CN115187881A - 电力设备铭牌识别及台区合规性自动校核系统及方法 - Google Patents

电力设备铭牌识别及台区合规性自动校核系统及方法 Download PDF

Info

Publication number
CN115187881A
CN115187881A CN202211092101.7A CN202211092101A CN115187881A CN 115187881 A CN115187881 A CN 115187881A CN 202211092101 A CN202211092101 A CN 202211092101A CN 115187881 A CN115187881 A CN 115187881A
Authority
CN
China
Prior art keywords
transformer
nameplate
compliance
image
module
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
CN202211092101.7A
Other languages
English (en)
Inventor
刘小波
王文彬
范瑞祥
邓志祥
潘建兵
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
Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jiangxi 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, Electric Power Research Institute of State Grid Jiangxi Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202211092101.7A priority Critical patent/CN115187881A/zh
Publication of CN115187881A publication Critical patent/CN115187881A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
    • G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
    • G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
    • G06K7/10297—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves arrangements for handling protocols designed for non-contact record carriers such as RFIDs NFCs, e.g. ISO/IEC 14443 and 18092
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • 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
    • H02J13/00001—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 the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • H02J13/00006—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
    • H02J13/00022—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 information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using wireless data transmission
    • 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
    • H02J13/00034—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 an electric power substation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Evolutionary Computation (AREA)
  • Toxicology (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Computing Systems (AREA)
  • Electromagnetism (AREA)
  • Remote Sensing (AREA)
  • Human Computer Interaction (AREA)
  • Image Analysis (AREA)

Abstract

本发明涉及电力设备铭牌识别领域，公开了电力设备铭牌识别及台区合规性自动校核系统及方法，该系统包括无人机、摄像模块、铭牌图像处理模块、台区合规性校核模块和数据显示终端，摄像模块、铭牌图像处理模块、台区合规性校核模块搭载在无人机上，摄像模块数据连接铭牌图像处理模块，铭牌图像处理模块数据连接台区合规性校核模块，台区合规性校核模块与数据显示终端无线通信。本发明通过无人机搭载铭牌图像处理模块、台区合规性校核模块，实现对文字识别、台区供电半径计算以及台区合规性校核的前端处理。

Description

电力设备铭牌识别及台区合规性自动校核系统及方法
技术领域
本发明涉及电力设备铭牌识别领域，具体涉及一种电力设备铭牌识别及台区合规性自动校核系统及方法。
背景技术
设备铭牌记录着设备的基本参数和身份信息,在配电线路建设阶段，为保证变压器不知的合理性，需要对台区合规性进行校验，通过无人机搭载可见光相机拍摄变压器铭牌，并自动识别变压器电压等级等关键电气参数，并自动计算该变压器的最大供电半径，并与相邻变压器供电半径进行校核，即可实现台区合规性的自动校核。因此通过对变压器等电力设备铭牌中的文字进行自动识别，对台区合规性的自动校核有着重要意义。
电力设备铭牌信息包含的字符较多且种类丰富,主要有汉字﹑字母﹑数字和一些特殊符号,且拍摄的铭牌图像往往具有复杂的背景,其识别难度大。传统的OCR文字识别存在着检测准确率较低，容易误检等问题，因此需要对铭牌文字识别的方法进行改进。采用深度学习同样可以实现铭牌中文字的识别，但现场运行环境中拍摄的铭牌图像，由于光照条件、铭牌表面污秽等因素的影响，导致检测准确率较低，同时由于拍摄角度的原因，铭牌表面文字呈现倾斜状态，容易导致在文字识别时文本框过大，从而导致切分错误。因此本文提出了一种对现场运行环境中变压器铭牌识别的方法，以克服现有技术的不足。相比于传统的文本检测方法，本发明公开的方法，在面对不同角度、不同距离拍摄的电力设备铭牌图像，具有较强的适用性，且检测准确率远高于传统的文本检测方法。
发明内容
本发明的目的在于提供电力设备铭牌识别及台区合规性自动校核系统及方法，实现对文字识别、台区供电半径计算以及台区合规性校核的前端处理，及时高效地进行台区合规性自动校核。
本发明通过下述技术方案来实现：电力设备铭牌识别及台区合规性自动校核系统，包括无人机、摄像模块、铭牌图像处理模块、台区合规性校核模块和数据显示终端，摄像模块、铭牌图像处理模块、台区合规性校核模块搭载在无人机上，摄像模块数据连接铭牌图像处理模块，铭牌图像处理模块数据连接台区合规性校核模块，台区合规性校核模块与数据显示终端无线通信；
摄像模块对变压器铭牌进行拍照，得到变压器铭牌照片，摄像模块在拍照过程通过RFID标识识别定位变压器铭牌的位置；
铭牌图像处理模块用于对无人机拍摄的变压器铭牌照片进行处理，提取变压器铭牌中的关键电气参数；
所述台区合规性校核模块根据变压器铭牌中的关键电气参数，计算最大供电半径，并对台区合规性进行自动校核，并将校核结果传输至数据显示终端进行展示。
进一步优选，铭牌图像处理模块采用边缘检测算法对变压器铭牌照片进行边缘检测，得到边缘图像。
进一步优选，所述边缘检测算法的Canny算子进行边缘检测的步骤如下：
计算滤波后变压器铭牌照片的梯度幅值M(i, j)和梯度方向H(i, j)：
Figure 97712DEST_PATH_IMAGE001
（1）
Figure 730818DEST_PATH_IMAGE002
（2）
其中k x 是像素点被行滤波器f x 滤波后的结果，k y 是像素点被列滤波器f y 滤波后的结果，i、j为像素点在变压器铭牌照片中的横纵坐标；
对所有变压器铭牌照片沿梯度方向的梯度幅值应用非极大值抑制，具体是用3×3窗口在8个方向的领域对M(i,j)的所有变压器铭牌照片沿梯度方向进行梯度幅值的插值；对经过非极大值抑制的梯度幅值采用双阈值算法检测和连接边缘，用高阈值H th 和低阈值L th 对经过非极大值抑制的梯度幅值处理，分割得到高阈值边缘图像H(i,j)和低阈值边缘图像L(i,j)，并连接高阈值边缘图像H(i,j)和低阈值边缘图像L(i,j)。
进一步优选，高阈值H th 和低阈值L th 通过迭代的方法获取，具体步骤如下：
通过统计灰度直方图得到初始阈值T 0。
Figure 910127DEST_PATH_IMAGE003
（3）
Figure 122933DEST_PATH_IMAGE004
（4）
其中，k为迭代次数，Z max为图像中的最大灰度值，Z min为图像中的最小灰度值，T k 为第k迭代的阈值；
用阈值T k 将图像分为大于等于阈值T k 的图像H 1的和小于阈值T k 的图像H 2，其中：
Figure 438508DEST_PATH_IMAGE005
（5）
Figure 976937DEST_PATH_IMAGE006
（6）
f(x，y)为横纵坐标分别为x、y的像素点的灰度值；
分别计算H 1和H 2的灰度值M 1和M 2：
Figure 643542DEST_PATH_IMAGE007
（7）
Figure 391530DEST_PATH_IMAGE008
（8）
f(i，j)为图像中坐标为(i , j)的像素点的灰度值，N H (i，j)为在图像H 1中灰度值大于T k 像素点的个数、N L (i，j)为在图像H 2中灰度值小于T k 像素点的个数；
式中N H (i，j)、N L (i，j)分别满足：
Figure 827191DEST_PATH_IMAGE009
（9）
Figure 536521DEST_PATH_IMAGE010
（10）
计算新的阈值T k+1：
Figure 424842DEST_PATH_IMAGE011
（11）
当满足T k =T k+1时，则以M 1作为边缘检测中的高阈值H th ，以M 2作为边缘检测中的低阈值L th 。
进一步优选，铭牌图像处理模块采用改进Faster-RCNN模型对边缘图像中的文字进行检测。
进一步优选，所述改进Faster-RCNN模型包括输入层、嵌入SE模块的ResNet-50形成的特征提取器骨干网络、RPN网络、ROI池化层和Softmax分类层，特征提取器骨干网络提取输入图像的特征图，特征图被区域建议网络RPN和ROI池化层共享使用；利用RPN网络生成检测框提议区域；利用ROI池化层收集特征图和检测框提议区域，综合得到的信息提取出统一大小的提议特征图，传输到全连接层判定目标类别；Softmax分类层利用提议特征图计算提议区域的类别，同时再次通过边界框回归函数获得检测框最终的精确位置。
进一步优选，所述SE模块依次包括全局平均池化层、第一全连接层、ReLU激活层、第二全连接层、Sigmoid激活层。第一全连接层按缩减系数使特征通道数下降，经过ReLU激活层激活后再通过第二全连接层再使特征通道数上升，得到和特征通道数数量相同的权重，每个权重用于给对应的一个特征通道进行加权；之后通过Sigmoid激活层的门获得0、1之间归一化的权重；最后，通过缩放操作将归一化后的权重加权到每个特征通道的特征上。
进一步优选，铭牌图像处理模块采用CRNN算法对文字检测结果进行文本检测，并根据关键电气参数的特有格式，对关键电气参数进行提取。
本发明还提供一种电力设备铭牌识别及台区合规性自动校核方法，步骤如下：
步骤１、摄像模块对变压器铭牌进行拍照，得到变压器铭牌照片，摄像模块在拍照过程通过FID标签识别定位变压器铭牌的位置；
步骤２、通过边缘检测对图像中文字进行边缘检测；
步骤３、采用改进Faster-RCNN模型对边缘检测后边缘图像中的文字进行识别；
步骤４、采用CRNN算法对文字检测结果进行文本检测；
步骤５、台区合规性校核模块根据变压器铭牌中电气参数的规则对变压器关键电气参数进行自动提取；
步骤６、台区合规性校核模块根据变压器关键电气参数对相邻两台变压器布置的合理性进行自动校核，并将校核结果传输至数据显示终端进行展示。
进一步优选，步骤1中，无人机搭载RFID读写器，用于读写铭牌中的RFID标签，无人机在飞行过程中执行RFID扫描任务，基于RFID标签扫描，并对扫描结果进行解析，从而实现变压器铭牌位置的定位，并采用无人机搭载的摄像模块获取变压器铭牌照片。
本实施例步骤５中，要提取的变压器关键电气参数有四个：额定电压、额定容量、联结组别和短路阻抗，且要求参数值的位置在参数名右侧。
本实施例步骤6中，根据变压器铭牌照片中获取的关键电气参数，基于供电区域类型和供电电压类型，自动获取变压器的最大供电半径；以变压器为中心点，最大供电半径为半径，计算并显示变压器的台区范围；以变压器为中心点，以变压器到变压器分支线路最远杆塔的线路距离为半径，计算台区到分支线路最远杆塔的台区范围，若最大供电半径小于变压器到分支线路最远杆塔总距离，则判断该变压器供电半径不合格；若最大供电半径大于变压器到分支线路最远杆塔总距离，则判断变压器供电半径合格。
本发明具有如下有益效果：无人机搭载铭牌图像处理模块、台区合规性校核模块，实现对文字识别、台区供电半径计算以及台区合规性校核的前端处理；铭牌图像处理模块对无人机拍摄的变压器铭牌照片进行边缘检测，对边缘检测结果图像进行文字检测，对文字检测结果进行文本检测，对文本检测结果进行变压器关键电气参数提取；台区合规性校核模块根据变压器的关键电气参数对台区合规性进行自动校核。
附图说明
图1是本发明的电力设备铭牌识别及台区合规性自动校核系统框架结构图。
图2是本发明的改进Faster-RCNN模型示意图。
具体实施方式
在下文中，将对本申请的具体实施例进行详细地描述，依照这些详细的描述，所属领域技术人员能够清楚地理解本申请，并能够实施本申请。在不违背本申请原理的情况下，各个不同的实施例中的特征可以进行组合以获得新的实施方式，或者替代某些实施例中的某些特征，获得其它优选的实施方式。
参照图1，电力设备铭牌识别及台区合规性自动校核系统，包括无人机、摄像模块、铭牌图像处理模块、台区合规性校核模块和数据显示终端，摄像模块、铭牌图像处理模块、台区合规性校核模块搭载在无人机上，摄像模块数据连接铭牌图像处理模块，铭牌图像处理模块数据连接台区合规性校核模块，台区合规性校核模块与数据显示终端无线通信；
摄像模块对变压器铭牌进行拍照，得到变压器铭牌照片，摄像模块在拍照过程通过RFID标识识别定位变压器铭牌的位置；
铭牌图像处理模块用于对无人机拍摄的变压器铭牌照片进行处理，提取变压器铭牌中的额定电压等关键电气参数；
所述台区合规性校核模块根据变压器铭牌中的关键电气参数，计算最大供电半径，并对台区合规性进行自动校核，并将校核结果传输至数据显示终端进行展示。
铭牌图像处理模块采用边缘检测算法对变压器铭牌照片进行边缘检测，得到边缘图像，采用改进Faster-RCNN模型对边缘图像中的文字进行检测，采用CRNN算法对文字检测结果进行文本检测，并根据关键电气参数的特有格式，如额定电压的单位kV，额定容量的单位为kVA，根据检测到的电气参数对关键电气参数进行提取。
本实施例对边缘检测算法的Canny算子进行改进，并采用改进后的Canny算子对文字边缘进行提取，以排除铭牌中污秽等区域的干扰。改进后的Canny算子边缘检测的步骤如下：
计算滤波后变压器铭牌照片的梯度幅值M(i, j)和梯度方向H(i, j)：
Figure 979452DEST_PATH_IMAGE001
（1）
Figure 269619DEST_PATH_IMAGE012
（2）
其中k x 是像素点被行滤波器f x 滤波后的结果，k y 是像素点被列滤波器f y 滤波后的结果，i、j为像素点在变压器铭牌照片中的横纵坐标。
对所有变压器铭牌照片沿梯度方向的梯度幅值应用非极大值抑制，具体是用3×3窗口在8个方向的领域对M(i,j)的所有变压器铭牌照片沿梯度方向进行梯度幅值的插值；对经过非极大值抑制的梯度幅值采用双阈值算法检测和连接边缘，用高阈值H th 和低阈值L th 对经过非极大值抑制的梯度幅值处理，分割得到高阈值边缘图像H(i,j)和低阈值边缘图像L(i,j)，并连接高阈值边缘图像H(i,j)和低阈值边缘图像L(i,j)。
其中高阈值H th 和低阈值L th 通过迭代的方法获取，具体步骤如下：
1）通过统计灰度直方图得到初始阈值T 0。
Figure 149850DEST_PATH_IMAGE013
（3）
Figure 525468DEST_PATH_IMAGE014
（4）
其中，k为迭代次数，Z max为图像中的最大灰度值，Z min为图像中的最小灰度值，T k 为第k迭代的阈值。
2）用阈值T k 将图像分为大于等于阈值T k 的图像H 1的和小于阈值T k 的图像H 2，其中：
Figure 898416DEST_PATH_IMAGE015
（5）
Figure 308669DEST_PATH_IMAGE016
（6）
f(x，y)为横纵坐标分别为x、y的像素点的灰度值。
3）分别计算H 1和H 2的灰度值M 1和M 2。
Figure 359802DEST_PATH_IMAGE017
（7）
Figure 81770DEST_PATH_IMAGE018
（8）
f(i，j)为图像中坐标为(i , j)的像素点的灰度值，N H (i，j)为在图像H 1中灰度值大于T k 像素点的个数、N L (i，j)为在图像H 2中灰度值小于T k 像素点的个数。
式中N H (i，j)、N L (i，j)分别满足：
Figure 243761DEST_PATH_IMAGE009
（9）
Figure 242941DEST_PATH_IMAGE019
（10）
4）计算新的阈值T k+1：
Figure 464975DEST_PATH_IMAGE011
（11）
5）当满足T k =T k+1时，则以M 1作为边缘检测中的高阈值H th ，以M 2作为边缘检测中的低阈值L th 。
VGG结构和Inception模型表明，增加网络的深度可以有效的提高网络提取特征的质量。然而，网络深化参数也随之增多, 计算量随之增大，从而导致运行成本的增加和运行速度变慢。因此，有必要在准确率和运行速度两个指标权衡的基础上，对网络进行优化。
为此，本实施例提出一种改进Faster-RCNN模型对边缘图像中的文字进行检测，首先采用ResNet-50替换原有的VGG16特征提取网络，以解决原始Faster-RCNN模型由于网络深度增加导致的非线性提高的问题，然后在ResNet-50中嵌入SE模块作为新的特征提取器骨干网络，给卷积提取的特征通道之间赋予相应的权重, 提升了特征表示的质量, 从而提升检测精度。
SE模块本质上是一种注意力机制。具体来说，它使用一种方法来重新标定特征通道。在特征学习过程中，网络对通道进行加权，强调有效信息，抑制无效信息。其基本实现过程为：给定一个特征通道数是c 1的输入x，对x进行一系列卷积操作变换运算得到一个特征通道数为c 2的特征集，在此基础上进行特征压缩、激活、权重调整等一系列操作，最终得到一个具有通道权重分配的特征集x̃。
SE模块依次包括全局平均池化层、第一全连接层、ReLU激活层、第二全连接层、Sigmoid激活层。第一全连接层按缩减系数使特征通道数下降，经过ReLU激活层激活后再通过第二全连接层再使特征通道数上升，得到和特征通道数数量相同的权重，每个权重用于给对应的一个特征通道进行加权；之后通过Sigmoid激活层的门获得0、1之间归一化的权重。最后，通过缩放操作将归一化后的权重加权到每个特征通道的特征上。
综上所述，本实施例提出的改进Faster-RCNN模型如图2所示，包括输入层、嵌入SE模块的ResNet-50形成的特征提取器骨干网络、RPN网络、ROI池化层和Softmax分类层，特征提取器骨干网络提取输入图像的特征图，特征图被区域建议网络RPN和ROI池化层共享使用；利用RPN网络生成检测框提议区域；利用ROI池化层收集特征图和检测框提议区域，综合得到的信息提取出统一大小的提议特征图，传输到全连接层判定目标类别；Softmax分类层利用提议特征图计算提议区域的类别，同时再次通过边界框回归函数获得检测框最终的精确位置。
本实施例提供电力设备铭牌识别及台区合规性自动校核方法，步骤如下：
步骤１、摄像模块对变压器铭牌进行拍照，得到变压器铭牌照片，摄像模块在拍照过程通过FID标签识别定位变压器铭牌的位置；
步骤２、通过边缘检测对图像中文字进行边缘检测；
步骤３、采用改进Faster-RCNN模型对边缘检测后边缘图像中的文字进行识别；
步骤４、采用CRNN算法对文字检测结果进行文本检测；
步骤５、台区合规性校核模块根据变压器铭牌中电气参数的规则对变压器关键电气参数进行自动提取；
步骤６、台区合规性校核模块根据变压器关键电气参数对相邻两台变压器布置的合理性进行自动校核，并将校核结果传输至数据显示终端进行展示。
本实施例步骤1中，无人机搭载RFID读写器，用于读写铭牌中的RFID标签，无人机在飞行过程中执行RFID扫描任务，基于RFID标签扫描，并对扫描结果进行解析，从而实现变压器铭牌位置的定位，并采用无人机搭载的摄像模块获取变压器铭牌照片。
本实施例步骤５中，要提取的变压器关键电气参数有四个：额定电压、额定容量、联结组别和短路阻抗，且要求参数值的位置在参数名右侧。提取步骤如下：以额定容量为例，首先遍历所有文字框，找到额定容量所在的文字框，根据位置信息找到额定容量所在文字框右边的所有文字框，并把额定容量所在文字框及其右侧的文字框中的文字按照从左到右的顺序写在一行，以字母A为界限分割这一行文字，即可得到“额定容量200KVA”，提取其中的数字200写入模板“额定容量+数字+kVA”。类似的，对于短路阻抗，以%为界限分割并写入模板“短路阻抗+数字+%”。对于额定电压，以字母V为界限。对于联结组别，在此默认配电网的联结组别只有Dyn11和Yyn0两种，对检测出联结组别来说，只要判断其中是否有关键字母D和Y即可。最终将提取的关键电气参数将保存在变压器铭牌照片序号对应的文档中，
本实施例步骤6中，根据变压器铭牌照片中获取的关键电气参数，基于表1所示的供电区域和供电类型，自动获取该变压器的最大供电半径。
Figure 815185DEST_PATH_IMAGE020
以变压器为中心点，最大供电半径为半径，计算并显示该变压器的台区范围。以变压器为中心点，以变压器到变压器分支线路最远杆塔的线路距离为半径，计算该台区到分支线路最远杆塔的台区范围，若最大供电半径小于变压器到分支线路最远杆塔总距离，则判断该变压器供电半径不合格；若最大供电半径大于变压器到分支线路最远杆塔总距离，则判断该变压器供电半径合格。
本发明为确保能够对现场运行中的设备铭牌中的关键电气参数进行准确检测，通过对变压器铭牌照片进行边缘检测，然后通过改进Faster-RCNN模型与CRNN对边缘图像中的文字进行识别，从而排除光照条件、铭牌表面污秽等因素的影响，同时针对变压器铭牌照片中的关键电气参数，根据关键电气参数的独有特征，对文本检测结果进行关键信息提取，检测准确率达到了97%。
本发明对无人机拍摄的变压器铭牌照片进行前端处理，自动计算变压器的最大供电半径，并实现了在前端的台区合规性的自动校核。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.电力设备铭牌识别及台区合规性自动校核系统，其特征是：包括无人机、摄像模块、铭牌图像处理模块、台区合规性校核模块和数据显示终端，摄像模块、铭牌图像处理模块、台区合规性校核模块搭载在无人机上，摄像模块数据连接铭牌图像处理模块，铭牌图像处理模块数据连接台区合规性校核模块，台区合规性校核模块与数据显示终端无线通信；
摄像模块对变压器铭牌进行拍照，得到变压器铭牌照片，摄像模块在拍照过程通过RFID标识识别定位变压器铭牌的位置；
铭牌图像处理模块用于对无人机拍摄的变压器铭牌照片进行处理，提取变压器铭牌中的关键电气参数；
所述台区合规性校核模块根据变压器铭牌中的关键电气参数，计算最大供电半径，并对台区合规性进行自动校核，并将校核结果传输至数据显示终端进行展示。
2.根据权利要求1所述的电力设备铭牌识别及台区合规性自动校核系统，其特征是：铭牌图像处理模块采用边缘检测算法对变压器铭牌照片进行边缘检测，得到边缘图像。
3.根据权利要求2所述的电力设备铭牌识别及台区合规性自动校核系统，其特征是：所述边缘检测算法的Canny算子进行边缘检测的步骤如下：
计算滤波后变压器铭牌照片的梯度幅值M(i, j)和梯度方向H(i, j)：
Figure 743071DEST_PATH_IMAGE001
（1）
Figure 862337DEST_PATH_IMAGE002
（2）
其中k x 是像素点被行滤波器f x 滤波后的结果，k y 是像素点被列滤波器f y 滤波后的结果，i、j为像素点在变压器铭牌照片中的横纵坐标；
对所有变压器铭牌照片沿梯度方向的梯度幅值应用非极大值抑制，具体是用3×3窗口在8个方向的领域对M(i,j)的所有变压器铭牌照片沿梯度方向进行梯度幅值的插值；对经过非极大值抑制的梯度幅值采用双阈值算法检测和连接边缘，用高阈值H th 和低阈值L th 对经过非极大值抑制的梯度幅值处理，分割得到高阈值边缘图像H(i,j)和低阈值边缘图像L(i,j)，并连接高阈值边缘图像H(i,j)和低阈值边缘图像L(i,j)。
4.根据权利要求3所述的电力设备铭牌识别及台区合规性自动校核系统，其特征是：高阈值H th 和低阈值L th 通过迭代的方法获取，具体步骤如下：
通过统计灰度直方图得到初始阈值T 0：
Figure 989693DEST_PATH_IMAGE003
（3）
Figure 92778DEST_PATH_IMAGE004
（4）
其中，k为迭代次数，Z max为图像中的最大灰度值，Z min为图像中的最小灰度值，T k 为第k迭代的阈值；
用阈值T k 将图像分为大于等于阈值T k 的图像H 1的和小于阈值T k 的图像H 2，其中：
Figure 596571DEST_PATH_IMAGE005
（5）
Figure 832993DEST_PATH_IMAGE006
（6）
f(x，y)为横纵坐标分别为x、y的像素点的灰度值；
分别计算H 1和H 2的灰度值M 1和M 2：
Figure 131251DEST_PATH_IMAGE007
（7）
Figure 456053DEST_PATH_IMAGE008
（8）
f(i，j)为图像中坐标为(i , j)的像素点的灰度值，N H (i，j)为在图像H 1中灰度值大于T k 像素点的个数、N L (i，j)为在图像H 2中灰度值小于T k 像素点的个数；
式中N H (i，j)、N L (i，j)分别满足：
Figure 763537DEST_PATH_IMAGE009
（9）
Figure 326237DEST_PATH_IMAGE010
（10）
计算新的阈值T k+1：
Figure 60974DEST_PATH_IMAGE011
（11）
当满足T k =T k+1时，则以M 1作为边缘检测中的高阈值H th ，以M 2作为边缘检测中的低阈值L th 。
5.根据权利要求1所述的电力设备铭牌识别及台区合规性自动校核系统，其特征是：铭牌图像处理模块采用改进Faster-RCNN模型对边缘图像中的文字进行检测。
6.根据权利要求5所述的电力设备铭牌识别及台区合规性自动校核系统，其特征是：所述改进Faster-RCNN模型包括输入层、嵌入SE模块的ResNet-50形成的特征提取器骨干网络、RPN网络、ROI池化层和Softmax分类层，特征提取器骨干网络提取输入图像的特征图，特征图被区域建议网络RPN和ROI池化层共享使用；利用RPN网络生成检测框提议区域；利用ROI池化层收集特征图和检测框提议区域，综合得到的信息提取出统一大小的提议特征图，传输到全连接层判定目标类别；Softmax分类层利用提议特征图计算提议区域的类别，同时再次通过边界框回归函数获得检测框最终的精确位置。
7.根据权利要求6所述的电力设备铭牌识别及台区合规性自动校核系统，其特征是：所述SE模块依次包括全局平均池化层、第一全连接层、ReLU激活层、第二全连接层、Sigmoid激活层；第一全连接层按缩减系数使特征通道数下降，经过ReLU激活层激活后再通过第二全连接层再使特征通道数上升，得到和特征通道数数量相同的权重，每个权重用于给对应的一个特征通道进行加权；之后通过Sigmoid激活层的门获得0、1之间归一化的权重；最后，通过缩放操作将归一化后的权重加权到每个特征通道的特征上。
8.根据权利要求1所述的电力设备铭牌识别及台区合规性自动校核系统，其特征是：铭牌图像处理模块采用CRNN算法对文字检测结果进行文本检测，并根据关键电气参数的特有格式，对关键电气参数进行提取。
9.一种电力设备铭牌识别及台区合规性自动校核方法，基于权利要求1-8所述的电力设备铭牌识别及台区合规性自动校核系统，其特征是，步骤如下：
步骤1、摄像模块对变压器铭牌进行拍照，得到变压器铭牌照片，摄像模块在拍照过程通过FID标签识别定位变压器铭牌的位置；
步骤２、通过边缘检测对图像中文字进行边缘检测；
步骤３、采用改进Faster-RCNN模型对边缘检测后边缘图像中的文字进行识别；
步骤４、采用CRNN算法对文字检测结果进行文本检测；
步骤５、台区合规性校核模块根据变压器铭牌中电气参数的规则对变压器关键电气参数进行自动提取；
步骤６、台区合规性校核模块根据变压器关键电气参数对相邻两台变压器布置的合理性进行自动校核，并将校核结果传输至数据显示终端进行展示。
10.根据权利要求9所述的电力设备铭牌识别及台区合规性自动校核方法，其特征是：步骤6中，根据变压器铭牌照片中获取的关键电气参数，基于供电区域类型和供电电压类型，自动获取变压器的最大供电半径；以变压器为中心点，最大供电半径为半径，计算并显示变压器的台区范围；以变压器为中心点，以变压器到变压器分支线路最远杆塔的线路距离为半径，计算台区到分支线路最远杆塔的台区范围，若最大供电半径小于变压器到分支线路最远杆塔总距离，则判断变压器供电半径不合格；若最大供电半径大于变压器到分支线路最远杆塔总距离，则判断变压器供电半径合格。
CN202211092101.7A 2022-09-08 2022-09-08 电力设备铭牌识别及台区合规性自动校核系统及方法 Pending CN115187881A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211092101.7A CN115187881A (zh) 2022-09-08 2022-09-08 电力设备铭牌识别及台区合规性自动校核系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211092101.7A CN115187881A (zh) 2022-09-08 2022-09-08 电力设备铭牌识别及台区合规性自动校核系统及方法

Publications (1)

Publication Number Publication Date
CN115187881A true CN115187881A (zh) 2022-10-14

Family

ID=83522526

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211092101.7A Pending CN115187881A (zh) 2022-09-08 2022-09-08 电力设备铭牌识别及台区合规性自动校核系统及方法

Country Status (1)

Country Link
CN (1) CN115187881A (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281979A (zh) * 2014-09-26 2015-01-14 广东电网有限责任公司电力科学研究院 配电变压器台区低电压故障类型检测方法和系统
CN109409355A (zh) * 2018-08-13 2019-03-01 国网陕西省电力公司 一种新型变压器铭牌识别的方法及装置
CN110490405A (zh) * 2019-06-28 2019-11-22 贵州电网有限责任公司 一种变压器能效评估分析系统
CN110880753A (zh) * 2019-11-02 2020-03-13 国网上海市电力公司 一种基于hplc环境下的台区线损矫正方法
CN111523583A (zh) * 2020-04-16 2020-08-11 国网河北省电力有限公司石家庄市栾城区供电分公司 一种利用无人机对设备铭牌照片自动识别分类的方法
CN111539924A (zh) * 2020-04-20 2020-08-14 广东电网有限责任公司 一种悬垂线夹的缺陷检测方法、装置、设备及存储介质
CN112380914A (zh) * 2020-10-21 2021-02-19 浙江工业大学 一种基于深度学习的渔船安全监控方法
CN112446370A (zh) * 2020-11-24 2021-03-05 东南大学 一种电力设备铭牌文本信息识别的方法
CN113435452A (zh) * 2021-07-09 2021-09-24 南京荣新智能科技有限公司 一种基于改进ctpn算法的电气设备铭牌文本检测方法
CN114519514A (zh) * 2022-01-27 2022-05-20 佰聆数据股份有限公司 一种低压台区合理线损值测算方法、系统及计算机设备
CN114596433A (zh) * 2022-03-11 2022-06-07 国网上海市电力公司 一种绝缘子识别方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104281979A (zh) * 2014-09-26 2015-01-14 广东电网有限责任公司电力科学研究院 配电变压器台区低电压故障类型检测方法和系统
CN109409355A (zh) * 2018-08-13 2019-03-01 国网陕西省电力公司 一种新型变压器铭牌识别的方法及装置
CN110490405A (zh) * 2019-06-28 2019-11-22 贵州电网有限责任公司 一种变压器能效评估分析系统
CN110880753A (zh) * 2019-11-02 2020-03-13 国网上海市电力公司 一种基于hplc环境下的台区线损矫正方法
CN111523583A (zh) * 2020-04-16 2020-08-11 国网河北省电力有限公司石家庄市栾城区供电分公司 一种利用无人机对设备铭牌照片自动识别分类的方法
CN111539924A (zh) * 2020-04-20 2020-08-14 广东电网有限责任公司 一种悬垂线夹的缺陷检测方法、装置、设备及存储介质
CN112380914A (zh) * 2020-10-21 2021-02-19 浙江工业大学 一种基于深度学习的渔船安全监控方法
CN112446370A (zh) * 2020-11-24 2021-03-05 东南大学 一种电力设备铭牌文本信息识别的方法
CN113435452A (zh) * 2021-07-09 2021-09-24 南京荣新智能科技有限公司 一种基于改进ctpn算法的电气设备铭牌文本检测方法
CN114519514A (zh) * 2022-01-27 2022-05-20 佰聆数据股份有限公司 一种低压台区合理线损值测算方法、系统及计算机设备
CN114596433A (zh) * 2022-03-11 2022-06-07 国网上海市电力公司 一种绝缘子识别方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
孙华魁著: "《数字图像处理与识别技术研究》", 31 May 2019, 天津科学技术出版社 *
霍冠英；李庆武；周妍著: "《侧扫声呐图像目标分割》", 31 May 2017, 哈尔滨：哈尔滨工程大学出版社 *

Similar Documents

Publication Publication Date Title
CN109241894B (zh) 一种基于表格定位和深度学习的票据内容识别系统和方法
CN113160192B (zh) 复杂背景下基于视觉的压雪车外观缺陷检测方法及装置
CN102163284B (zh) 面向中文环境的复杂场景文本定位方法
CN103310211B (zh) 一种基于图像处理的填注标记识别方法
CN105046252B (zh) 一种人民币冠字码识别方法
CN109409355B (zh) 一种新型变压器铭牌识别的方法及装置
CN108694393A (zh) 一种基于深度卷积的证件图像文本区域提取方法
CN107545239A (zh) 一种基于车牌识别与车辆特征匹配的套牌检测方法
CN107705301B (zh) 一种基于无人机航拍公路图像的公路标线破损检测方法
CN107203990A (zh) 一种基于模板匹配与图像质量评估的标贴破损检测方法
CN106156684B (zh) 一种二维码识别方法及装置
CN106446952A (zh) 一种乐谱图像识别方法及装置
CN108734235A (zh) 一种用于电子处方的身份识别方法及系统
CN111783757A (zh) 一种基于ocr技术的复杂场景下身份证识别方法
CN104794479B (zh) 基于局部笔画宽度变换的自然场景图片中文本检测方法
Khalifa et al. Malaysian Vehicle License Plate Recognition.
CN108509950B (zh) 基于概率特征加权融合的铁路接触网支柱号牌检测识别法
CN106529532A (zh) 一种基于积分特征通道与灰度投影的车牌识别系统
CN109376740A (zh) 一种基于视频的水尺读数检测方法
CN106485182A (zh) 一种基于仿射变换的模糊qr码复原方法
CN112734729B (zh) 适用于夜间补光条件的水尺水位线图像检测方法、装置及存储介质
CN103295009B (zh) 基于笔画分解的车牌字符识别方法
CN105426890A (zh) 一种字符扭曲粘连的图形验证码识别方法
CN111539330B (zh) 一种基于双svm多分类器的变电站数显仪表识别方法
CN107195069A (zh) 一种人民币冠字号自动识别方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20221014

RJ01 Rejection of invention patent application after publication