CN113962408A - 一种用电安全巡检系统及分析方法 - Google Patents

一种用电安全巡检系统及分析方法 Download PDF

Info

Publication number
CN113962408A
CN113962408A CN202111229384.0A CN202111229384A CN113962408A CN 113962408 A CN113962408 A CN 113962408A CN 202111229384 A CN202111229384 A CN 202111229384A CN 113962408 A CN113962408 A CN 113962408A
Authority
CN
China
Prior art keywords
image
meter
dial
real
cable
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
Application number
CN202111229384.0A
Other languages
English (en)
Inventor
张雅龙
龚炎鑫
刘荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202111229384.0A priority Critical patent/CN113962408A/zh
Publication of CN113962408A publication Critical patent/CN113962408A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/006—Mixed reality
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/50—Constructional details
    • H04N23/55—Optical parts specially adapted for electronic image sensors; Mounting thereof

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Economics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Signal Processing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Computer Graphics (AREA)
  • Multimedia (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Image Processing (AREA)

Abstract

本发明适用于电力设备巡检技术领域，提供了一种用电安全巡检系统及分析方法，系统包括云服务平台和至少一个佩戴式巡检设备，佩戴式巡检设备设置有配戴支架，配戴支架前端安装有显示镜片和深度摄像镜头，配戴支架上设置有设备定位模块、无线传输模块和设备安全识别处理模块，设备安全识别处理模块包括：输入单元；运算与存储单元；虚拟对象数据库；虚实融合机构；输出单元。本发明实施例可以针对线缆和表计进行快速识别分析，并通过虚实融合图像对巡检人员进行直观地展示，大大提高巡检人员的效率，提高安全排查的准确性，并降低人工成本和时间成本，同时可以在无法独立处理时寻求远程或现场协助。

Description

一种用电安全巡检系统及分析方法
技术领域
本发明属于电力设备巡检技术领域，具体涉及一种用电安全巡检系统及分析方法。
背景技术
电力设备的安全运行是一切工作的必要条件，一旦设备运行异常，轻则断电停止，无法正常完成工作目标，造成经济损失，重则出现超负荷运转，导致系统瘫痪，又或者引发过热起火等事故，造成人员伤亡。因此，对用电设备的安全检查是十分重要的程序，现有的安全检查或者是通过远程监控系统，或者是人工巡检，采用远程监控系统虽然节省了人工成本和巡检时间，但只能通过正常运行的线路来获取电力数据，一旦线路损坏，就还是只能通过现场人工巡检，并且远程采集的数据与现场实际运行数据可能存在偏差，也无法准确分析设备安全状况。
传统的人工巡检包括对设备的外观查看是否有损坏，对设备显示数据查看分析是否异常。其中，设备外观损坏对安全运行影响较大的是线缆破损，线缆破损极易造成漏电短路等，如不及时控制还会引发火灾事故，而人工查看线缆十分不便，而且很多设备线路复杂，一根根查看极耗时间，导致巡检效率低下。另一方面，分析设备显示数据异常对巡检人员的能力要求较高，同时要求巡检人员对数据的敏感度以及对设备的熟悉程度，因此，对人工成本产生较大依赖。
如何快速检测现场电力设备的真实运行情况是否异常，并在巡检人员无法处理时及时寻求协助，是目前需要迫切解决的技术问题。
发明内容
有鉴于此，本发明实施例提供了一种用电安全巡检系统及分析方法，方便巡检人员佩戴后准确识别电力设备，包括设备类型、设备显示数据、线缆等内容，从而帮助巡检人员快速分析出设备运行是否异常，或者线缆是否有破损，并将分析结果通过虚实融合的方式显示给巡检人员直观查看，大大降低巡检人员的工作难度，并解放双手，可以及时方便地操作故障维修等工作，同时可以在无法独立处理时寻求远程或现场协助。
本发明实施例的第一方面提供了一种用电安全巡检系统，包括云服务平台和至少一个佩戴式巡检设备，所述佩戴式巡检设备设置有配戴支架，所述配戴支架前端安装有显示镜片和深度摄像镜头，所述配戴支架上设置有设备定位模块、无线传输模块和设备安全识别处理模块，所述设备安全识别处理模块包括：
输入单元，用于获取所述深度摄像镜头的图像并输入至运算与存储单元；
运算与存储单元，用于识别所述图像为线缆还是表计，对应分析线缆是否完好或分析表盘图像内容，识别、追踪三维仪表信息，存储仪表数据；
虚拟对象数据库，用于存储线缆和表计的离线模板、虚拟三维模型；
虚实融合机构，用于导入三维虚拟模型至场景中进行虚实叠加；
输出单元，用于输出虚实叠加场景数据和分析结果至所述显示镜片。
本发明实施例的第二方面提供了一种用电安全巡检分析方法，包括：
佩戴式巡检设备分析现场电力设备的安全状态并实时显示分析结果，以使巡检人员根据所述分析结果进行操作；
若所述佩戴式巡检设备接收到“寻求远程协助”指令，则将所述分析结果发送至云服务平台，并建立与所述云服务平台的通信连接；
若所述佩戴式巡检设备接收到“寻求现场协助”指令，则将当前定位和“寻求现场协助”指令发送至云服务平台。
本发明实施例与现有技术相比存在的有益效果至少在于：
本发明实施例可以针对线缆和表计进行快速识别分析，并通过虚实融合图像对巡检人员进行直观地展示，大大提高巡检人员的效率，提高安全排查的准确性，并降低人工成本和时间成本，同时可以在无法独立处理时寻求远程或现场协助。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例提供的一种用电安全巡检系统的示意图；
图2是本发明实施例提供的一种用电安全巡检系统中佩戴式巡检设备的结构示意图；
图3是本发明实施例提供的一种用电安全巡检分析方法的流程示意图；
图4是本发明实施例提供的一种用电安全巡检分析方法中佩戴式巡检设备分析现场电力设备的安全状态并实时显示分析结果的步骤的流程示意图；
图5是本发明实施例提供的一种用电安全巡检分析方法中表计分析步骤的流程示意图。
具体实施方式
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
本发明实施例采用了如下技术方案：
实施例一：
参见图1，本实施例提供了一种用电安全巡检系统，包括云服务平台和至少一个佩戴式巡检设备，佩戴式巡检设备可结合图2理解，设置有配戴支架100，配戴支架前端安装有显示镜片110和深度摄像镜头120，配戴支架上设置有设备定位模块130、无线传输模块140和设备安全识别处理模块200，设备安全识别处理模块200具体可以包括：
输入单元210，用于获取深度摄像镜头的图像并输入至运算与存储单元；
运算与存储单元220，用于识别图像为线缆还是表计，对应分析线缆是否完好或分析表盘图像内容，识别、追踪三维仪表信息，存储仪表数据；
虚拟对象数据库230，用于存储线缆和表计的离线模板、虚拟三维模型；
虚实融合机构240，用于导入三维虚拟模型至场景中进行虚实叠加；
输出单元250，用于输出虚实叠加场景数据和分析结果至显示镜片。
通过上述设计，当巡检人员佩戴本实施例时，只需将深度摄像镜头面向电力设备所在的场景，就能捕获到场景中的电力设备，如仪表、线缆等，再由运算与存储单元分析电力设备的情况，分析完成后再由虚实融合机构将电力设备所对应预存在虚拟对象数据库中的标准模板导入到现实场景中，替换原有的实际设备图像，使显示镜片展现给巡检人员的是标准的电力设备样式，更加直观。
同时，还可以设定为：有安全隐患的电力设备才对应由标准模板来展示，并在图像上标红或警告标识来提醒巡检人员。
本实施例可以直接读取巡检场景中的表盘等设备及其数据，并将各类非标准的仪表设备通过标准化的仪表模板显示且不改变数据内容，使巡检人员解放双手从而方便检测维修，降低了巡检操作的门槛。
作为优选，本实施例的佩戴支架100上还可以设置有语音处理模块。
方便巡检人员与后台进行实时通讯，并能提供远程指导。还可实现数据上传以及同步指导操作，巡检人员通过上传现场图像至远程专家处，专家采用移动终端或PC直接观察后对巡检人员进行实时协助指导，由于现场人员实时上报，该远程数据也如同亲临现场的清晰准确，降低了远程指导的难度，极大地减少了沟通和交流成本。
实施例二：
参见图3，本实施例提供了一种用电安全巡检分析方法，包括：
步骤S001：佩戴式巡检设备分析现场电力设备的安全状态并实时显示分析结果，以使巡检人员根据所述分析结果进行操作；
若所述佩戴式巡检设备接收到“寻求远程协助”指令，则执行步骤S002：将所述分析结果发送至云服务平台，并建立与所述云服务平台的通信连接；
若所述佩戴式巡检设备接收到“寻求现场协助”指令，则执行步骤S003：将当前定位和“寻求现场协助”指令发送至云服务平台。
佩戴式巡检设备可以快速分析现场电力设备是否运行正常或者线缆是否有破损，若有问题，巡检人员可以及时修理，若无法独自处理，则可以通过巡检设备寻求帮助。
可以是远程协助，此时，巡检人员通过巡检设备发起“寻求远程协助”指令，云端收到指令后转由后台的指导专家进行远程通信指导巡检人员完成问题设备的修理或处理。
也可以是现场协助，此时，巡检人员通过巡检设备发起“寻求现场协助”指令，云端收到指令和请求人员的当前定位后，查找离该巡检人员最近的佩戴式巡检设备发起“协助通知”，使最近的人员赶往寻求现场协助的巡检人员处进行现场帮助。
通过上述设计，方便了巡检人员的巡检工作，对各种情况的处理手段都能通过该佩戴式巡检设备来解决，而无需更多的仪表或设备。
其中，步骤S001可参见图4所示，包括：
步骤S300：获取深度摄像镜头的图像；
步骤S400：识别图像中是否含有线缆和/或表计，若图像中含有线缆，则进入线缆分析步骤S500，若图像中含有表计，则进入表计分析步骤S600；
步骤S700：将线缆分析结果和/或表计分析结果输出至显示镜片。
考虑到常见的安全问题主要是线缆破损和表计运行异常，因此，本实施例先识别场景里的线缆和表计，再对应针对各个线缆和表计独立分析，线缆有破损时对应提示，表计的指数异常时也提醒显示，巡检人员可以直接得到分析结果显示，大大提高巡检效率。
识别图像中是否有表计可以采用：识别具有数字内容的块状图像来作为仪表，最终是否为真实仪表，则需要后续匹配虚拟库中的标准模板来最终确认，能匹配的即为真实仪表，并虚实匹配显示，不能匹配的可以视为非表计。
识别图像中是否有线缆则可以采用：识别弯曲的长条状图像来作为线缆。
实际工作前，还需要对深度摄像镜头进行视频初始化，包括设备首次工作前的镜头校正；
镜头校正时，深度摄像镜头还连接有校正输入设备；
镜头校正采用如下具体步骤：
1.摄像镜头描绘出一个点阵图，并量取该点阵图中相邻两个点间的距离；
2.摄像镜头摄入点阵图至镜头中，并通过校正输入设备输入所量取的距离；
3.操作输入设备按照镜头中先从左到右、后从上到下的顺序依次单击点阵图中的点；
4.镜头中所有点的连线分别构成对角线和点格，当镜头中所有对角线与点格工整地交叉在一起时，镜头校正完成。
镜头校正是所有工作准确实施的前提，通过校正，摄像头在工作前进行手动对准，使录入的图像精确度更高，随后的坐标运算等则计算更准确。
在图像采集的过程中，会受到许多的干扰，包括自身的和外界的，例如，外界光照条件的影响，摄像头像素的高低，仪表表盘的清洁程度以及各种振动及噪声的干扰，受到诸多的干扰后得到的照片可能会是模糊的，可能无法获取需要的信息，要想得到有用的信息就必须想办法去掉这些干扰。
则本实施例中的表计分析步骤S600参见图5，可以包括：
步骤S610：根据表计分析识别算法对图像中的表计进行块分解和标识检测，得到独立的实时仪表块和表计的安全状态分析结果；
步骤S620：调取虚拟对象数据库中的表计离线模板与实时仪表块进行模板匹配；
步骤S630：计算匹配的表计离线模板的模板矩阵，并将图像中实时仪表块的坐标对应转换为模板坐标；
步骤S640：将每个实时仪表块匹配的表计离线模板根据模板坐标加载至图像中，得到虚实叠加图像；
步骤S650：虚实叠加图像和安全状态分析结果即为表计分析结果。
将现实场景中的仪表块分别独立出来，并对应得到每个独立仪表块的标识，如产品型号，通常都在仪表上有标识，可以直接识别得到，标识的作用还可以在后续虚实匹配过程中，通过仪表块图像未匹配到对应模板时，可以采用产品型号来匹配对应模板。
本实施例优选步骤S610包括：
步骤S611：利用三维仪表分析算法分割图像中的表计，得到独立的实时仪表块；
三维仪表分析算法包括脱机部分和联机部分；
其中，脱机部分包括：
在脱机阶段，利用张量表示法建立物体的三维模型张量，同时采用四维的哈希表建立三维模型张量的快速索引，并将三维模型张量和哈希表存储至虚拟对象数据库；
联机部分包括：
在联机阶段，在图像中随机选取一点，并在该点上生成种子张量，通过种子张量读取虚拟对象数据库哈希表中的索引，并在虚拟对象数据库中投票匹配三维模型张量，将接受选票最多的三维模型转换成相应的仪表图像；
当仪表图像与图像的一部分准确吻合，则该吻合的部分被识别并分割，得到一个实时仪表块；
将分割的实时仪表块备份存储后从图像中删除，再在剩下的图像中重复识别与分割，得到所有独立的实时仪表块。
深度图像分割的目的在于准确的识别三维物体的边界或者是有兴趣的部分，并将他们从数据集中分割出来。然而，分割问题存在一种病态，它的现存定义不能保证图像分割的唯一性。因此，通过上述设计，深度图像的分割及自由形态物体的识别同时进行，该算法可适用在包含杂乱和遮挡的复杂深度图像中，这种算法是完全自动的，不需要任何人工的干涉。
更进一步地，脱机部分的张量表示法具体内容为：
A1.1，计算三维模型每个顶点的法向量(i，j，k)；
A1.2，建立顶点对，并保证顶点对之间满足下列两个条件：
Ⅰ，每个顶点对之间的距离在dmin和dmax之间；
Ⅱ，法向量之间的夹角θdef小于60°。
通过上述设计，设置这两个限制条件有两个好处。第一，保证任何一个点对从一个视觉角度都是可见的。第二，避免了顶点的Cn 2种组合的计算(n为一个三维模型所有顶点的个数)。
四维哈希表定义为：其中三维分别对应张量元素的i，j，k三个索引，第四维为张量的夹角θdef；
四维哈希表的建立如下：对于每个模型的每个张量，在哈希表的所有单元格中分别建立数组入口链接，链接对象分别为非零张量元素的i，j，k索引以及其夹角θdef。
联机部分的具体内容如下：
A2.1，转换场景的深度图像为三角形网格图像，并计算所有三角形网格顶点的法向量；
A2.2，在均匀的三角形网格场景中生成种子点列表；
A2.3，随机生成种子点列表的种子点，并将两个种子点生成种子点对，种子点对满足A1.2中的顶点对条件；
A2.4，比对种子点列表中每个种子点的张量集Ts和对应哈希表单元格的索引i，j，k和张量的夹角θdef，比对吻合即获得选票；若种子点对中获得选票的数量小于总数的一半，则删除该种子点对；
A2.5，计算遮挡区域中剩下所有种子点对的张量系数Cc，计算公式如下：
Cc＝correl coeff(Tm(Ims),Ts(Ims))
其中，Ims为模型非零张量Tm和场景非零张量Ts的交集。Tm(Ims)和Ts(Ims)分别为模型和场景在他们重叠部分的张量值；
A2.6，删除所有张量系数Cc小于限值tc的种子点对，并按照张量集Ts的张量系数Cc降序存储剩下的种子点对；其中，tc可以通过计算张量系数Cc值得到，或者选择一个常量；
A2.7，发送种子点列表至虚实融合机构，以便于后续实现虚实叠加；
A2.8，删除所有数据点，判断深度图像是否全部被分割或者场景中所有物体均被识别，是，完成物体的三维分割和识别；否则返回A2.1。
虚实融合机构对应进行三维图像虚实叠加的方法则可以包括：
A2.7.1，虚实融合机构经模型张量Tm和场景张量Ts将对应模型变换到场景坐标中，该变换采用旋转矩阵R和变换向量t计算：
R＝Bm T Bm
t＝Os-OmR
其中，Bm为模型或场景张量的坐标基矩阵，Os、Om分别为场景张量Ts和模型张量Tm的初始向量；
A2.7.2，虚实融合机构采用ICP算法修改面匹配；
该ICP算法的具体步骤如下：
如果模型和场景面有重叠，则退出A2.7.2继续执行A2.8，否则进行假设验证；
计算模型点个数，模型点是在虚拟界面和场景面之间的区域进行变换的点或是已经变换到虚拟界面的模型点；
如果这些点的数量大，则假设被否定，否则假设成立；
如果所有的假设均失败，在种子列表中重新随机生成一个种子点，返回A2.7.2第一步；
场景中物体的姿势(位置和方向)也可以通过R和t求得。
得到三维图像的分割与融合之外，还需要对表计的显示内容进行识别，即二维表盘识别：
步骤S612：利用二维表盘识别算法识别图像中的表盘内容；
二维表盘识别算法包括：
B1.1，对图像进行灰度化处理，并对灰度化处理后的图像滤波去噪，其中滤波去噪为线性滤波或中值滤波；
由于在采集图像的过程中，噪声污染是不可避免的，而且噪声污染体现在视觉上也是比较明显，所以必须要对图像进行滤波去噪的处理，因为摄像头所采集到的照片是彩色的，数据量很大，计算复杂，处理起来容易出错，而颜色信息对于最终的读数是没有影响的，所以，为了简化运算，使图像的处理变得先对简单，在滤波去噪之前，先要对图像进行灰度化处理，然后再进行滤波；
B1.2，采用灰度变换增强滤波去噪后图像灰度的对比度，灰度变换为线性变换或分段线性变换或非线性变换；
为了使表盘上指针刻度区域与背景区域的界限变得明显，需要对图像进行空间域的图像增强，上述三种变换函数各有特点，应根据图像的特点以及应用的场合选择相应的函数；
B1.3，对增强对比度后的图像进行二值化处理：
令划分背景区域和目标区域的灰度值为界值，所有大于该界值的像素值为1，所有小于该界值的像素值为0，则使图像的每个像素都为0或1两个值；
其中目标区域定义为0或1值，背景区域定义为对应相反的1或0值；
进行完图像增强后的图像是灰度图像，灰度图像的每个像素都在0-255之间取值，每个像素都可以有如此多的取值，这样的图像计算和处理起来十分的麻烦，而且容易出错，所以，需要对图像进行二值化处理，然后再进行更深层次的计算，图像二值化比灰度图像处理更加系统化，也更加稳定；
B1.4，检测二值化图像的表盘边缘：
采用边缘增强算子突出表盘边缘的像素值，并设置边缘的像素阈值，令像素值大于该像素阈值的点为边缘点，则所有边缘点为边缘点集，边缘点集内的内容即为表盘；
边缘增强算子可以是Sobel算子、Roberts算子、Prewitt算子、LOG算子、Canny算子、Zerocross算子之一；
B1.5，对表盘进行图像分割：保留被识别的表盘内容，删除表盘边缘及边缘外的图像，得到表盘内容。
只有分割出图像后才能进行真正意义上的图像分析与图像计算，因此，对于图像分析来说是非常重要。
上述表盘内容为一个完整的表盘图像，分割后可以便于后续将表盘内容直接虚实融合到显示图像上，也可以识别表盘上的指数数据后将数据导入到显示图像上，若采用虚实融合表盘图像的方案，则可以采用上述三维图像导入方法实现，若采用识别表盘数据的方案，则可以采用以下内容实现：
对于直接显示数值的表盘，直接识别其中的数字就可以，对于指针型表盘，则通过以下方法识别读数：
采用霍夫检测法检测表盘内容中所有直线，包括所有的刻度和指针，其中，最长直线识别为指针，并对所有直线的起始位置、长度、偏转角度进行标记；
利用指针的偏转角度或指针的距离刻度线识别表盘的读数数据；
若表盘数据被遮挡无法识别时，则提示表盘内容的数据为被遮挡。
仪表的读数都是由指针决定的，指针在采集图像的过程中会连续的变换指向，但在摄像头与表盘无相对运动的情况下，指针可以看作一条直线，而且比其他刻度线都要长很多，所以可以采用霍夫变换来检测指针，以及识别其他的刻度。
此时，得到表盘的数据内容，进入识别数据是否正常的判断。
步骤S613：分析表盘内容的数据是否为安全运行状态，
若表盘内容的数据为安全运行状态，则安全状态分析结果为正常；
若表盘内容的数据为非安全运行状态，则安全状态分析结果为异常。
对于不同的表计，根据型号或者区域预设有阈值，超过该阈值即超负荷运行，属于运行异常，或者分析当前时间段是否为工作时间，若工作时间期间的电力数据值很小，则也可以判断为低水平异常状态。
而线缆的破损是纯图像的识别，此类型内容采用神经网络更便捷，因此，本实施例的线缆分析步骤S500优选为神经网络来识别，可以包括：
利用深度卷积神经网络模型识别图像中的线缆是否有破损，
若图像中的线缆有破损，则将破损线缆在图像中的坐标保存；
此时，线缆分析结果为线缆有破损以及对应线缆的坐标；
若图像中的线缆均无破损，则线缆分析结果为线缆正常。
上述识别过程分为2个种类，第一种是将每条线缆从图像中独立分析出是否存在线缆破损，采用的方法是训练好的深度卷积神经网络模型，其中，深度卷积神经网络模型的设计可以选用：依次为3个卷积层、2个全连接层、softmax层；
每个卷积层后均依次设置有Normalization层和Pooling层；
每个全连接层后均设置有Dropout层。
搭建模型后利用大量线缆图片对模型进行训练，直到可以准确识别图像中的线缆是否存在破损。
然后将存在破损线缆的原图像进行标记，标记内容为破损点在图像中的坐标，再将坐标转换成真实场景中的方位，从而对巡检人员进行提醒，方便快速找到破损点。
本实施例可以针对线缆和表计进行快速识别分析，并通过虚实融合图像对巡检人员进行直观地展示，大大提高巡检人员的效率，提高安全排查的准确性，并降低人工成本和时间成本。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用电安全巡检系统，其特征在于：包括云服务平台和至少一个佩戴式巡检设备，所述佩戴式巡检设备设置有配戴支架，所述配戴支架前端安装有显示镜片和深度摄像镜头，所述配戴支架上设置有设备定位模块、无线传输模块和设备安全识别处理模块，所述设备安全识别处理模块包括：
输入单元，用于获取所述深度摄像镜头的图像并输入至运算与存储单元；
运算与存储单元，用于识别所述图像为线缆还是表计，对应分析线缆是否完好或分析表盘图像内容，识别、追踪三维仪表信息，存储仪表数据；
虚拟对象数据库，用于存储线缆和表计的离线模板、虚拟三维模型；
虚实融合机构，用于导入三维虚拟模型至场景中进行虚实叠加；
输出单元，用于输出虚实叠加场景数据和分析结果至所述显示镜片。
2.根据权利要求1所述的用电安全巡检系统，其特征在于，所述佩戴支架上还设置有语音处理模块。
3.一种用电安全巡检分析方法，其特征在于，包括：
佩戴式巡检设备分析现场电力设备的安全状态并实时显示分析结果，以使巡检人员根据所述分析结果进行操作；
若所述佩戴式巡检设备接收到“寻求远程协助”指令，则将所述分析结果发送至云服务平台，并建立与所述云服务平台的通信连接；
若所述佩戴式巡检设备接收到“寻求现场协助”指令，则将当前定位和“寻求现场协助”指令发送至云服务平台。
4.根据权利要求3所述的用电安全巡检分析方法，其特征在于，所述佩戴式巡检设备分析现场电力设备的安全状态并实时显示分析结果的步骤包括：
获取深度摄像镜头的图像；
识别所述图像中是否含有线缆和/或表计，若所述图像中含有线缆，则进入线缆分析步骤，若所述图像中含有表计，则进入表计分析步骤；
将线缆分析结果和/或表计分析结果输出至显示镜片。
5.根据权利要求4所述的用电安全巡检分析方法，其特征在于，所述表计分析步骤包括：
根据表计分析识别算法对所述图像中的表计进行块分解和标识检测，得到独立的实时仪表块和所述表计的安全状态分析结果；
调取虚拟对象数据库中的表计离线模板与所述实时仪表块进行模板匹配；
计算匹配的表计离线模板的模板矩阵，并将所述图像中实时仪表块的坐标对应转换为模板坐标；
将每个实时仪表块匹配的表计离线模板根据模板坐标加载至所述图像中，得到虚实叠加图像；
所述虚实叠加图像和安全状态分析结果即为表计分析结果。
6.根据权利要求5所述的用电安全巡检分析方法，其特征在于，所述根据表计分析识别算法对所述图像中的表计进行块分解和标识检测，得到独立的实时仪表块和所述表计的安全状态分析结果的步骤包括：
利用三维仪表分析算法分割所述图像中的表计，得到独立的实时仪表块；
利用二维表盘识别算法识别所述图像中的表盘内容；
分析所述表盘内容的数据是否为安全运行状态，
若所述表盘内容的数据为安全运行状态，则安全状态分析结果为正常；
若所述表盘内容的数据为非安全运行状态，则安全状态分析结果为异常。
7.根据权利要求6所述的用电安全巡检分析方法，其特征在于，所述三维仪表分析算法包括脱机部分和联机部分；
其中，所述脱机部分包括：
在脱机阶段，利用张量表示法建立物体的三维模型张量，同时采用四维的哈希表建立三维模型张量的快速索引，并将三维模型张量和哈希表存储至虚拟对象数据库；
所述联机部分包括：
在联机阶段，在所述图像中随机选取一点，并在该点上生成种子张量，通过种子张量读取虚拟对象数据库哈希表中的索引，并在虚拟对象数据库中投票匹配三维模型张量，将接受选票最多的三维模型转换成相应的仪表图像；
当所述仪表图像与所述图像的一部分准确吻合，则该吻合的部分被识别并分割，得到一个实时仪表块；
将分割的实时仪表块备份存储后从所述图像中删除，再在剩下的图像中重复识别与分割，得到所有独立的实时仪表块。
8.根据权利要求6所述的用电安全巡检分析方法，其特征在于，所述二维表盘识别算法包括：
对所述图像进行灰度化处理，并对灰度化处理后的图像滤波去噪；
采用灰度变换增强滤波去噪后图像灰度的对比度；
对增强对比度后的图像进行二值化处理：
令划分背景区域和目标区域的灰度值为界值，所有大于该界值的像素值为1，所有小于该界值的像素值为0，则使图像的每个像素都为0或1两个值；
其中目标区域定义为0或1值，背景区域定义为对应相反的1或0值；
检测二值化图像的表盘边缘：
采用边缘增强算子突出表盘边缘的像素值，并设置边缘的像素阈值，令像素值大于该像素阈值的点为边缘点，则所有边缘点为边缘点集，边缘点集内的内容即为表盘；
对所述表盘进行图像分割：保留被识别的表盘内容，删除表盘边缘及边缘外的图像，得到表盘内容。
9.根据权利要求8所述的用电安全巡检分析方法，其特征在于，所述分析所述表盘内容的数据是否为安全运行状态的步骤前，还包括识别所述表盘内容的数据：
采用霍夫检测法检测所述表盘内容中所有直线，包括所有的刻度和指针，其中，最长直线识别为指针，并对所有直线的起始位置、长度、偏转角度进行标记；
利用指针的偏转角度或指针的距离刻度线识别表盘的读数数据；
若表盘数据被遮挡无法识别时，则提示所述表盘内容的数据为被遮挡。
10.根据权利要求4所述的用电安全巡检分析方法，其特征在于，所述线缆分析步骤包括：
利用深度卷积神经网络模型识别所述图像中的线缆是否有破损，
若所述图像中的线缆有破损，则将破损线缆在所述图像中的坐标保存；
此时，所述线缆分析结果为线缆有破损以及对应线缆的坐标；
若所述图像中的线缆均无破损，则所述线缆分析结果为线缆正常。
CN202111229384.0A 2021-10-21 2021-10-21 一种用电安全巡检系统及分析方法 Pending CN113962408A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111229384.0A CN113962408A (zh) 2021-10-21 2021-10-21 一种用电安全巡检系统及分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111229384.0A CN113962408A (zh) 2021-10-21 2021-10-21 一种用电安全巡检系统及分析方法

Publications (1)

Publication Number Publication Date
CN113962408A true CN113962408A (zh) 2022-01-21

Family

ID=79465977

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111229384.0A Pending CN113962408A (zh) 2021-10-21 2021-10-21 一种用电安全巡检系统及分析方法

Country Status (1)

Country Link
CN (1) CN113962408A (zh)

Similar Documents

Publication Publication Date Title
KR102229594B1 (ko) 디스플레이 스크린 품질 검출 방법, 장치, 전자기기 및 저장매체
CN109635806B (zh) 基于残差网络的电表数值识别方法
CN115082254A (zh) 一种变电站精益管控数字孪生系统
CN111553176B (zh) 一种适用于变电站屏柜接线的无线传输检查方法及系统
CN115330712A (zh) 一种基于虚实融合的装配式建筑预制构件智能质检方法及系统
CN113343998A (zh) 电力机械表计读数监测系统、方法、计算机设备及应用
CN117406027A (zh) 一种配电网故障测距方法及其系统
CN117152727A (zh) 一种用于巡检机器人的指针式仪表自动读数方法
CN116821409B (zh) 基于图像数据处理的生产安全管理方法及系统
KR102366396B1 (ko) Rgb-d 데이터와 딥러닝을 이용한 3d객체영역분할 방법과 그 시스템
CN113962408A (zh) 一种用电安全巡检系统及分析方法
CN113989464A (zh) 一种用电安全巡检设备及分析方法
CN116339512A (zh) 一种基于桌面投影的增强现实辅助装配系统及方法
CN114926841B (zh) 基于改进穿线法的电子式水表读数图像识别方法及装置
CN114330477B (zh) 一种基于混合现实设备的电力设备缺陷检测系统及方法
CN116363397A (zh) 设备故障排查方法、装置及巡检系统
CN113780224B (zh) 一种变电站无人化巡视方法及系统
CN113837178A (zh) 一种基于深度学习的变电站表计自动定位与统一分割方法
CN115169614A (zh) 一种光伏组件返修流程智能管理系统及方法
EP3748444B1 (en) Method and system for connected advanced flare analytics
CN114155380A (zh) 一种仪表盘图像识别方法、装置、计算机设备和存储介质
CN117692610B (zh) 一种ar车间巡检系统
CN116524160B (zh) 基于ar识别的产品一致性辅助核实系统及方法
EP4390814A1 (en) Method and apparatus for waste liquid recycling with optical inspection
CN114626452A (zh) 模型训练方法、检测方法、机器人和存储介质

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