CN114898174A - 基于不同识别模型的电缆故障识别系统 - Google Patents
基于不同识别模型的电缆故障识别系统 Download PDFInfo
- Publication number
- CN114898174A CN114898174A CN202210432091.0A CN202210432091A CN114898174A CN 114898174 A CN114898174 A CN 114898174A CN 202210432091 A CN202210432091 A CN 202210432091A CN 114898174 A CN114898174 A CN 114898174A
- Authority
- CN
- China
- Prior art keywords
- cable
- fault
- different
- data
- sample image
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/083—Locating faults in cables, transmission lines, or networks according to type of conductors in cables, e.g. underground
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
- Y04S10/52—Outage or fault management, e.g. fault detection or location
Abstract
本发明实施例公开了一种基于不同识别模型的电缆故障识别系统,该系统包括:数据获取模块,配置为获取不同电缆类型的样本图像数据;模型训练模块,配置为根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型;信息获取模块,配置为获取故障分析电缆上传的信息数据;故障识别模块,配置为根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。本方案,提升了电缆故障识别准确度和效率,可以提前准确预测电缆故障。
Description
技术领域
本申请实施例涉及电缆技术领域,尤其涉及一种基于不同识别模型的电缆故障识别系统。
背景技术
近些年来随着智能电缆的普及,电缆的使用范围也越来越广。为了保证电缆设备的正常运行,需要对电缆的运行状况进行有效的监测,以在第一时间发现安全隐患,并相应的进行预警以进行隐患排除。
现有技术中,如专利CN102798802B公开了一种电缆故障定位可视化仿真试验方法,该方法包括:利用虚拟现实技术建立电缆三维模型,导入被测电缆的电缆仿真数学模型,建立所述电缆三维模型与所述电缆仿真数学模型的对应关系;利用虚拟现实技术建立用于检测所述被测电缆的仪器三维模型,导入电缆故障定位测试仪器的仪器仿真数学模型,建立所述仪器三维模型与所述仪器仿真数学模型的对应关系;运行仿真系统,调入所述电缆模型和仪器模型进行可视化的仿真试验。然而,在针对目前电缆类型和电缆故障多样化的情况,通过单一的模型建立比对方式以不能很好的解决电缆故障排查,需要改进。
发明内容
本发明实施例提供了一种基于不同识别模型的电缆故障识别系统,解决了现有技术中,电缆故障识别准确率低、效率低,针对性不强的问题,提升了电缆故障识别准确度和效率。
第一方面,本发明实施例提供了一种基于不同识别模型的电缆故障识别系统,该电缆故障识别系统包括:
数据获取模块,配置为获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像;
模型训练模块,配置为根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型;
信息获取模块,配置为获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型;
故障识别模块,配置为根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
可选的,所述模型训练模块配置为:
根据不同的电缆类型确定对应的传感器参数集,所述传感器参数集包括多种不同类型的传感器数据;
根据故障样本图像在所述传感器参数集中确定对应类型的传感器数据;
将原始样本图像、所述故障样本图像以及对应的传感器数据作为训练数据进行缆故障识别模型的训练。
可选的,所述数据获取模块配置为:
获取不同电缆类型的原始样本图像和故障样本图像,其中,所述原始样本图像为正常运行的电缆图像,所述故障样本图像包括故障前一段时间的电缆图像。
可选的,所述故障识别模块还配置为:
在将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果之前,对所述图像数据进行识别,确定关联的传感器数据;
将所述图像数据和所述关联的传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
第二方面,本发明实施例还提供了一种基于不同识别模型的电缆故障识别方法,包括:
获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像;
根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型;
获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型;
根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
可选的,所述根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,包括:
根据不同的电缆类型确定对应的传感器参数集,所述传感器参数集包括多种不同类型的传感器数据;
根据故障样本图像在所述传感器参数集中确定对应类型的传感器数据;
将原始样本图像、所述故障样本图像以及对应的传感器数据作为训练数据进行缆故障识别模型的训练。
可选的,所述获取不同电缆类型的样本图像数据,包括:
获取不同电缆类型的原始样本图像和故障样本图像,其中,所述原始样本图像为正常运行的电缆图像,所述故障样本图像包括故障前一段时间的电缆图像。
可选的,在将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果之前,还包括:
对所述图像数据进行识别,确定关联的传感器数据;
相应的,所述将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果,包括:
将所述图像数据和所述关联的传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
第三方面,本发明实施例还提供了一种基于不同识别模型的电缆故障识别设备,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明实施例所述的基于不同识别模型的电缆故障识别方法。
第四方面,本发明实施例还提供了一种存储计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例所述的基于不同识别模型的电缆故障识别方法。
本发明实施例中,数据获取模块,配置为获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像;模型训练模块,配置为根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型;信息获取模块,配置为获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型;故障识别模块,配置为根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。本方案,提升了电缆故障识别准确度和效率,可以提前准确预测电缆故障。
附图说明
图1为本发明实施例提供的一种基于不同识别模型的电缆故障识别方法的流程图;
图2为本发明实施例提供的另一种基于不同识别模型的电缆故障识别方法的流程图;
图3为本发明实施例提供的一种基于不同识别模型的电缆故障识别系统的模块结构框图;
图4为本发明实施例提供的一种基于不同识别模型的电缆故障识别设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明实施例作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明实施例,而非对本发明实施例的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明实施例相关的部分而非全部结构。
图1为本发明实施例提供的一种基于不同识别模型的电缆故障识别方法的流程图,具体包括如下步骤:
步骤S101、获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像。
在一个实施例中,针对不同的电缆类型分别进行模型的训练。示例性的,电缆类型包括防火电缆、地下电缆、架空电缆、电力电缆、屏蔽电缆、矿用电缆和机器人内部线缆等。可选的,首先获取不同电缆类型的样本图像数据,该样本图像数据作为模型训练数据提前进行获取。其中,该样本图像数据包括原始样本图像和故障样本图像。具体的,该原始样本图像为未发生故障的且正常运行使用的电缆图像;故障样本图像指发生故障前一段时间的电缆图像,具体的,根据不同的故障类型,发生故障前的一段时间的时间范围存在差异,示例性的,可以是故障发生时间点前的一小时、一天或一周。
步骤S102、根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型。
在一个实施例中,得到原始样本图像和故障样本图像后,相应的,获取关联的传感器数据。具体的,该关联的传感器数据未不同时间点的故障样本图像采集时,相应的传感器的采集数据。可选的,该传感器可以是温度、湿度、拉力传感器等采集的数据。原始样本图像和故障样本图像可以是实验测试时拍摄的图像,也可以是电缆线路上设置的拍摄装置拍摄的图像。
在一个实施例中,在进行电缆故障识别模型的训练时,根据不同的电缆类型分别进行模型的训练,即针对不同类型的电缆分别设置一训练模型进行对应的训练。由于不同类型的电缆故障情况存在显著差异,如温度或压力引起的故障情况,从图像角度而言差别明显,故在进行网络模型训练时,单独设置。具体的网络模型和训练方式不做限定,可以是常规使用的神经网络模型,进行有监督的训练。训练过程中,输入原始样本图像时对应无故障的输出结果,输入故障样本图像时,针对不同的关联的传感器数据分别输出无故障和有故障的输出结果,以在模型训练完毕后,将故障分析电缆上传的信息数据作为输入以输出预测结果。
步骤S103、获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型。
其中,该故障分析电缆上传的信息数据可以是电缆线路中通过拍摄装置拍摄的电缆的图像数据,以及电缆集成的传感器数据。在一个实施例中,该故障分析电缆上传的信息数据还包括电缆类型的相关信息,如标记电缆类型的标识信息。
步骤S104、根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
在一个实施例中,确定故障分析电缆的电缆类型后,选择对应该电缆类型的,预先训练完毕的电缆故障识别模型。将图像数据和传感器数据输入至电缆故障识别模型以输出电缆故障识别结果。示例性的,以电缆形变故障为例,当显示有形变较大且拉力传感器大于一定数值时被电缆故障识别模型预测为电缆故障的识别结果,反之,得到电缆运行正常的识别结果。
由上述可知,通过获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像,根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型,获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型,根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果,解决了现有技术中,电缆故障识别准确率低、效率低,针对性不强的问题,提升了电缆故障识别准确度和效率。在进行模型训练过程中,将传感器数据作为训练数据,是的最终训练的模型可以很好的进行故障识别预测。
图2为本发明实施例提供的另一种基于不同识别模型的电缆故障识别方法的流程图,如图2所示,给出了一个具体完整的示例。具体包括:
步骤S201、获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像。
步骤S202、根据不同的电缆类型确定对应的传感器参数集,所述传感器参数集包括多种不同类型的传感器数据,根据故障样本图像在所述传感器参数集中确定对应类型的传感器数据,将原始样本图像、所述故障样本图像以及对应的传感器数据作为训练数据进行缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型。
在一个实施例中,不同的电缆类型对应不同的传感器参数集,通常每种类型的电缆集成有采集多种不同传感数值的传感器,如采集温度、湿度、压强、拉力等的传感器,不同类型的电缆由于其用途的不同对应不同的传感器,相应的其采集的数据组成传感器参数集。在进行训练过程中,由于某些故障并非和单一的传感器数据相关,可能同时和几个传感器数据关联,当然也并非和全部传感器数据均有关联,此时在传感器参数集中,根据故障样本图像在所述传感器参数集中确定对应类型的传感器数据。示例性的,以防火电缆为例,其对应的故障样本图像的传感器数据为温度数据;针对架空电力电缆为例,其对应的故障样本图像的传感器数据为温度数据和拉力数据。
在一个实施例中,模型训练时,分别以非故障的即原始样本图像、不同时间段的故障样本图像和对应的传感器数据作为训练数据,原始样本图像标记为非故障情况,故障样本图像和对应的传感器数据共同标记为预测出现故障的情况对模型进行训练。
步骤S203、获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型。
步骤S204、根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,对所述图像数据进行识别,确定关联的传感器数据,将所述图像数据和所述关联的传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
在一个实施例中,训练完毕的模型对输入的图像和对应的传感器数据进行处理,以输出其是否出现故障,其中该故障包括已经发生故障以及预测的将要发生故障的情况。
由上述方案可知,数据获取模块,配置为获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像;模型训练模块,配置为根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型;信息获取模块,配置为获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型;故障识别模块,配置为根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。本方案,提升了电缆故障识别准确度和效率。
图3为本发明实施例提供的一种基于不同识别模型的电缆故障识别系统的模块结构框图,该智能电缆用于执行上述实施例提供的基于不同识别模型的电缆故障识别方法,具备执行方法相应的功能模块和有益效果。如图3所示,该装置具体包括:数据获取模块101、模型训练模块102、信息获取模块103和故障识别模块104,其中,
数据获取模块101,配置为获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像;
模型训练模块102,配置为根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型;
信息获取模块103,配置为获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型;
故障识别模块104,配置为根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
由上述方案可知,数据获取模块,配置为获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像;模型训练模块,配置为根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型;信息获取模块,配置为获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型;故障识别模块,配置为根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。本方案,提升了电缆故障识别准确度和效率。
在一个可能的实施例中,所述模型训练模块配置为:
根据不同的电缆类型确定对应的传感器参数集,所述传感器参数集包括多种不同类型的传感器数据;
根据故障样本图像在所述传感器参数集中确定对应类型的传感器数据;
将原始样本图像、所述故障样本图像以及对应的传感器数据作为训练数据进行缆故障识别模型的训练。
在一个可能的实施例中,所述数据获取模块配置为:
获取不同电缆类型的原始样本图像和故障样本图像,其中,所述原始样本图像为正常运行的电缆图像,所述故障样本图像包括故障前一段时间的电缆图像。
在一个可能的实施例中,所述故障识别模块还配置为:
在将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果之前,对所述图像数据进行识别,确定关联的传感器数据;
将所述图像数据和所述关联的传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
图4为本发明实施例提供的一种基于不同识别模型的电缆故障识别设备的结构示意图,如图4所示,该设备包括处理器201、存储器202、输入装置203和输出装置204;设备中处理器201的数量可以是一个或多个,图4中以一个处理器201为例;设备中的处理器201、存储器202、输入装置203和输出装置204可以通过总线或其他方式连接,图4中以通过总线连接为例。存储器202作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的基于不同识别模型的电缆故障识别方法对应的程序指令/模块。处理器201通过运行存储在存储器202中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的基于不同识别模型的电缆故障识别方法。输入装置203可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置204可包括显示屏等显示设备。
本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种基于不同识别模型的电缆故障识别方法,该方法包括:
获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像;
根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型;
获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型;
根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
可选的,所述根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,包括:
根据不同的电缆类型确定对应的传感器参数集,所述传感器参数集包括多种不同类型的传感器数据;
根据故障样本图像在所述传感器参数集中确定对应类型的传感器数据;
将原始样本图像、所述故障样本图像以及对应的传感器数据作为训练数据进行缆故障识别模型的训练。
可选的,所述获取不同电缆类型的样本图像数据,包括:
获取不同电缆类型的原始样本图像和故障样本图像,其中,所述原始样本图像为正常运行的电缆图像,所述故障样本图像包括故障前一段时间的电缆图像。
可选的,在将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果之前,还包括:
对所述图像数据进行识别,确定关联的传感器数据;
相应的,所述将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果,包括:
将所述图像数据和所述关联的传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
值得注意的是,上述基于不同识别模型的电缆故障识别系统装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明实施例的保护范围。
注意,上述仅为本发明实施例的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明实施例不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明实施例的保护范围。因此,虽然通过以上实施例对本发明实施例进行了较为详细的说明,但是本发明实施例不仅仅限于以上实施例,在不脱离本发明实施例构思的情况下,还可以包括更多其他等效实施例,而本发明实施例的范围由所附的权利要求范围决定。
Claims (10)
1.基于不同识别模型的电缆故障识别系统,其特征在于,
数据获取模块,配置为获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像;
模型训练模块,配置为根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型;
信息获取模块,配置为获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型;
故障识别模块,配置为根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
2.根据权利要求1所述的基于不同识别模型的电缆故障识别系统,其特征在于,所述模型训练模块配置为:
根据不同的电缆类型确定对应的传感器参数集,所述传感器参数集包括多种不同类型的传感器数据;
根据故障样本图像在所述传感器参数集中确定对应类型的传感器数据;
将原始样本图像、所述故障样本图像以及对应的传感器数据作为训练数据进行缆故障识别模型的训练。
3.根据权利要求2所述的基于不同识别模型的电缆故障识别系统,其特征在于,所述数据获取模块配置为:
获取不同电缆类型的原始样本图像和故障样本图像,其中,所述原始样本图像为正常运行的电缆图像,所述故障样本图像包括故障前一段时间的电缆图像。
4.根据权利要求1所述的基于不同识别模型的电缆故障识别系统,其特征在于,所述故障识别模块还配置为:
在将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果之前,对所述图像数据进行识别,确定关联的传感器数据;
将所述图像数据和所述关联的传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
5.基于不同识别模型的电缆故障识别方法,其特征在于,包括:
获取不同电缆类型的样本图像数据,所述样本图像数据包括原始样本图像和故障样本图像;
根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,得到不同电缆类型对应的电缆故障识别模型;
获取故障分析电缆上传的信息数据,所述信息数据包括所述故障分析电缆的图像数据、传感器数据以及电缆类型;
根据所述故障分析电缆的电缆类型确定对应的电缆故障识别模型,将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
6.根据权利要求5所述的基于不同识别模型的电缆故障识别方法,其特征在于,所述根据不同的电缆类型,分别基于对应的原始样本图像和故障样本图像以及关联的传感器数据进行相应的电缆故障识别模型的训练,包括:
根据不同的电缆类型确定对应的传感器参数集,所述传感器参数集包括多种不同类型的传感器数据;
根据故障样本图像在所述传感器参数集中确定对应类型的传感器数据;
将原始样本图像、所述故障样本图像以及对应的传感器数据作为训练数据进行缆故障识别模型的训练。
7.根据权利要求6所述的基于不同识别模型的电缆故障识别方法,其特征在于,所述获取不同电缆类型的样本图像数据,包括:
获取不同电缆类型的原始样本图像和故障样本图像,其中,所述原始样本图像为正常运行的电缆图像,所述故障样本图像包括故障前一段时间的电缆图像。
8.根据权利要求5所述的基于不同识别模型的电缆故障识别方法,其特征在于,在将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果之前,还包括:
对所述图像数据进行识别,确定关联的传感器数据;
相应的,所述将所述图像数据和所述传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果,包括:
将所述图像数据和所述关联的传感器数据输入至所述电缆故障识别模型以输出电缆故障识别结果。
9.一种基于不同识别模型的电缆故障识别设备,所述设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求5-8中任一项所述的基于不同识别模型的电缆故障识别方法。
10.一种存储计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求5-8中任一项所述的基于不同识别模型的电缆故障识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210432091.0A CN114898174A (zh) | 2022-04-22 | 2022-04-22 | 基于不同识别模型的电缆故障识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210432091.0A CN114898174A (zh) | 2022-04-22 | 2022-04-22 | 基于不同识别模型的电缆故障识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114898174A true CN114898174A (zh) | 2022-08-12 |
Family
ID=82717675
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210432091.0A Pending CN114898174A (zh) | 2022-04-22 | 2022-04-22 | 基于不同识别模型的电缆故障识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114898174A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116929437A (zh) * | 2023-09-15 | 2023-10-24 | 深圳和润达科技有限公司 | 应用于电芯化成分容系统的传感器信息识别方法及装置 |
-
2022
- 2022-04-22 CN CN202210432091.0A patent/CN114898174A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116929437A (zh) * | 2023-09-15 | 2023-10-24 | 深圳和润达科技有限公司 | 应用于电芯化成分容系统的传感器信息识别方法及装置 |
CN116929437B (zh) * | 2023-09-15 | 2023-12-08 | 深圳和润达科技有限公司 | 应用于电芯化成分容系统的传感器信息识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107918382B (zh) | 一种汽车故障诊断方法、汽车故障诊断装置及电子设备 | |
US7369932B2 (en) | System and method for turbine engine fault detection using discrete event system modeling | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN111563606A (zh) | 一种设备预测性维护方法及装置 | |
US9606902B2 (en) | Malfunction influence evaluation system and evaluation method using a propagation flag | |
CN110221145B (zh) | 电力设备故障诊断方法、装置及终端设备 | |
KR20190025474A (ko) | 플랜트 데이터 예측 장치 및 방법 | |
CN102707712B (zh) | 电子装备故障诊断方法和系统 | |
CN113282000A (zh) | 数据中心的故障诊断方法、装置及动环监控系统 | |
CN112463432A (zh) | 基于指标数据的巡检方法、装置及系统 | |
CN114898174A (zh) | 基于不同识别模型的电缆故障识别系统 | |
US8204608B2 (en) | Monitoring and control apparatus | |
CN114548280A (zh) | 故障诊断模型的训练、故障诊断方法及电子设备 | |
CN113485898A (zh) | 振动测点显示方法、装置、设备及存储介质 | |
US8359577B2 (en) | Software health management testbed | |
CN117110794A (zh) | 一种电缆故障智能诊断系统及方法 | |
CN114896168B (zh) | 用于自动驾驶算法开发的快速调试系统、方法以及存储器 | |
CN116126655A (zh) | 采煤机故障提示方法、系统、存储介质及设备 | |
CN114034972A (zh) | 基于图像数据的智能电缆故障确定方法和装置 | |
CN115641114A (zh) | 一种农机维修保养预测方法、装置、存储介质与电子设备 | |
CN111874768B (zh) | 检测电梯部件安装状态的方法、装置、设备和系统 | |
CN113168739B (zh) | 用于检查至少一台车辆的方法以及电子计算装置 | |
CN114064489A (zh) | 一种自动化测试方法、装置、设备及可读存储介质 | |
CN110096447B (zh) | 一种基于图像识别的软硬件自动化测试方法 | |
CN111965609A (zh) | 雷达可靠度评估方法、装置、电子设备及可读存储介质 |
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 |