CN114429595A - 一种基于ar设备的配电房内屏柜信息展示方法及装置 - Google Patents

一种基于ar设备的配电房内屏柜信息展示方法及装置 Download PDF

Info

Publication number
CN114429595A
CN114429595A CN202111409915.4A CN202111409915A CN114429595A CN 114429595 A CN114429595 A CN 114429595A CN 202111409915 A CN202111409915 A CN 202111409915A CN 114429595 A CN114429595 A CN 114429595A
Authority
CN
China
Prior art keywords
image
screen cabinet
cabinet
character string
power distribution
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
CN202111409915.4A
Other languages
English (en)
Inventor
李孟轩
程永锋
马潇
刘彬
赵彬
杨知
李丹煜
姬昆鹏
汉京善
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202111409915.4A priority Critical patent/CN114429595A/zh
Publication of CN114429595A publication Critical patent/CN114429595A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Strategic Management (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Controls And Circuits For Display Device (AREA)

Abstract

本发明涉及输配电管理技术领域，具体提供了一种基于AR设备的配电房内屏柜信息展示方法及装置，包括：通过AR设备获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；对所述标牌字符串图像进行预处理，并基于预处理后的标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串；获取后台服务器中与所述标牌字符串对应的屏柜的运行状态信息，并在AR设备中显示的屏柜图像对应位置进行展示。本发明提供的技术方案能够准确识别出配电柜的电气标牌，并通过主站获得当前的配电运行信息和历史数据，并展现在AR设备内。

Description

一种基于AR设备的配电房内屏柜信息展示方法及装置
技术领域
本发明涉及输配电管理技术领域，具体涉及一种基于AR设备的配电房内屏柜信息展示方法及装置。
背景技术
随着智能化管理目标的不断实施，需要不断加强电网的输配电管理。其中配电管理涉及到对配电房的环境量监测和电气量监测，常规方式是通过在配电站房部署各类传感器，实现对站内运行环境、高压设备状态、低压电气参数、辅助设备等信息的综合采集与集中监控；高端方式是通过构建配电站房智能移动机器人实现摄像头、红外传感、超声传感等多种传感器的一体化集成，并通过5G将这些测量数据送给主站。
当前采用智能移动机器人对配电房进行巡检，而对配电房进行检修还需检修人员参与，但检修人员在配电房现场所能看到的数据是设备和环境的当前数据，而对设备的缺陷或故障原因查找需要综合该设备的历史数据，甚至需要该设备所在配电网的综合运行状态。
发明内容
为了克服上述缺陷，本发明提出了一种基于AR设备的配电房内屏柜信息展示方法及装置。
第一方面，提供一种基于AR设备的配电房内屏柜信息展示方法，所述基于AR设备的配电房内屏柜信息展示方法包括：
通过AR设备获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；
对所述标牌字符串图像进行预处理，并基于预处理后的标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串；
获取后台服务器中与所述标牌字符串对应的屏柜的运行状态信息，并在AR设备中显示的屏柜图像对应位置进行展示。
优选的，所述配电房内屏柜包括下述中的至少一种：进线柜、计量柜、PT柜、出线柜、联络柜、馈线柜、隔离柜。
优选的，所述预处理包括下述中的至少一种：灰度化、二值化、倾斜检测与校正、行字切分、平滑处理、规范化处理。
进一步的，对所述标牌字符串图像进行平滑处理的过程包括：
将所述标牌字符串图像与二维的高斯平滑卷积核进行卷积，得到对平滑图像；
对平滑图像进行拉普拉斯运算，得到平滑图像在空间上的二阶导数；
基于平滑图像在空间上的二阶导数对平滑图像进行边缘检测，去掉平滑图像中笔划上的孤立白点、笔划外部的孤立黑点和笔划边缘的凹凸点。
进一步的，所述规范化处理包括下述中的至少一种：位置规范化、大小规范化、笔划粗细规范化。
优选的，所述基于所述标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串，包括：
将所述标牌字符串图像输入至所述预先构建的屏柜识别模型，得到所述预先构建的屏柜识别模型输出的屏柜的标牌字符串。
进一步的，所述预先构建的屏柜识别模型的构建过程包括：
预先获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；
对所述标牌字符串图像进行预处理；
利用预处理后的标牌字符串图像构建训练样本集；
利用所述训练样本集训练神经网络模型，得到所述预先构建的屏柜识别模型。
优选的，所述配电房内屏柜图像中屏柜的标牌字符串位于屏柜的顶端，至少包括下述中的一种汉字、数字、英文字母、符号。
优选的，所述屏柜的运行状态信息包括下述中的至少一种：当前运行状态信息、历史运行状态信息、潮流信息。
第二方面，提供一种基于AR设备的配电房内屏柜信息展示装置，所述基于AR设备的配电房内屏柜信息展示装置包括：
获取模块，用于通过AR设备获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；
识别模块，用于对所述标牌字符串图像进行预处理，并基于预处理后的标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串；
展示模块，用于获取后台服务器中与所述标牌字符串对应的屏柜的运行状态信息，并在AR设备中显示的屏柜图像对应位置进行展示。
第三方面，提供一种存储装置，该存储装置其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述任一项技术方案所述的基于AR设备的配电房内屏柜信息展示方法。
第四方面，提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述任一项技术方案所述的基于AR设备的配电房内屏柜信息展示方法。
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
本发明涉及输配电管理技术领域，具体提供了一种基于AR设备的配电房内屏柜信息展示方法及装置，包括：通过AR设备获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；对所述标牌字符串图像进行预处理，并基于预处理后的标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串；获取后台服务器中与所述标牌字符串对应的屏柜的运行状态信息，并在AR设备中显示的屏柜图像对应位置进行展示。本发明提供的技术方案通过采用AR技术对设备型号的自动识别，以及通过主站获得设备本身的历史信息及所在配网的运行信息，并将这些信息可视化展示在AR设备上，能帮助配电检修人员很容易地识别出缺陷或故障原因，也可将这些设备本身的历史信息及所在配网的运行信息通过5G上传到远端，实现对配电房设备缺陷或故障的远程会诊，提高了各种环境下的识别能力和效率。
附图说明
图1是本发明实施例的基于AR设备的配电房内屏柜信息展示方法的主要步骤流程示意图；
图2是本发明实施例的平滑像素实例示意图；
图3是本发明实施例的神经网络模型结构示意图；
图4是本发明实施例的视点大小为5*5的小图像窗口示意图；
图5是本发明实施例的基于AR设备的配电房内屏柜信息展示装置的主要结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
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。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。
参阅附图1，图1是本发明的一个实施例的基于AR设备的配电房内屏柜信息展示方法的主要步骤流程示意图。如图1所示，本发明实施例中的基于AR设备的配电房内屏柜信息展示方法主要包括以下步骤：
步骤S101：通过AR设备获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；
步骤S102：对所述标牌字符串图像进行预处理，并基于预处理后的标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串；
步骤S103：获取后台服务器中与所述标牌字符串对应的屏柜的运行状态信息，并在AR 设备中显示的屏柜图像对应位置进行展示。
其中，所述配电房内屏柜包括下述中的至少一种：进线柜、计量柜、PT柜、出线柜、联络柜、馈线柜、隔离柜。
其中，所述预处理包括下述中的至少一种：灰度化、二值化、倾斜检测与校正、行字切分、平滑处理、规范化处理，所述配电房内屏柜图像中屏柜的标牌字符串位于屏柜的顶端，至少包括下述中的一种汉字、数字、英文字母、符号，所述屏柜的运行状态信息包括下述中的至少一种：当前运行状态信息、历史运行状态信息、潮流信息。
具体的，在一个实施方式中，因采集的图像通常为彩色图像且夹杂一些干扰信息，灰度化处理的主要目的就是滤除这些彩色及干扰信息。二值化就是将灰度值(或者彩色值)图像信号转化成只有黑(l)和白(0)的二值图像信号。
由于AR设备的角度不同和远近不同，会造成所拍出的图像出现倾斜现象和放缩现象，这对后期的字符分割、识别和图像压缩等工作会将产生很大影响，故需要对文本图像进行倾斜检测和校正，以及对图像大小的规一化处理。为此先识别出屏柜的第一条凹槽(按自上而下排序的第一条凹槽)，从图像中取出刚刚能包含该凹槽的像素矩阵K(其行数为M，列数为 N)，对K进行计算，算出凹槽的中心线L，则L的倾斜角就是所拍图像的倾斜角。同时矩阵K 的列数N就是所拍图像中该屏的宽度，也能用此凹槽的像素矩阵K来分离出该配电柜屏的图像。
图像切分大致可以分为两个主要类别，行(列)切分和字切分。经过切分处理后，才能方便对单个文字进行识别处理。由于顶层的标牌都是只有一行字符的，故只进行列切分。顶层标牌中的文字图像行列间距、字间距大致相等，且几乎不存在粘连现象，所以可以采用投影法对图像进行切分，得到每列在坐标轴的像素值。投影曲线是一个不平滑的曲线，通过高斯平滑后的曲线在每个波谷位置间的区域即为要的一列。切分出的字符包含汉字、数字、英文字母和符号。
进一步的，还需对所述标牌字符串图像进行平滑处理，过程包括：
将所述标牌字符串图像与二维的高斯平滑卷积核进行卷积，得到对平滑图像；
对平滑图像进行拉普拉斯运算，得到平滑图像在空间上的二阶导数；
基于平滑图像在空间上的二阶导数对平滑图像进行边缘检测，去掉平滑图像中笔划上的孤立白点、笔划外部的孤立黑点和笔划边缘的凹凸点。
平滑处理之后，能够去掉笔划上的孤立白点和笔划外部的孤立黑点，以及笔划边缘的凹凸点，使得笔划边缘变得平滑。一种简单的平滑处理方法如下。采用N*N窗口(N一般为3，如下图所示是一个3*3窗口)，依次在二值文字点阵中进行扫描，根据窗口中黑白像素的分布情况，使处于窗口中心的被平滑像素X。从“0”变成“1”或者从“l”变成“0”。
本发明按以下规则对文字轮廓边缘进行平滑的。
规则1如果满足图2中(a)，(b)，(c)，(d)四种情况中的任何一种，则中心点应该由“0”变成“l”。
规则2如果满足图2中(e)，(f)，(g)，(h)四种情况中的任何一种，则中心点应该由“1”变成“0”。
进一步的，所述规范化处理包括下述中的至少一种：位置规范化、大小规范化、笔划粗细规范化。
规范化操作就是将输入的任意尺寸的文字都处理成统一尺寸的标准文字，以便与己经预先存储在字典中的参考模板相匹配。
为了消除文字点阵位置上的偏差，需要把整个文字点阵图移动到规定的位置上，这个过程被称为位置规范化。常用的位置规范化操作有两种，一种是基于质心的位置规范化，另一种是基于文字外边框的位置规范化。基于文字外边框的位置规范化需要首先计算文字的外边框，并找出中心，然后把文字中心移动到指定的位置上来。基于质心的位置规范化方法抗干扰能力比基于文字外边框的位置规范化方法要强。
本实施例中，所述基于所述标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串，包括：
将所述标牌字符串图像输入至所述预先构建的屏柜识别模型，得到所述预先构建的屏柜识别模型输出的屏柜的标牌字符串。
在一个实施方式中，对于所述标牌字符串图像依次进行神经网络识别，并得出此标牌的字符数组中各字符的特征值。用此特征值到标牌特征字符集中去匹配，误差在1％内为匹配成功，否则就匹配失败。
根据电力配网数据库中所存项目所在区域的配电房屏柜名字，按状态机原理生成这些名字的识别处理逻辑，即若名字第一字符匹配不成功，则继续对字符串图像数组的下一个字符图像进行神经网络识别。
若名字第一字符匹配成功，则看字符串图像数组的下一个字符图像是否匹配该名字的第二个字符，若成功，则继续字符串图像数组的下一个字符图像与第三个字符进行匹配，依次类推直至在数据库表中的屏柜名字全部匹配成功。若如此则识别出了该配电房屏柜名了；否则返回到下一个屏柜名字的第一字符，即将字符神经网络识别后的特征值与下一个屏柜名字的第一字符进行匹配。
其中，所述预先构建的屏柜识别模型的构建过程包括：
预先获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；
对所述标牌字符串图像进行预处理；
利用预处理后的标牌字符串图像构建训练样本集；
利用所述训练样本集训练神经网络模型，得到所述预先构建的屏柜识别模型。
在深度学习广泛应用于图像识别领域之前，模板匹配是较为常见的一种识别方式。但随着神经网络在信息处理中的广泛应用，已进行了大量的利用深度神经网络来识别图像的研究和应用。在利用深度神经网络来识别字符图像时，先要对目标字符进行训练和学习，得出目标字符的特征值。
采用深度神经网络来对字符集内的字符进行训练和学习，深度神经网络分为输入层、卷积层、池化层、全连接层和输出层，如图3所示。其中卷积层使用卷积核进行特征提取和特征映射；池化层进行下采样，对特征图稀疏处理，减少数据运算量；全连接层对池化层的输出重新拟合，减少特征信息的损失。
卷积层的神经元只与前一层的部分神经元节点相连，即它的神经元间的连接是非全连接的，且同一层中某些神经元之间的连接的权重W和偏移B是相同。对字符图像从左到右扫描，扫描完之后，再向下移动一步，再次从左到右扫描。对步长可根据应用来设定，这里设定为 5个像素，即视点大小为5*5的小图像窗口，如图4所示，对该视点的权重W矩阵称为卷积核。
卷积核的大小由用户来定义，即定义的感受视野的大小；卷积核的权重矩阵的值，便是卷积神经网络的参数，为了有一个偏移项，卷积核可附带一个偏移项B，它们的初值可以随机来生成，可通过训练进行变化。这样对下一层的所有神经元来说，它们从不同的位置去探测了上一层神经元的特征。当扫描完输入的神经元后，就生成的下一层神经元矩阵(称为一个feature map，即特征映射图)。并采用Rule函数对特征映射图进行激励，完成卷积层工作。
而后通过池化层来对每一个feature map进行降维操作，池化层也有一个“池化视野 (filter)”来对feature map矩阵进行扫描，对“池化视野”中的矩阵值进行计算，采用“Average pooling”计算方式来取“池化视野”矩阵中的平均值。池化层同样需要对特征映射图进行扫描，扫描的过程中同样会涉及的扫描步长，这里选择步长为2个像素。扫描方式同卷积层一样，先从左到右扫描，到最右端后则向下移动步长大小，再从左到右。
全连接层主要对特征进行重新拟合，减少特征信息的丢失；输出层主要准备好最后目标结果的输出，生成一次神经网络学习的特征值。
根据电力配网数据库中所存项目所在区域的配电房屏柜名字，累计出包含这些名字的标牌特征字符集。同时对项目所在区域配电房屏柜顶层的标牌各拍照100次，将所拍图像中的包含字符集的图像经过预处理后，保存到各字符的数组中，形成神经网络训练的样本集。
通过上面的神经网络训练后，将学习得到的特征值累加到该字符的特征值上，同时学习次数加1。当训练500次后，标牌特征字符集中每个字符的平均特征值也就计算出来了。
在一个实施方式中，本发明提供一种所述获取后台服务器中与所述标牌字符串对应的屏柜的运行状态信息，并在AR设备中显示的屏柜图像对应位置进行展示的最优实施方式：
具体为：通过5G与后台的可视化计算机进行无线通信。可视化计算机通过无线网络或者AR设备发来的设备名后，在配网中获得该设备的历史信息。
可视化计算机通过饼图、柱状图和曲线图等可视化手段，将该设备的历史数据以图形的方式显示于屏幕上。同时在可视化计算机上启动截屏进程，其每隔0.5秒截屏生成一张图片，并通过5G将截屏图发给AR头盔。
AR头盔通过5G接收到发来的配网设备的数据分析图像数据后，将图像按屏柜图像的比例进行压缩，使其显示在屏柜图像的下半区。
若在铭牌区停留3秒后，会叠加显示出历史信息，若切换到信息区，则取消叠加的信息。
基于同一发明构思，本发明提供一种基于AR设备的配电房内屏柜信息展示装置，如图 5所示，所述基于AR设备的配电房内屏柜信息展示装置包括：
获取模块，用于通过AR设备获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；
识别模块，用于对所述标牌字符串图像进行预处理，并基于预处理后的标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串；
展示模块，用于获取后台服务器中与所述标牌字符串对应的屏柜的运行状态信息，并在 AR设备中显示的屏柜图像对应位置进行展示。
优选的，所述配电房内屏柜包括下述中的至少一种：进线柜、计量柜、PT柜、出线柜、联络柜、馈线柜、隔离柜。
优选的，所述预处理包括下述中的至少一种：灰度化、二值化、倾斜检测与校正、行字切分、平滑处理、规范化处理。
进一步的，对所述标牌字符串图像进行平滑处理的过程包括：
将所述标牌字符串图像与二维的高斯平滑卷积核进行卷积，得到对平滑图像；
对平滑图像进行拉普拉斯运算，得到平滑图像在空间上的二阶导数；
基于平滑图像在空间上的二阶导数对平滑图像进行边缘检测，去掉平滑图像中笔划上的孤立白点、笔划外部的孤立黑点和笔划边缘的凹凸点。
进一步的，所述规范化处理包括下述中的至少一种：位置规范化、大小规范化、笔划粗细规范化。
优选的，所述基于所述标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串，包括：
将所述标牌字符串图像输入至所述预先构建的屏柜识别模型，得到所述预先构建的屏柜识别模型输出的屏柜的标牌字符串。
进一步的，所述预先构建的屏柜识别模型的构建过程包括：
预先获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；
对所述标牌字符串图像进行预处理；
利用预处理后的标牌字符串图像构建训练样本集；
利用所述训练样本集训练神经网络模型，得到所述预先构建的屏柜识别模型。
优选的，所述配电房内屏柜图像中屏柜的标牌字符串位于屏柜的顶端，至少包括下述中的一种汉字、数字、英文字母、符号。
优选的，所述屏柜的运行状态信息包括下述中的至少一种：当前运行状态信息、历史运行状态信息、潮流信息。
进一步的，本发明提供一种存储装置，该存储装置其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述任一项技术方案所述的基于AR设备的配电房内屏柜信息展示方法。
进一步的，本发明提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述任一项技术方案所述的基于AR设备的配电房内屏柜信息展示方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和 /或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和 /或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (12)

1.一种基于AR设备的配电房内屏柜信息展示方法，其特征在于，所述方法包括：
通过AR设备获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；
对所述标牌字符串图像进行预处理，并基于预处理后的标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串；
获取后台服务器中与所述标牌字符串对应的屏柜的运行状态信息，并在AR设备中显示的屏柜图像对应位置进行展示。
2.如权利要求1所述的方法，其特征在于，所述配电房内屏柜包括下述中的至少一种：进线柜、计量柜、PT柜、出线柜、联络柜、馈线柜、隔离柜。
3.如权利要求1所述的方法，其特征在于，所述预处理包括下述中的至少一种：灰度化、二值化、倾斜检测与校正、行字切分、平滑处理、规范化处理。
4.如权利要求3所述的方法，其特征在于，对所述标牌字符串图像进行平滑处理的过程包括：
将所述标牌字符串图像与二维的高斯平滑卷积核进行卷积，得到对平滑图像；
对平滑图像进行拉普拉斯运算，得到平滑图像在空间上的二阶导数；
基于平滑图像在空间上的二阶导数对平滑图像进行边缘检测，去掉平滑图像中笔划上的孤立白点、笔划外部的孤立黑点和笔划边缘的凹凸点。
5.如权利要求3所述的方法，其特征在于，所述规范化处理包括下述中的至少一种：位置规范化、大小规范化、笔划粗细规范化。
6.如权利要求1所述的方法，其特征在于，所述基于所述标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串，包括：
将所述标牌字符串图像输入至所述预先构建的屏柜识别模型，得到所述预先构建的屏柜识别模型输出的屏柜的标牌字符串。
7.如权利要求6所述的方法，其特征在于，所述预先构建的屏柜识别模型的构建过程包括：
预先获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；
对所述标牌字符串图像进行预处理；
利用预处理后的标牌字符串图像构建训练样本集；
利用所述训练样本集训练神经网络模型，得到所述预先构建的屏柜识别模型。
8.如权利要求1所述的方法，其特征在于，所述配电房内屏柜图像中屏柜的标牌字符串位于屏柜的顶端，至少包括下述中的一种汉字、数字、英文字母、符号。
9.如权利要求1所述的方法，其特征在于，所述屏柜的运行状态信息包括下述中的至少一种：当前运行状态信息、历史运行状态信息、潮流信息。
10.一种基于AR设备的配电房内屏柜信息展示装置，其特征在于，所述装置包括：
获取模块，用于通过AR设备获取配电房内屏柜图像，并截取所述配电房内屏柜图像中屏柜的标牌字符串图像；
识别模块，用于对所述标牌字符串图像进行预处理，并基于预处理后的标牌字符串图像和预先构建的屏柜识别模型识别屏柜的标牌字符串；
展示模块，用于获取后台服务器中与所述标牌字符串对应的屏柜的运行状态信息，并在AR设备中显示的屏柜图像对应位置进行展示。
11.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的基于AR设备的配电房内屏柜信息展示方法。
12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的基于AR设备的配电房内屏柜信息展示方法。
CN202111409915.4A 2021-11-25 2021-11-25 一种基于ar设备的配电房内屏柜信息展示方法及装置 Pending CN114429595A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111409915.4A CN114429595A (zh) 2021-11-25 2021-11-25 一种基于ar设备的配电房内屏柜信息展示方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111409915.4A CN114429595A (zh) 2021-11-25 2021-11-25 一种基于ar设备的配电房内屏柜信息展示方法及装置

Publications (1)

Publication Number Publication Date
CN114429595A true CN114429595A (zh) 2022-05-03

Family

ID=81310854

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111409915.4A Pending CN114429595A (zh) 2021-11-25 2021-11-25 一种基于ar设备的配电房内屏柜信息展示方法及装置

Country Status (1)

Country Link
CN (1) CN114429595A (zh)

Similar Documents

Publication Publication Date Title
CN108416377B (zh) 柱状图中的信息提取方法及装置
CN110135319A (zh) 一种异常行为检测方法及其系统
CN110163211B (zh) 一种图像识别方法、装置和存储介质
CN114155527A (zh) 一种场景文本识别方法和装置
CN110796018A (zh) 一种基于深度图像和彩色图像的手部运动识别方法
CN111131314A (zh) 网络行为的检测方法、装置、计算机设备和存储介质
CN116777898B (zh) 基于AFFormer实现3D打印挡墙施工过程裂缝测量的方法
CN113297956B (zh) 一种基于视觉的手势识别方法及系统
CN113139541B (zh) 一种基于深度学习的配电柜表盘数码管视觉识别方法
CN110555424A (zh) 港口集装箱布局检测方法、装置、设备及可读存储介质
CN116612478A (zh) 一种脱机手写汉字的评分方法、装置及存储介质
CN111507119A (zh) 标识码识别方法、装置、电子设备及计算机可读存储介质
CN116503398B (zh) 绝缘子污闪检测方法、装置、电子设备及存储介质
CN111079749B (zh) 一种带姿态校正的端到端商品价签文字识别方法和系统
CN111291754B (zh) 一种文本级联检测方法、装置及存储介质
CN114429595A (zh) 一种基于ar设备的配电房内屏柜信息展示方法及装置
CN111402223B (zh) 一种利用变电站视频图像的变电站缺陷问题检测方法
CN115937492A (zh) 一种基于特征识别的变电设备红外图像识别方法
CN115546796A (zh) 一种基于视觉计算的无接触式数据采集方法及系统
CN114972335A (zh) 一种用于工业检测的图像分类方法、装置及计算机设备
CN114267016A (zh) 一种用于线下多人考试的视觉辅助监考系统
CN115170471A (zh) 基于图像识别模型的部件识别方法及装置
CN114445862A (zh) 一种基于线下课堂监控的出勤率检测方法及系统
CN114550179A (zh) 对手写汉字黑板板书进行指导的方法、系统及设备
CN112232272A (zh) 一种激光与视觉图像传感器融合的行人识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication