CN114445350A - 电力器件的图像检测方法、装置、电子设备及存储介质 - Google Patents

电力器件的图像检测方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN114445350A
CN114445350A CN202111672716.2A CN202111672716A CN114445350A CN 114445350 A CN114445350 A CN 114445350A CN 202111672716 A CN202111672716 A CN 202111672716A CN 114445350 A CN114445350 A CN 114445350A
Authority
CN
China
Prior art keywords
image
power device
determining
state information
power
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
CN202111672716.2A
Other languages
English (en)
Inventor
程冰
钟斌
肖旭辉
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.)
Shenzhen Intellifusion Technologies Co Ltd
Original Assignee
Shenzhen Intellifusion Technologies 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 Shenzhen Intellifusion Technologies Co Ltd filed Critical Shenzhen Intellifusion Technologies Co Ltd
Priority to CN202111672716.2A priority Critical patent/CN114445350A/zh
Publication of CN114445350A publication Critical patent/CN114445350A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
    • H02J13/00036—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for the elements or equipment being or involving switches, relays or circuit breakers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种电力器件的图像检测方法、装置、电子设备及存储介质，包括获取针对电力器件的多个连续的拍摄图像帧；将所述多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像；根据目标图像，确定所述电力器件的参考图像轮廓；将所述参考图像轮廓与所述电力器件预设的原始图像轮廓进行比对，以确定出所述电力器件的状态信息；根据所述电力器件的状态信息对所述电力器件进行控制。由此可以准确判断出电力器件的运行状态是否正常，避免造成电力器件的安全隐患。

Description

电力器件的图像检测方法、装置、电子设备及存储介质
技术领域
本发明涉及电力巡检技术领域，具体涉及一种电力器件的图像检测方法、装置、电子设备及存储介质。
背景技术
电力器件是由发电、输电、变电、配电和用电等环节组成的电力生产与消费系统，它将自然界的一次能源通过发电动力装置转化成电力，再经输电、变电和配电将电力供应到各用户；现有的电力器件主要包括有高低压开关柜，电力电缆，变压器等设备，在对电力器件进行在线监测过程中，难以准确判断出电力器件的运行状态是否正常，容易造成电力器件的安全隐患。
发明内容
第一方面，本发明的主要目的是提供一种电力器件的图像检测方法，包括：
获取针对电力器件的多个连续的拍摄图像帧；
将所述多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像；
根据目标图像，确定所述电力器件的参考图像轮廓；
将所述参考图像轮廓与所述电力器件预设的原始图像轮廓进行比对，以确定出所述电力器件的状态信息；
根据所述电力器件的状态信息对所述电力器件进行控制。
可选地，所述将所述多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像信息包括：
针对每个拍摄图像帧，采用预定算法确定出所述拍摄图像帧中的前景图像；其中，所述预定算法为背景差分法；
根据所述拍摄图像帧中的前景图像进行特征提取，以确定出所述前景图像中的目标图像。
可选地，所述根据所述拍摄图像帧中的前景图像进行特征提取，以确定出所述前景图像中的目标图像，包括：
对所述前景图像进行像素点映射，得到映射图像；
确定出所述映射图像中的多个区域，并计算每个区域对应的特征类别，以分类确定出每个区域对应的语义信息；
根据每个区域对应的语义信息，确定出目标图像。
可选地，所述根据目标图像，确定所述电力器件的参考图像轮廓，包括：
对所述目标图像进行图像增强处理，，得到图像增强处理的目标图像；
基于所述图像增强处理的目标图像，确定出所述目标图像的参考图像轮廓。
可选地，所述将将所述参考图像轮廓与所述电力器件预设的原始图像轮廓进行比对，以确定出所述电力器件的状态信息，包括：
根据所述参考图像轮廓与所述电力器件预设的原始图像轮廓进行比对，判断所述参考图像轮廓中是否包含异物的边缘轮廓；
当所述参考图像轮廓中包含异物的边缘轮廓时，针对每个所述参考图像轮廓，判断所述异物的边缘轮廓的数量是否达到预设数量；
当所述异物的边缘轮廓的数量达到预设数量时，确定所述电力器件为异常状态信息；
当所述异物的边缘轮廓的数量没有达到预设数量时，确定所述电力器件为正常状态信息；
以及针对多个所述参考图像轮廓，判断所述异物的边缘轮廓的占比是否达到预设比例；
当所述异物的边缘轮廓的占比达到预设比例时，确定所述电力器件为异常状态信息；
当所述异物的边缘轮廓的数量的占比没有达到预设比例时，确定所述电力器件为正常状态信息；
可选地，所述根据所述电力器件的状态信息对所述电力器件进行控制包括：
当所述电力器件为异常状态信息时，确定所述电力器件对应的类型；
根据所述电力器件对应的类型，对所述电力器件进行倒电控制或停电控制。
可选地，所述当所述电力器件为异常状态信息时，确定所述电力器件对应的类型包括：
当所述电力器件为异常状态信息时，将所述电力器件的安全值与预设范围值进行比对；所述安全值为供电电压值及安全距离值计算得到的；
当所述电力器件的安全值为大于预设范围值时，确定为所述电力器件为倒电控制的类型；
当所述电力器件的安全值为小于预设范围值时，确定为所述电力器件为停电控制的类型。
第三方面，本发明实施例提供了一种电力器件的图像检测装置，包括：
获取模块，用于获取针对电力器件的多个连续的拍摄图像帧；
提取模块，用于将所述多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像；
确定模块，用于根据目标图像，确定所述电力器件的参考图像轮廓；
比对模块，用于将所述参考图像轮廓与所述电力器件预设的原始图像轮廓进行比对，以确定出所述电力器件的状态信息；
控制模块，用于根据所述电力器件的状态信息对所述电力器件进行控制。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的电力器件的图像检测方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述的电力器件的图像检测方法的步骤。
本发明的上述方案至少包括以下有益效果：
本发明提供的电力器件的图像检测方法，首先获取针对电力器件的多个连续的拍摄图像帧；将所述多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像；根据目标图像，确定所述电力器件的参考图像轮廓；将所述参考图像轮廓与所述电力器件预设的原始图像轮廓进行比对，以确定出所述电力器件的状态信息；根据所述电力器件的状态信息对所述电力器件进行控制。由此可以准确判断出电力器件的运行状态是否正常，避免造成电力器件的安全隐患。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，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示出的结构获得其他的附图。
图1为本发明实施例提供的电力器件的图像检测方法的整体流程示意图；
图2为本发明实施例提供的步骤S20的具体流程示意图；
图3为本发明实施例提供的步骤S22的具体流程示意图；
图4为本发明实施例提供的步骤S30的具体流程示意图；
图5为本发明实施例提供的步骤S40的具体流程示意图；
图6为本发明实施例提供的电力器件的图像检测方法的另一流程示意图；
图7为本发明实施例提供的步骤S51的具体流程示意图；
图8为本发明实施例提供的电力器件的图像检测装置的结构框图；
图9为本发明实施例提供的电子设备的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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，所描述的实施例仅仅是本发明的一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。此外，术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先结合相关附图来举例介绍下本申请实施例的方案。
如图1所示，本发明的具体实施例提供了一种电力器件的图像检测方法，包括：
S10、获取针对电力器件的多个连续的拍摄图像帧。
在本实施例中，多个连续的拍摄图像帧可以由巡检摄像头拍摄的视频流中得到的图像帧，并且拍摄图像帧可以是jpg格式、PNG格式、TIF格式、BMP格式等；当然，也可以是灰度图，也可以是RGB图像、YUV图像或HSV图像等；可以理解的是，多个连续的图像帧也可以是在一定时间内连续抓拍的多张图像，并且每张拍摄图像帧中都包含有的电力器件以及电力器件所处的场景，例如，在10分钟内连续抓拍的多张图像；在服务器获取到多个连续的拍摄图像帧后，可以通过对多个连续的拍摄图像帧进行分析，以确定出电力器件的运行状态。
S20、将多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像。
在本实施例中，特征提取网络可以是R-CNN(Region-CNN)卷积神经网络，R-CNN卷积神经网络是基于CNN卷积神经网络、线性回归以及支持向量机等算法，可以准确识别目标类型以及目标的位置；可以理解的是，特征提取网络可以是在历史时间内采用多张图像训练得到的，多张图像中可以包含有电力器件在不同状态下的图像信息，例如电力电缆正常的图像、电力电缆损坏的图像、高低压开关柜打开的图像、高低压开关柜关闭的图像，通过不同状态的电力器件图像输入特征提取网络进行训练，在训练得到的特征提取网络可以对多个连续的拍摄图像帧进行进行图像特征提取，从而可以确定出需要的目标图像；可选地，在对每个拍摄图像帧进行特征提取时，可以将背景图像去除而保留前景图像中的电力器件及其关联的物体，使得对电力器件进行识别更为准确。
如图2所示，上述将多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像信息包括：
S21、针对每个拍摄图像帧，采用预定算法确定出每个拍摄图像帧中的前景图像；其中，预定算法为背景差分法；
S22、根据拍摄图像帧中的前景图像进行特征提取，以确定出前景图像中的目标图像。
其中，背景差分法是一种对静止场景进行分割的通用方法，它将获取的图像帧与背景图像做差分运算，得到目标区域的灰度图，对灰度图进行阈值化提取目标区域，而且为避免环境光照变化影响，背景图像可以根据获取的图像帧进行更新；通过确定出每个拍摄图像帧中的前景图像，从而可以将电力器件的图像和背景图像进行区分；并且，可以将前景图像进行特征提取，以确定出前景图像中每个区域的语义信息，进而确定每个语义信息所对应的目标图像，以准确区分出异物图像和电力器件图像。
举例来说，在变电站中拍摄有多张连续的图像A、B、C、D，图像A、B、C、D包含有高压开关柜的图像和电缆的图像，通过确定出图像A、B、C、D中的高压开关柜的图像和电缆的图像以作为前景图像，然后再将高压开关柜的图像和电缆的图像进行特征提取，以确定出高压开关柜的图像是否出现异物图像或被打开的图像，以及可以确定出电缆的图像上是否出现异物图像或损坏的图像。
如图3所示，上述根据拍摄图像帧中的前景图像进行特征提取，以确定出前景图像中的目标图像包括：
S221、对拍摄图像帧中的前景图像进行像素点映射，得到映射图像；
S222、确定出映射图像中的多个区域，并计算每个区域对应的特征类别，以分类确定出每个区域对应的语义信息；
S223、根据每个区域对应的语义信息，确定出目标图像。
其中，像素点映射表示将前景图像中各个像素按照一定的规则映射到另外一张图像的对应位置上去，以形成映射图像，通过将映射图像中的每个区域进行计算，在R-CNN卷积神经网络中，每个区域的特征可以通过Softmax层来提取特征，以确定出不同类别的高维特征，然后使用线性的SVM作为分类器，并将提取得到的高维特征输出，从而得到每个区域对应的特征类别，从而可以根据特征类别确定出其语义信息，通过每个区域的语义信息可以确定出目标图像，以确定目标图像是否存在异物图像；可以理解的是，语义信息可以是历史时间内对多张图像预先标注得到的，可以通过人工标注或机器标注，然后在将标注好的多张图像输入特征提取网络进行训练，由此可以准确确定出目标图像中是否存在异物图像，准确度更高。
S30、根据目标图像，确定所述电力器件的参考图像轮廓，
如图4所示，上述根据目标图像，确定所述电力器件的参考图像轮廓，包括：
S31、对目标图像进行图像增强处理，得到图像增强处理的目标图像；
S32、基于图像增强处理的目标图像，确定出目标图像的参考图像轮廓。
其中，可以采用増强算法将目标图像进行图像增强，以得到参考图像轮廓，例如可以采用Retinex图像增强算法；通过将参考图像轮廓和原始图像轮廓进行比对，判断出参考图像轮廓中是否包含异物的边缘轮廓，当包含异物的边缘轮廓时，则确定该电力器件为异常运行状态；当不包含异物的边缘轮廓时，则确定该电力器件为正常运行状态；可选地，在比对过程中，可以将连续的参考图像轮廓和原始图像轮廓进行比对，当连续的参考图像轮廓中出现异物的边缘轮廓数量大于3个时，则可以确定为异常运行状态；当连续的参考图像轮廓中出现异物的边缘轮廓数量小于3个时，则可以确定为正常运行状态；例如在连续抓拍的10张图像中，仅有两张出现异物，则可能是摄像头被短暂遮挡等状态，由此可以确定为正常运行状态；在连续抓拍的10张图像中，5张图像均出现相同的异物，则表示该电力器件为异常运行状态。
S40、将参考图像轮廓与电力器件预设的原始图像轮廓进行比对，以确定出电力器件的状态信息。
在本实施例中，在电力器件为正常状态时，则目标图像中可以是不存在异物图像，在电力器件为异常状态时，则目标图像中则可以是存在异物图像，通过确定出的电力器件对应的参考图像轮廓，参考图像轮廓可以是在原始图像轮廓上出现其他轮廓，也可以是在原始图像轮廓上出现缺失，例如高压开关柜打开状态的图像轮廓和关闭状态的图像轮廓不同，以及电缆正常的图像轮廓和破损的图像轮廓不同；通过将参考图像和原始图像轮廓进行比对，在比对相同时，则表示电力器件为正常状态，在比对不同时，则表示电力器件为异常状态；可以理解的是，原始图像轮廓可以是电力器件的边缘轮廓，参考图像轮廓可以是电力器件的边缘轮廓和/或异物的边缘轮廓。
如图5所示，在一个可选的实施例中，上述将参考图像轮廓与电力器件预设的原始图像轮廓进行比对，以确定出电力器件的状态信息，包括：
S41、根据参考图像轮廓与电力器件预设的原始图像轮廓进行比对，判断参考图像轮廓中是否包含异物的边缘轮廓；
S42、当参考图像轮廓中包含异物的边缘轮廓时，针对每个参考图像轮廓，判断异物的边缘轮廓的数量是否达到预设数量；
S43、当异物的边缘轮廓的数量达到预设数量时，确定电力器件为异常状态信息；
S44、当异物的边缘轮廓的数量没有达到预设数量时，确定电力器件为正常状态信息；
S45、以及针对多个参考图像轮廓，判断异物的边缘轮廓的占比是否达到预设比例；
S46、当异物的边缘轮廓的占比达到预设比例时，确定电力器件为异常状态信息；
S47、当异物的边缘轮廓的数量的占比没有达到预设比例时，确定电力器件为正常状态信息。
在本实施例中，预设数量可以是预先设定的，每个参考图像轮廓中的异物的边缘轮廓可以有一个多个，当每个参考图像轮廓中的异物的边缘轮廓超过预设数量时，则表示在电力器件上的异物数量比较多，因此可以确定电力器件为异常状态信息；当多个参考图像轮廓中的异物的边缘轮廓的占比超过预设比例时，则表示在电力器件上的出现异物的可能性比较大，因此可以确定电力器件为异常状态，由此，通过异物的边缘轮廓占比或数量可以确定出电力器件是否出现异常，以方便后续检修。
举例来说，在某一个参考图像轮廓中的异物的边缘轮廓的数量为10个时，在比对后可以确定出其数量大于预设数量，由此可以确定出该电力器件为异常状态信息并输出异常状态信息以提醒巡检人员进行检修；在异物的边缘轮廓的数量为1个时，在比对后可以确定出其数量小于预设数量，由此可以确定出该电力器件为正常状态信息；在多个参考图像轮廓中，当异物的边缘轮廓的占比为10个时，在比对后可以确定出其占比大于预设比例，因此可以确定异物出现的可能性比较大，可以确定出该电力器件为异常状态信息。
S50、根据电力器件的状态信息对电力器件进行控制。
在本实施例中，通过确定出电力器件为异常状态信息或是正常状态信息，在对电力器件进行监测时，可以及时输出控制信号以控制电力器件的运转状态；也就是说，在电力器件为异常状态信息时，可以对电力器件进行停电控制或者输出告警信息，以及时通知巡检人员进行检修，提升对电力器件的检修效率和监测效率，同时也可以将处理后的图像进行存储，以在后续输入特征提取网络模型进行训练；在电力器件为正常状态信息时，也对应地可以将处理后的图像进行存储并在后续输入特征提取网络模型进行训练。
本发明提供的电力器件的图像检测方法，首先获取针对电力器件的多个连续的拍摄图像帧；将多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像；根据目标图像，确定电力器件的参考图像轮廓；将参考图像轮廓与电力器件预设的原始图像轮廓进行比对，以确定出电力器件的状态信息；根据电力器件的状态信息对电力器件进行控制。由此可以准确判断出电力器件的运行状态是否正常，避免造成电力器件的安全隐患。
如图6所示，在一个可选的的实施例中，上述根据电力器件的状态信息对电力器件进行控制包括：
S51、当电力器件为异常状态信息时，确定电力器件对应的类型；
S52、根据电力器件对应的类型，对电力器件进行倒电控制或停电控制。
其中，倒电控制表示为对电力器件不停电控制，例如可以通过备用线路跨过该电力器件进行控制；停电控制表示对该电力器件进行停电；电力器件的类型包括有变压器、高压开关柜、低压开关柜、电力电缆、断路器、继电器等，电力器件的类型可以由电力器件图像与预设电力器件库中的图像比对得到，通过比对确定出电力器件的类型，以对电力器件进行倒电控制或停电控制。
举例来说，在确定出电力器件为变压器时，可以对该变压器件倒电控制，通过备用线路使该变压器断电，以通过备用线路保持连通；在确定出电力器件为低压开关柜为时，可以对该低压开关柜进行停电控制，然后输出告警信息以通知巡检人员进行检修，以确保该电力器件能够及时检修完成。
如图7所示，上述当电力器件为异常状态信息时，确定电力器件对应的类型包括：
S511、当电力器件为异常状态信息时，将电力器件的安全值与预设范围值进行比对；安全值为供电电压值及安全距离值计算得到的；
S512、当电力器件的安全值为大于预设范围值时，确定为电力器件为倒电控制的类型；
S513、当电力器件的安全值为小于预设范围值时，确定为电力器件为停电控制的类型。
在本实施例中，可以采用加权平均法将电力器件的供电电压值和安全距离值进行计算，以确定出电力器件对应的安全值，预设范围值可以是巡检人员预先设定的，通过将检测的电力器件的安全值和预设范围值进行比对，以判断出电力器件的安全值与预设范围值之间的关系，当电力器件的安全值大于预设范围值时，则表示该电力器件的安全系数比较高，因此可以将其进行倒电控制，当电力器件的安全值小于预设范围值时，则表示该电力器件的安全系数比较低，因此可以将其进行停电控制；当然，也可以根据电力器件的控制区域选择对其倒电控制或停电控制，例如电力器件的控制区域比较大时，则可以将其倒电控制，在电力器件的控制区域比较小时，则可以将其停电控制，由此，可以针对不同的电力器件进行控制，在对电力器件进行监测时可以控制更及时，以避免造成电力器件的安全隐患。
如图8所示，本发明实施例提供了一种电力器件的图像检测装置10，包括：
获取模块11，用于获取针对电力器件的多个连续的拍摄图像帧；
提取模块12，用于将多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像；
确定模块13，用于根据目标图像，确定电力器件的参考图像轮廓；
比对模块14，用于将参考图像轮廓与电力器件预设的原始图像轮廓进行比对，以确定出电力器件的状态信息；
控制模块15，用于根据电力器件的状态信息对电力器件进行控制。
本发明提供的电力器件的图像检测装置10，首先获取针对电力器件的多个连续的拍摄图像帧；将多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像；根据目标图像，确定电力器件的参考图像轮廓；将参考图像轮廓与电力器件预设的原始图像轮廓进行比对，以确定出电力器件的状态信息；根据电力器件的状态信息对电力器件进行控制。由此可以准确判断出电力器件的运行状态是否正常，避免造成电力器件的安全隐患。
需要说明的是，本发明具体实施例提供的电力器件的图像检测装置10为与上述电力器件的图像检测方法对应的装置，上述电力器件的图像检测方法的所有实施例均适用于该电力器件的图像检测装置10，上述电力器件的图像检测装置10实施例中均有相应的模块对应上述电力器件的图像检测方法中的步骤，能达到相同或相似的有益效果，为避免过多重复，在此不对电力器件的图像检测装置2中的每一模块进行过多赘述。
如图9所示，本发明的具体实施例还提供了一种电子设备20，包括存储器202、处理器201以及存储在存储器202中并可在处理器201上运行的计算机程序，该处理器201执行计算机程序时实现上述的电力器件的图像检测方法的步骤。
具体的，处理器201用于调用存储器202存储的计算机程序，执行如下步骤：
获取针对电力器件的多个连续的拍摄图像帧；
将多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像；
根据目标图像，确定电力器件的参考图像轮廓；
将参考图像轮廓与电力器件预设的原始图像轮廓进行比对，以确定出电力器件的状态信息；
根据电力器件的状态信息对电力器件进行控制。
可选的，处理器201执行的将多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像信息包括：
针对每个拍摄图像帧，采用预定算法确定出拍摄图像帧中的前景图像；其中，预定算法为背景差分法；
根据拍摄图像帧中的前景图像进行特征提取，以确定出前景图像中的目标图像。
可选的，处理器201执行的根据拍摄图像帧中的前景图像进行特征提取，以确定出前景图像中的目标图像，包括：
对前景图像进行像素点映射，得到映射图像；
确定出映射图像中的多个区域，并计算每个区域对应的特征类别，以分类确定出每个区域对应的语义信息；
根据每个区域对应的语义信息，确定出目标图像。
可选的，处理器201执行的根据目标图像，确定电力器件的参考图像轮廓，包括：
对目标图像进行图像增强处理，，得到图像增强处理的目标图像；
基于图像增强处理的目标图像，确定出目标图像的参考图像轮廓。
可选的，处理器201执行的将参考图像轮廓与电力器件预设的原始图像轮廓进行比对，以确定出电力器件的状态信息，包括：
根据参考图像轮廓与电力器件预设的原始图像轮廓进行比对，判断参考图像轮廓中是否包含异物的边缘轮廓；
当参考图像轮廓中包含异物的边缘轮廓时，针对每个参考图像轮廓，判断异物的边缘轮廓的数量是否达到预设数量；
当异物的边缘轮廓的数量达到预设数量时，确定电力器件为异常状态信息；
当异物的边缘轮廓的数量没有达到预设数量时，确定电力器件为正常状态信息；
以及针对多个参考图像轮廓，判断异物的边缘轮廓的占比是否达到预设比例；
当异物的边缘轮廓的占比达到预设比例时，确定电力器件为异常状态信息；
当异物的边缘轮廓的数量的占比没有达到预设比例时，确定电力器件为正常状态信息。
可选的，处理器201执行的根据电力器件的状态信息对电力器件进行控制包括：
当电力器件为异常状态信息时，确定电力器件对应的类型；
根据电力器件对应的类型，对电力器件进行倒电控制或停电控制。
可选的，处理器201执行的当电力器件为异常状态信息时，确定电力器件对应的类型包括：
当电力器件为异常状态信息时，将所述电力器件的安全值与预设范围值进行比对；安全值为供电电压值及安全距离值计算得到的；
当电力器件的安全值为大于预设范围值时，确定为电力器件为倒电控制的类型；
当电力器件的安全值为小于预设范围值时，确定为电力器件为停电控制的类型。
即，在本发明的具体实施例中，电子设备20的处理器201执行计算机程序时实现上述电力器件的图像检测方法的步骤，由此可以准确判断出电力器件的运行状态是否正常，避免造成电力器件的安全隐患。
需要说明的是，由于电子设备20的处理器201执行计算机程序时实现上述电力器件的图像检测方法的步骤，因此上述电力器件的图像检测方法的所有实施例均适用于该电子设备20，且均能达到相同或相似的有益效果。
本发明实施例中提供的计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现本发明实施例提供的电力器件的图像检测方法或应用端电力器件的图像检测方法的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存取存储器(Random AccessMemory，简称RAM)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本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，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是在本发明的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。

Claims (10)

1.一种电力器件的图像检测方法，其特征在于，包括：
获取针对电力器件的多个连续的拍摄图像帧；
将所述多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像；
根据目标图像，确定所述电力器件的参考图像轮廓；
将所述参考图像轮廓与所述电力器件预设的原始图像轮廓进行比对，以确定出所述电力器件的状态信息；
根据所述电力器件的状态信息对所述电力器件进行控制。
2.根据权利要求1所述的电力器件的图像检测方法，其特征在于，所述将所述多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像信息包括：
针对每个拍摄图像帧，采用预定算法确定出所述拍摄图像帧中的前景图像；其中，所述预定算法为背景差分法；
根据所述拍摄图像帧中的前景图像进行特征提取，以确定出所述前景图像中的目标图像。
3.根据权利要求2所述的电力器件的图像检测方法，其特征在于，所述根据所述拍摄图像帧中的前景图像进行特征提取，以确定出所述前景图像中的目标图像，包括：
对所述前景图像进行像素点映射，得到映射图像；
确定出所述映射图像中的多个区域，并计算每个区域对应的特征类别，以分类确定出每个区域对应的语义信息；
根据每个区域对应的语义信息，确定出目标图像。
4.根据权利要求3所述的电力器件的图像检测方法，其特征在于，所述根据目标图像，确定所述电力器件的参考图像轮廓，包括：
对所述目标图像进行图像增强处理，，得到图像增强处理的目标图像；
基于所述图像增强处理的目标图像，确定出所述目标图像的参考图像轮廓。
5.根据权利要求4所述的电力器件的图像检测方法，其特征在于，所述将所述参考图像轮廓与所述电力器件预设的原始图像轮廓进行比对，以确定出所述电力器件的状态信息，包括：
根据所述参考图像轮廓与所述电力器件预设的原始图像轮廓进行比对，判断所述参考图像轮廓中是否包含异物的边缘轮廓；
当所述参考图像轮廓中包含异物的边缘轮廓时，针对每个所述参考图像轮廓，判断所述异物的边缘轮廓的数量是否达到预设数量；
当所述异物的边缘轮廓的数量达到预设数量时，确定所述电力器件为异常状态信息；
当所述异物的边缘轮廓的数量没有达到预设数量时，确定所述电力器件为正常状态信息；
以及针对多个所述参考图像轮廓，判断所述异物的边缘轮廓的占比是否达到预设比例；
当所述异物的边缘轮廓的占比达到预设比例时，确定所述电力器件为异常状态信息；
当所述异物的边缘轮廓的数量的占比没有达到预设比例时，确定所述电力器件为正常状态信息。
6.根据权利要求5所述的电力器件的图像检测方法，其特征在于，所述根据所述电力器件的状态信息对所述电力器件进行控制包括：
当所述电力器件为异常状态信息时，确定所述电力器件对应的类型；
根据所述电力器件对应的类型，对所述电力器件进行倒电控制或停电控制。
7.根据权利要求6所述的电力器件的图像检测方法，其特征在于，所述当所述电力器件为异常状态信息时，确定所述电力器件对应的类型包括：
当所述电力器件为异常状态信息时，将所述电力器件的安全值与预设范围值进行比对；所述安全值为供电电压值及安全距离值计算得到的；
当所述电力器件的安全值为大于预设范围值时，确定为所述电力器件为倒电控制的类型；
当所述电力器件的安全值为小于预设范围值时，确定为所述电力器件为停电控制的类型。
8.一种电力器件的图像检测装置，其特征在于，包括：
获取模块，用于获取针对电力器件的多个连续的拍摄图像帧；
提取模块，用于将所述多个连续的拍摄图像帧中输入特征提取网络模型进行图像提取，确定出目标图像；
确定模块，用于根据目标图像，确定所述电力器件的参考图像轮廓；
比对模块，用于将所述参考图像轮廓与所述电力器件预设的原始图像轮廓进行比对，以确定出所述电力器件的状态信息；
控制模块，用于根据所述电力器件的状态信息对所述电力器件进行控制。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的电力器件的图像检测方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电力器件的图像检测方法的步骤。
CN202111672716.2A 2021-12-31 2021-12-31 电力器件的图像检测方法、装置、电子设备及存储介质 Pending CN114445350A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111672716.2A CN114445350A (zh) 2021-12-31 2021-12-31 电力器件的图像检测方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111672716.2A CN114445350A (zh) 2021-12-31 2021-12-31 电力器件的图像检测方法、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN114445350A true CN114445350A (zh) 2022-05-06

Family

ID=81366545

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111672716.2A Pending CN114445350A (zh) 2021-12-31 2021-12-31 电力器件的图像检测方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN114445350A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115797866A (zh) * 2022-12-06 2023-03-14 河北知数信息技术有限公司 一种基于孪生网络的电力安全控制方法、装置和电子设备
CN116892880A (zh) * 2023-09-11 2023-10-17 佛山市龙生光启科技有限公司 一种基于机器视觉的电子元器件高精度检测系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115797866A (zh) * 2022-12-06 2023-03-14 河北知数信息技术有限公司 一种基于孪生网络的电力安全控制方法、装置和电子设备
CN115797866B (zh) * 2022-12-06 2023-08-25 河北知数信息技术有限公司 一种基于孪生网络的电力安全控制方法、装置和电子设备
CN116892880A (zh) * 2023-09-11 2023-10-17 佛山市龙生光启科技有限公司 一种基于机器视觉的电子元器件高精度检测系统
CN116892880B (zh) * 2023-09-11 2023-12-19 天航长鹰(江苏)科技有限公司 一种基于机器视觉的电子元器件高精度检测系统

Similar Documents

Publication Publication Date Title
Jaffery et al. Design of early fault detection technique for electrical assets using infrared thermograms
CN114445350A (zh) 电力器件的图像检测方法、装置、电子设备及存储介质
CN108307146B (zh) 一种高压输电线路安全隐患检测系统及方法
CN110555819B (zh) 基于红外和可见光图像融合的设备监测方法、装置及设备
Huang et al. Arc detection and recognition in pantograph–catenary system based on convolutional neural network
CN107679495B (zh) 一种输电线路周边活动工程车辆的检测方法
CN107222726B (zh) 电力设施防外破预警方法
CN111738142B (zh) 一种用于判断空气开关状态的方法和系统
CN106340034B (zh) 一种变压器漏油检测方法
CN116824517B (zh) 基于可视化的变电站运维安全管控系统
CN111080578B (zh) 一种利用图像识别评估电弧故障危险程度的方法
CN112508019A (zh) 基于图像识别的gis隔离/接地开关状态检测方法及系统
CN116740654A (zh) 基于图像识别技术的变电站作业防控方法
CN114821599A (zh) 识别电学绘图中特征图元的方法
CN110188624A (zh) 一种基于深度学习的变电站风漂物识别方法及系统
CN112734637B (zh) 一种导线温度监测的热红外图像处理方法和系统
CN110045242B (zh) 一种开关柜内弧光监测方法、系统、介质及设备
CN111191721A (zh) 基于ai技术的保护压板状态识别方法
CN115311625A (zh) 一种判断目标是否接触输电线路的监控方法
CN114445694A (zh) 巡检报告生成方法、装置、电子设备及存储介质
CN113344874A (zh) 一种基于高斯混合建模的行人越界检测方法
CN112750149A (zh) 基于运动目标检测的高压隔离开关故障监测方法
CN112164025A (zh) 螺纹连接件的缺陷检测方法及装置、电子设备和存储介质
Murthy et al. Distribution system insulator monitoring using video surveillance and support vector machines for complex background images
CN115908372A (zh) 一种电力设备状态识别方法与装置

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