式，所述校正模块还用以：将滤波处理后的档位开关图像分割8×8的非重叠单元，对局部单元格内图像进行校正。
本发明实施例的技术方案至少具有如下优点和有益效果：本发明引入当前最新神经网络思想，自动进行档位开关定位、校正、识别工作，可适应不同角度的拍摄图像，不受云台相机机械误差干扰；区别于常规手段，本方案不需要额外的标注，减轻了工作人员的前期工作量；且图像识别速度及准确率大幅提高，适用于市面上大部分档位旋转开关类型。
附图说明
图1为本发明实施例1提供的自动识别方法的流程示意图；
图2为本发明实施例1提供的预处理步骤的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
实施例1
参阅图1所示，图1示出了自动识别方法的流程示意图。
经申请人研究发现，目前针对档位开关位置的检查是依靠人工巡检，防范其错误置位的主要手段是依靠严格的规章制度，这就对工作人员有极大的依赖。传统的人工识别方式，不但造成了人力资源的浪费，往往还不能达到理想的识别效果。且在实际场景中，限于安装条件，辅助监控一般都是倾斜安装，这使得所得到的档位开关图像一般都是倾斜的，而现有机器识别方法识别档位开关识别率不高，成本过高，无法针对该情况进行有效识别；且随着档位开关种类的增加以及黑色开关等出现，这使得档位开关的识别愈加困难。因此，本实施例提供牵引变电所辅助监控多视角档位开关自动识别方法，以解决上述所指出的问题，具体步骤如下：
首先，获取待识别目标的图像，将待识别目标的图像放缩到统一尺寸下，设置为320×180；利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息。
进一步的，将所述坐标信息等比例映射回原图像中所在位置，以此分割出档位开关图像，对分割出的档位开关图像执行预处理步骤，参考图2，具体如下：
将档位开关图像放缩到统一尺寸下，设置为48×48，并对图像进行归一化处理；采用3*3的核，对归一化处理后的档位开关图像进行高斯噪声滤波；根据像素分布规律，对滤波处理后的档位开关图像进行异常判断。
进一步的，考虑到若选用带云台的相机，长期使用下，相机不可避免与初始预置位会存在一定的机械误差，导致标注信息不准确，当偏差过大时需要人工重新进行标注校正；而人工进行类别和目标定位点标注，前期人工成本消耗大，标注不规范易造成后期目标提取错误，进而造成识别错误或失败，现有大部分算法都是根据目标正视图进行开发，依赖于正视图。
针对这个问题，有必要对图像进行校正处理，但是针对该类目标很难通过特征点的方式进行校正，已知的几种常用特征点在现有目标上很难稳定处理，并且目标也存在多样。
基于此，本实施例基于GridFace图像校正思想对档位开关图像进行局部校正，将滤波处理后的档位开关图像分割8×8的非重叠单元，对局部单元格内图像进行校正；并将校正后的档位开关图像输入预获取的分割网络，获得分割出的档位开关所在位置。本实施例基于GridFace图像校正思想对图像进行局部校正，可有效避免角度偏差过大时，无法精确识别档位较多的开关的情况。以此既能够实现自适应识别，不受云台相机机械误差干扰。
需要说明的是，GridFace目前主要应用于人脸识别，通过局部单应变换减少人脸几何变形提高识别性能，本实施例将其应用于档位开关的校正，同样能够较少多角度档位开关的识别误差，采用学习的方式，所以简化了体征提取、匹配的过程。
在对图像进行校正后，基于档位开关所在位置进行角度判断，输出识别结果。上述所提供的识别方式，除适用于市面上大部分档位旋转开关类型以外，图像识别速度及准确率也大幅提高。
本实施例还提供牵引变电所辅助监控多视角档位开关自动识别装置，所述装置包括：图像获取模块，用以获取待识别目标的图像；档位开关定位模块，用以利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息；档位开关分割模块，用以将所述坐标信息等比例映射回原图像中所在位置，以此分割出档位开关图像；异常判断模块，用以根据档位开关图像的像素分布规律进行异常判断，若出现异常，则直接输出异常状态；校正模块，用以基于GridFace图像校正思想对档位开关图像进行局部校正，并将校正后的档位开关图像输入预获取的分割网络，获得分割出的档位开关所在位置；识别模块，用以基于档位开关所在位置进行角度判断，输出识别结果。
进一步的，所述图像获取模块还用以：将待识别目标的图像放缩到统一尺寸下，并对图像进行归一化。
进一步的，所述异常判断模块还用以：将档位开关图像放缩到统一尺寸下，并对图像进行归一化处理；采用3*3的核，对归一化处理后的档位开关图像进行高斯噪声滤波；根据像素分布规律，对滤波处理后的档位开关图像进行异常判断。
进一步的，所述校正模块还用以：将滤波处理后的档位开关图像分割8×8的非重叠单元，对局部单元格内图像进行校正。
综上所述，本发明引入当前最新神经网络思想，自动进行档位开关定位、校正、识别工作，可适应不同角度的拍摄图像，不受云台相机机械误差干扰；区别于常规手段，本方案不需要额外的标注，减轻了工作人员的前期工作量；且图像识别速度及准确率大幅提高，适用于市面上大部分档位旋转开关类型。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.牵引变电所辅助监控多视角档位开关自动识别方法，其特征在于，包括如下步骤：
S1.获取待识别目标的图像，利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息；
S2.将所述坐标信息等比例映射回原图像中所在位置，以此分割出档位开关图像，根据档位开关图像的像素分布规律进行异常判断，若出现异常，则直接输出异常状态，反之，则执行后续步骤；
S3.基于GridFace图像校正思想对档位开关图像进行局部校正，并将校正后的档位开关图像输入预获取的分割网络，获得分割出的档位开关所在位置；
S4.基于档位开关所在位置进行角度判断，输出识别结果；
步骤S2中根据档位开关图像的像素分布规律进行异常判断具体包括：
S21.将档位开关图像放缩到统一尺寸下，并对图像进行归一化处理；
S22.采用3*3的核，对归一化处理后的档位开关图像进行高斯噪声滤波；
S23.根据像素分布规律，对滤波处理后的档位开关图像进行异常判断；
步骤S3中基于GridFace图像校正思想对档位开关图像进行局部校正具体包括：将滤波处理后的档位开关图像分割8×8的非重叠单元，对局部单元格内图像进行校正。
2.如权利要求1所述的牵引变电所辅助监控多视角档位开关自动识别方法，其特征在于，步骤S1中获取待识别目标的图像之后还包括：将待识别目标的图像放缩到统一尺寸下，并对图像进行归一化。
3.如权利要求2所述的牵引变电所辅助监控多视角档位开关自动识别方法，其特征在于，所述步骤S1中将待识别目标的图像放缩到统一尺寸下，设置为320×180。
4.如权利要求1所述的牵引变电所辅助监控多视角档位开关自动识别方法，其特征在于，步骤S21中将档位开关图像放缩到统一尺寸下，设置为48×48。
5.牵引变电所辅助监控多视角档位开关自动识别装置，其特征在于，包括：
图像获取模块，用以获取待识别目标的图像；
档位开关定位模块，用以利用预获取定位网络对图像内的档位开关进行定位，获得档位开关的坐标信息；
档位开关分割模块，用以将所述坐标信息等比例映射回原图像中所在位置，以此分割出档位开关图像；
异常判断模块，用以根据档位开关图像的像素分布规律进行异常判断，若出现异常，则直接输出异常状态；
校正模块，用以基于Gri dFace图像校正思想对档位开关图像进行局部校正，并将校正后的档位开关图像输入预获取的分割网络，获得分割出的档位开关所在位置；
识别模块，用以基于档位开关所在位置进行角度判断，输出识别结果；
所述异常判断模块还用以：将档位开关图像放缩到统一尺寸下，并对图像进行归一化处理；采用3*3的核，对归一化处理后的档位开关图像进行高斯噪声滤波；根据像素分布规律，对滤波处理后的档位开关图像进行异常判断；
所述校正模块还用以：将滤波处理后的档位开关图像分割8×8的非重叠单元，对局部单元格内图像进行校正。
6.如权利要求5所述的牵引变电所辅助监控多视角档位开关自动识别装置，其特征在于，所述图像获取模块还用以：将待识别目标的图像放缩到统一尺寸下，并对图像进行归一化。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111121748.3A CN113822200B (zh) | 2021-09-24 | 2021-09-24 | 牵引变电所辅助监控多视角档位开关自动识别方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111121748.3A CN113822200B (zh) | 2021-09-24 | 2021-09-24 | 牵引变电所辅助监控多视角档位开关自动识别方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113822200A CN113822200A (zh) | 2021-12-21 |
| CN113822200B true CN113822200B (zh) | 2024-03-26 |
Family
ID=78915377
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111121748.3A Active CN113822200B (zh) | 2021-09-24 | 2021-09-24 | 牵引变电所辅助监控多视角档位开关自动识别方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113822200B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118314528B (zh) * | 2024-06-07 | 2024-09-17 | 深圳金三立视频科技股份有限公司 | 一种基于视觉识别的配电房线状开关状态自动检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101321230A (zh) * | 2008-03-31 | 2008-12-10 | 逐点半导体（上海）有限公司 | 图像校正装置和校正方法 |
| CN102096917A (zh) * | 2010-12-22 | 2011-06-15 | 南方医科大学 | 胶囊内窥镜冗余图像数据的自动剔除方法 |
| CN102412627A (zh) * | 2011-11-29 | 2012-04-11 | 安徽继远电网技术有限责任公司 | 基于图像识别的智能变电站状态监控系统 |
| CN106952277A (zh) * | 2017-03-21 | 2017-07-14 | 中国人民解放军国防科学技术大学 | 一种基于图像处理的二值摇杆开关位置检测方法 |
| CN112116540A (zh) * | 2020-09-11 | 2020-12-22 | 福建省海峡智汇科技有限公司 | 一种用于旋钮开关的档位识别方法和系统 |
| CN112396578A (zh) * | 2020-10-22 | 2021-02-23 | 国网浙江省电力有限公司杭州供电公司 | 基于目标检测与语义分割的隔离开关开合状态识别方法 |
| CN113076802A (zh) * | 2021-03-04 | 2021-07-06 | 国网湖北省电力有限公司检修公司 | 基于缺少断开图像样本的变电站开关分合状态图像识别方法 |
-
2021
- 2021-09-24 CN CN202111121748.3A patent/CN113822200B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101321230A (zh) * | 2008-03-31 | 2008-12-10 | 逐点半导体（上海）有限公司 | 图像校正装置和校正方法 |
| CN102096917A (zh) * | 2010-12-22 | 2011-06-15 | 南方医科大学 | 胶囊内窥镜冗余图像数据的自动剔除方法 |
| CN102412627A (zh) * | 2011-11-29 | 2012-04-11 | 安徽继远电网技术有限责任公司 | 基于图像识别的智能变电站状态监控系统 |
| CN106952277A (zh) * | 2017-03-21 | 2017-07-14 | 中国人民解放军国防科学技术大学 | 一种基于图像处理的二值摇杆开关位置检测方法 |
| CN112116540A (zh) * | 2020-09-11 | 2020-12-22 | 福建省海峡智汇科技有限公司 | 一种用于旋钮开关的档位识别方法和系统 |
| CN112396578A (zh) * | 2020-10-22 | 2021-02-23 | 国网浙江省电力有限公司杭州供电公司 | 基于目标检测与语义分割的隔离开关开合状态识别方法 |
| CN113076802A (zh) * | 2021-03-04 | 2021-07-06 | 国网湖北省电力有限公司检修公司 | 基于缺少断开图像样本的变电站开关分合状态图像识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113822200A (zh) | 2021-12-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112116540B (zh) | 一种用于旋钮开关的档位识别方法和系统 | |
| CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
| CN108009547A (zh) | 一种变电站设备的铭牌识别方法和装置 | |
| CN113822200B (zh) | 牵引变电所辅助监控多视角档位开关自动识别方法及装置 | |
| CN116758099B (zh) | 一种数控机床异常监测及急停系统 | |
| CN113030121B (zh) | 用于电路板元器件的自动光学检测方法、系统、及设备 | |
| CN113947563B (zh) | 一种基于深度学习的电缆工艺质量动态缺陷检测方法 | |
| CN116523921B (zh) | 一种针对极耳翻折情况的检测方法、装置和系统 | |
| CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
| CN110738205A (zh) | 一种基于机器视觉的电芯正负极识别设备及方法 | |
| CN116075148B (zh) | 一种基于人工智能的pcba板生产线智能监管系统 | |
| CN114331997A (zh) | 一种基于图像识别的导线缺陷监测方法 | |
| CN113673514A (zh) | 一种输电线路异物侵入检测方法和系统 | |
| CN111830051A (zh) | 一种基于深度学习的变电站设备漏油检测方法及检测系统 | |
| CN112489018B (zh) | 一种电力线智能巡线方法及巡线 | |
| CN113538434B (zh) | 一种电力设备缺陷识别方法、系统和可读存储介质 | |
| CN117351036A (zh) | 一种crh5动车组齿轮箱箱体裂纹边缘检测方法 | |
| CN110516375B (zh) | 一种异常板卡的检测方法、装置、电子设备及存储介质 | |
| CN117437623A (zh) | 一种基于图像边缘检测的中间接头缺陷识别方法和系统 | |
| CN112418226A (zh) | 一种鱼眼分合闸状态识别的方法及装置 | |
| CN116664512A (zh) | 一种基于视觉识别的veh连接器组装安全监测报警系统 | |
| CN115457276B (zh) | 基于视觉检测的输配电变压器高压绕组缠绕角度检测方法 | |
| CN109636776B (zh) | 一种焊线焊接缺陷的检测方法及其检测装置 | |
| CN113762185A (zh) | 一种基于计算机视觉实现电力设备状态获取的智能系统 | |
| CN111062354A (zh) | 一种拍照抄表的图片自动识别方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |