CN115372877A - 基于无人机的变电站的避雷器泄露电流表计巡检方法 - Google Patents
基于无人机的变电站的避雷器泄露电流表计巡检方法 Download PDFInfo
- Publication number
- CN115372877A CN115372877A CN202210801051.9A CN202210801051A CN115372877A CN 115372877 A CN115372877 A CN 115372877A CN 202210801051 A CN202210801051 A CN 202210801051A CN 115372877 A CN115372877 A CN 115372877A
- Authority
- CN
- China
- Prior art keywords
- identification
- lightning arrester
- acquiring
- image
- output reading
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/02—Testing or calibrating of apparatus covered by the other groups of this subclass of auxiliary devices, e.g. of instrument transformers according to prescribed transformation ratio, phase angle, or wattage rating
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
- G01R19/17—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values giving an indication of the number of times this occurs, i.e. multi-channel analysers
-
- 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
- G01R31/50—Testing of electric apparatus, lines, cables or components for short-circuits, continuity, leakage current or incorrect line connections
- G01R31/52—Testing for short-circuits, leakage current or ground faults
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明涉及巡检与管理技术领域，特别涉及一种基于无人机的变电站的避雷器泄露电流表计巡检方法，方法包括：通过无人机，获取预设的巡检航线上的航拍图像集，将航拍图像集输入至预设的电流表计识别模型，获取电流表计识别模型输出的若干个避雷器泄露电流表计表盘图像；将若干个第一识别图像输入至预设的动作次数检测模型，获取各个第一识别图像对应的动作次数检测数据；将若干个第二识别图像输入至预设的输出读数检测模型，获取各个第二识别图像对应的输出读数检测数据；响应于显示指令，获取与巡检航线相关联的电子地图数据，根据动作次数检测数据、输出读数检测数据以及预设的预警标识，在电子地图数据上进行预警标识的显示以及标注。
Description
技术领域
本发明涉及巡检与管理技术领域，特别涉及是一种基于无人机的变电站的避雷器泄露电流表计巡检方法、装置、设备以及存储介质。
背景技术
在变电站智能化巡检敏感区域中，随着时间的推移，变电站下避雷器泄露电流表计的输出读数过低或者过高以及动作次数过多时，会产生设备损坏的风险。
目前的技术方案，一方面通过人工巡检的方式，对各个避雷器泄露电流表计进行巡检，并目视判别输出读数是否超出警戒值以及动作次数是否过多，具有较高的人力成本，而且效率低下；
另一方面采用无人机与可见光相机相结合的方法，然后通过人工筛选的方式判别输出读数是否超出警戒值以及动作次数是否过多，然而，由于变电站环境拍摄避雷器泄露电流表计存在多角度、光线、遮挡等因素，导致巡检过程中出现一定程度的漏检和误检，降低了巡检的准确性以及效率。
发明内容
基于此，本发明的目的在于，提供一种基于无人机的变电站的避雷器泄露电流表计巡检方法、装置、设备以及存储介质，通过预设的电流表计识别模型，获取无人机拍摄的航拍图像对应的避雷器泄露电流表计表盘图像，并通过预设的动作次数检测模型以及输出读数检测模型，能够准确、快速地对避雷器泄露电流表计表盘图像对应的动作次数检测数据以及输出读数检测数据进行识别，提高了变电站巡检的效率，节省人力。
第一方面，本申请实施例提供了一种基于无人机的变电站的避雷器泄露电流表计巡检方法，包括以下步骤：
通过无人机，获取预设的巡检航线上的航拍图像集，其中，所述航拍图像集包括若干个包含避雷器泄露电流表计的航拍图像；
将所述航拍图像集输入至预设的电流表计识别模型，获取所述电流表计识别模型输出的若干个避雷器泄露电流表计表盘图像，其中，所述避雷器泄露电流表计表盘图像包括动作次数表计区域对应的第一识别图像以及输出读数表计区域对应的第二识别图像；
将所述若干个第一识别图像输入至预设的动作次数检测模型，获取各个第一识别图像对应的动作次数检测数据；
将所述若干个第二识别图像输入至预设的输出读数检测模型，获取各个第二识别图像对应的输出读数检测数据；
响应于显示指令，获取与所述巡检航线相关联的电子地图数据，根据所述动作次数检测数据、输出读数检测数据以及预设的检测阈值，获取所述航拍图像对应的避雷器泄露电流表计的动作次数检测结果以及输出读数检测结果，根据所述动作次数检测结果以及输出读数检测结果，获取所述航拍图像对应的避雷器泄露电流表计的预警标识，并在所述电子地图数据上进行预警标识的显示以及标注。
第二方面，本申请实施例提供了一种基于无人机的变电站的避雷器泄露电流表计巡检装置，包括：
获取模块，用于通过无人机，获取预设的巡检航线上的航拍图像集，其中，所述航拍图像集包括若干个包含避雷器泄露电流表计的航拍图像；
识别模块，用于将所述航拍图像集输入至预设的电流表计识别模型，获取所述电流表计识别模型输出的若干个避雷器泄露电流表计表盘图像，其中，所述避雷器泄露电流表计表盘图像包括动作次数表计区域对应的第一识别图像以及输出读数表计区域对应的第二识别图像；
动作次数检测模块，用于将所述若干个第一识别图像输入至预设的动作次数检测模型，获取各个第一识别图像对应的动作次数检测数据；
输出读数检测模块，用于将所述若干个第二识别图像输入至预设的输出读数检测模型，获取各个第二识别图像对应的输出读数检测数据；
显示模块，用于响应于显示指令，获取与所述巡检航线相关联的电子地图数据，根据所述动作次数检测数据、输出读数检测数据以及预设的检测阈值，获取所述航拍图像对应的避雷器泄露电流表计的动作次数检测结果以及输出读数检测结果，根据所述动作次数检测结果以及输出读数检测结果，获取所述航拍图像对应的避雷器泄露电流表计的预警标识，并在所述电子地图数据上进行预警标识的显示以及标注。
第三方面，本申请实施例提供了一种计算机设备，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如第一方面所述的基于无人机的变电站的避雷器泄露电流表计巡检方法的步骤。
第四方面，本申请实施例提供了一种存储介质，所述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第一方面所述的基于无人机的变电站的避雷器泄露电流表计巡检方法的步骤。
在本申请实施例中，提供一种基于无人机的变电站的避雷器泄露电流表计巡检方法、装置、设备以及存储介质，通过预设的电流表计识别模型，获取无人机拍摄的航拍图像对应的避雷器泄露电流表计表盘图像，并通过预设的动作次数检测模型以及输出读数检测模型，能够准确、快速地对避雷器泄露电流表计表盘图像对应的动作次数检测数据以及输出读数检测数据进行识别，提高了变电站巡检的效率，节省人力。
为了更好地理解和实施，下面结合附图详细说明本发明。
附图说明
图1为本申请第一实施例提供的基于无人机的变电站的避雷器泄露电流表计巡检方法的流程示意图；
图2为本申请第二实施例提供的基于无人机的变电站的避雷器泄露电流表计巡检方法的流程示意图；
图3为本申请第三实施例提供的基于无人机的变电站的避雷器泄露电流表计巡检方法的流程示意图；
图4为本申请第一实施例提供的基于无人机的变电站的避雷器泄露电流表计巡检方法中S4的流程示意图；
图5为本申请第四实施例提供的基于无人机的变电站的避雷器泄露电流表计巡检装置的结构示意图；
图6为本申请第五实施例提供的计算机设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”/“若”可以被解释成为“在……时”或“当……时”或“响应于确定”。
请参阅图1，图1为本申请第一实施例提供的基于无人机的变电站的避雷器泄露电流表计巡检方法的流程示意图，所述方法包括如下步骤：
S1：通过无人机，获取预设的巡检航线上的航拍图像集。
所述航拍图像集包括若干个包含避雷器泄露电流表计的航拍图像。
所述基于无人机的变电站的避雷器泄露电流表计巡检方法的执行主体为基于无人机的变电站的避雷器泄露电流表计巡检方法的巡检设备(以下简称巡检设备)，在一个可选的实施例中，所述巡检设备可以是一台计算机设备可以是服务器，或是多台计算机设备联合而成的服务器机群。
在本实施例中，巡检设备通过控制无人机，在预设的巡检航线上的进行飞行作业，获取预设的巡检航线上的若干个包含避雷器泄露电流表计的图像，其中，所述图像为无人机拍摄的航拍图像，所述航拍图像为可见光图像。
S2：将所述航拍图像集输入至预设的电流表计识别模型，获取所述电流表计识别模型输出的若干个避雷器泄露电流表计表盘图像。
所述电流表计识别模型采用YOLOv5(You Only Look Once)模型，所述YOLOv5模型是基于开源框架pytorch模型进行的，而Pytorch模型是由一组基本的神经网络参数来定义的。YOLOv5模型将目标检测重新定义为一个分类和回归问题，将单个卷积神经网络应用于整个图像，将图像分成网格，并预测每个网格的类概率和边界框。
在本实施例中，巡检设备将所述航拍图像集中各个避雷器泄露电流表计对应的图像输入至预设的电流表计识别模型，获取所述电流表计识别模型输出的各个避雷器泄露电流表计对应的避雷器泄露电流表计表盘图像，其中，所述避雷器泄露电流表计表盘图像包括动作次数表计区域对应的第一识别图像以及输出读数表计区域对应的第二识别图像；
考虑到避雷器泄露电流表计对应的图像的分辨率比较大包含非表计区域较多，存在较多干扰，在一个可选的实施例中，巡检设备预先构建有表计区域配置表，其中，所述表计区域配置表包括避雷器泄露电流表计类型对应的表计区域坐标数据。
巡检设备根据预设的表计区域配置表，从该表计区域配置表中，获取与所述各个避雷器泄露电流表计对应的图像对应的表计区域坐标数据，将所述表计区域坐标数据输入至电流表计识别模型，获取所述电流表计识别模型输出的若干个避雷器泄露电流表计表盘图像。
其中，所述表计区域坐标数据包括动作次数表计区域以及输出读数表计区域对应的纵向坐标数据以及横向坐标数据。
所述动作次数表计区域用于显示该避雷器泄露电流表计对应的避雷器被雷击的次数，当避雷器遭到雷击后，便会对该次雷击进行记录；
所述输出读数表计区域用于显示该避雷器泄露电流表计对应的避雷器接入系统后流经避雷器芯体内的阀片电流的大小，体现该避雷器当前的工作性能，具体地，由于避雷器类似于绝缘体，在通常情况下，避雷器遭到雷击，其流经避雷器阀片芯体内的电流的大小不会发生较大的变动，当避雷器阀片芯体内的阀片的性能下降，遭到雷击后，其流经避雷器阀片芯体内的电流的大小便会发生较大的变动。
请参阅图2，图2为本申请第二实施例提供的基于无人机的变电站的避雷器泄露电流表计巡检方法的流程示意图，还包括训练电流表计识别模型，所述训练电流表计识别模型包括步骤S201～S203，具体如下：
S201：获取若干个样本避雷器泄露电流表计表盘图像。
在本实施例中，巡检设备可以获取用户输入的若干个样本避雷器泄露电流表计表盘图像，也可以预设的数据库中获取所述若干个样本避雷器泄露电流表计表盘图像，其中，所述样本避雷器泄露电流表计表盘图像包括动作次数表计区域对应的第一样本识别图像以及输出读数表计区域对应的第二样本识别图像。
为了提高样本避雷器泄露电流表计表盘图像的多样性，提高模型训练的准确性，在一个可选的实施例中，巡检设备通过无人机获取不同时间段以及不同的天气拍摄的样本避雷器泄露电流表计表盘图像。
S202：分别对所述第一样本识别图像以及第二样本识别图像进行标签标注，获取所述第一样本识别图像对应的第一标签数据以及所述第二样本识别图像对应的第二标签数据。
在本实施例中，巡检设备分别对所述第一样本识别图像以及第二样本识别图像进行标签标注，获取所述第一样本识别图像对应的第一标签数据以及所述第二样本识别图像对应的第二标签数据，其中，所述第一标签数据为动作次数表计区域标识数据，第二标签数据为输出读数表计区域标识数据。
S203：将所述样本避雷器泄露电流表计表盘图像、第一标签数据以及第二标签数据输入至待训练的第一神经网络模型进行迭代训练，获取所述电流表计识别模型。
在本实施例中，巡检设备将所述各个样本避雷器泄露电流表计表盘图像，以及各个第一样本识别图像对应的第一标签数据、第二样本识别图像对应的第二标签数据输入至预设的待训练的第一神经网络模型中，根据预设的迭代次数，进行迭代训练，获取若干个训练后的第一神经网络模型，并根据获取各个训练后的第一神经网络模型对应的准确率，根据所述准确率以及召回率，从所述若干个训练后的第一神经网络模型中，获取准确率以及召回率最大的的第一目标神经网络模型，作为所述电流表计识别模型。
S3：将所述若干个第一识别图像输入至预设的动作次数检测模型，获取各个第一识别图像对应的动作次数检测数据。
所述动作次数检测模型采用LPRNet(License Plate Recognition Network)模型，LPRNet模型为卷积神经网络模型的一种，用于进行字符识别。
在本实施例中，巡检设备将所述若干个第一识别图像输入至所述动作次数检测模型，根据所述动作次数检测模型中的OCR算法，对所述第一识别图像的进行动作次数识别，获取动作次数检测模型输出的字符串序列，作为动作次数检测数据，从而获取各个第一识别图像对应的动作次数检测数据。
请参阅图3，图3为本申请第三实施例提供的基于无人机的变电站的避雷器泄露电流表计巡检方法的流程示意图，还包括训练动作次数检测模型，所述训练动作次数检测模型，包括步骤S301～S302，具体如下：
S301：对所述第一样本识别图像进行标签标注，获取所述第一样本识别图像对应的第三标签数据。
在本实施例中，巡检设备对所述第一样本识别图像进行标签标注，获取所述第一样本识别图像对应的第三标签数据，其中，所述第三标签数据为动作次数标识，所述动作次数标识可以是字符串组合，在一个可选的实施例中，为避免相同的动作次数图片，巡检设备获取用户输入的各个第一样本识别图像对应的标签字符串，作为第三标签数据，其中，所述标签字符串包括若干个字符，该字符可以是数字以及字母。
S302：将所述第一样本识别图像以及第三标签数据输入至待训练的第二神经网络模型进行迭代训练，获取所述动作次数检测模型。
在本实施例中，巡检设备将所述各个第一样本识别图像，以及各个第一样本识别图像对应的第三标签数据输入至预设的待训练的第二神经网络模型中，根据预设的迭代次数，进行迭代训练，获取所述动作次数检测模型，具体地，巡检设备采用CTCloss((Connectionist Temporal Classification Loss)对第二神经网络模型进行训练，获取若干个训练后的第二神经网络模型，在训练过程中，所述各个训练后的第二神经网络模型输出所述第一样本识别图像对应的样本字符串，并根据所述样本字符串中各个字符对应的位置索引，以及所述第一样本识别图像对应的第三标签数据，即标签字符串，与所述标签字符串中相同位置索引下的字符进行对比，获取对比相同数目以及对比不同数据，将所述对比相同数目以及对比不同数据进行比值，作为所述各个训练后的第二神经网络模型的准确率，从所述若干个训练后的第二神经网络模型中，获取准确率最高的第二目标神经网络模型，作为所述动作次数检测模型。
S4：将所述若干个第二识别图像输入至预设的输出读数检测模型，获取各个第二识别图像对应的输出读数检测数据。
输出读数检测模型包括指针分割模块以及读数识别模块，所述指针分割模块采用deeplabv3模型，deeplabv3模型为图像分割模型的一种，用于是对图像中每一个像素点进行分类，确定每个点的类别(如属于背景、人或车等)，从而进行区域划分。
读数识别模块采用DEEP LAB模型，DEEP LAB模型是针对语义分割任务提出的深度学习模型。
在本实施例中，巡检设备将所述若干个第二识别图像输入至预设的输出读数检测模型，获取各个第二识别图像对应的输出读数检测数据。
所述第二样本识别图像，包括指针区域以及刻度区域，请参阅图4，图4为本申请第一实施例提供的基于无人机的变电站的避雷器泄露电流表计巡检方法中S4的流程示意图，包括步骤S401～S402，具体如下：
S401：将所述若干个第二识别图像输入至所述输出读数检测模型中的指针分割模块，获取各个第二识别图像对应的指针分割图像。
在本实施例中，巡检设备将所述若干个第二识别图像输入至预设的输出读数检测模型中的指针分割模块，对所述第二识别图像中的指针区域以及刻度区域进行分割，获取各个第二识别图像对应的指针分割图像。
S402：将所述各个第二识别图像对应的指针分割图像输入至所述输出读数检测模型中的读数识别模块中，进行输出读数的识别，获取各个第二识别图像对应的输出读数检测数据。
在本实施例中，巡检设备将所述各个第二识别图像对应的指针分割图像输入至读数识别模块中，进行输出读数的识别，获取各个第二识别图像对应的输出读数检测数据。具体地，读数识别模块根据所述指针分割图像，获取所述各个指针分割图像的指针位置、起始刻度位置和起始刻度数值、终止刻度位置和终止刻度数值，计算所述指针位置与所述刻度起点位置之间的第一距离，所述刻度起点位置和所述刻度终点位置的第二距离，将所述第一距离与所述第二距离的比值，同起始刻度数值和终止刻度数值之差相乘，获取相乘结果，并将所述相乘结果作为所述第二识别图像对应的输出读数数据，从而获取各个第二识别图像对应的输出读数检测数据。
S5：响应于显示指令，获取与所述巡检航线相关联的电子地图数据，根据所述动作次数检测数据、输出读数检测数据以及预设的检测阈值，获取所述航拍图像对应的避雷器泄露电流表计的动作次数检测结果以及输出读数检测结果，根据所述动作次数检测结果以及输出读数检测结果，获取所述航拍图像对应的避雷器泄露电流表计的预警标识，并在所述电子地图数据上进行预警标识的显示以及标注。
所述显示指令为用户发出的，巡检设备接收的。
所述检测阈值包括动作次数检测阈值以及输出读数检测阈值，在本实施例中，巡检设备获取用户发送的所述显示指令，并进行响应，获取与巡检航线相关联的电子地图数据。巡检设备根据所述动作次数检测数据、输出读数检测数据以及预设的检测阈值，获取所述航拍图像对应的避雷器泄露电流表计的动作次数检测结果以及输出读数检测结果，其中，所述动作次数检测结果包括动作次数检测过高结果以及动作次数检测正常结果，所述输出读数检测结果包括输出读数检测过高结果以及输出读数检测正常结果。
具体地，检测设备将所述动作次数检测数据与预设的动作次数检测阈值进行对比，当所述动作次数检测数据大于或等于动作次数检测阈值，获取动作次数检测过高结果，所述动作次数检测数据小于动作次数检测阈值，获取动作次数检测正常结果。
检测设备将所述输出读数检测数据与预设的输出读数检测阈值进行对比，当所述输出读数检测数据大于或等于输出读数检测阈值，获取输出读数检测过高结果，所述输出读数检测数据小于输出读数检测阈值，获取输出读数检测正常结果。
根据所述动作次数检测结果以及输出读数检测结果，获取所述航拍图像对应的避雷器泄露电流表计的预警标识，其中，所述预警标识包括动作次数预警标识以及输出读数预警标识。
具体地，检测设备获取所述动作次数检测过高结果对应的动作次数预警标识以及输出读数检测过高结果对应的输出读数预警标识，在所述电子地图数据上进行预警标识的显示以及标注，实现了对避雷器泄露电流表计对应的避雷器的工作情况的可视化。
请参考图5，图5为本申请第四实施例提供的基于无人机的变电站的避雷器泄露电流表计巡检装置的结构示意图，该装置可以通过软件、硬件或两者的结合实现基于无人机的变电站的避雷器泄露电流表计巡检装置的全部或一部分，该装置5包括：
获取模块51，用于通过无人机，获取预设的巡检航线上的航拍图像集，其中，所述航拍图像集包括若干个包含避雷器泄露电流表计的航拍图像；
识别模块52，用于将所述航拍图像集输入至预设的电流表计识别模型，获取所述电流表计识别模型输出的若干个避雷器泄露电流表计表盘图像，其中，所述避雷器泄露电流表计表盘图像包括动作次数表计区域对应的第一识别图像以及输出读数表计区域对应的第二识别图像；
动作次数检测模块53，用于将所述若干个第一识别图像输入至预设的动作次数检测模型，获取各个第一识别图像对应的动作次数检测数据；
输出读数检测模块54，用于将所述若干个第二识别图像输入至预设的输出读数检测模型，获取各个第二识别图像对应的输出读数检测数据；
显示模块55，用于响应于显示指令，获取与所述巡检航线相关联的电子地图数据，根据所述动作次数检测数据、输出读数检测数据以及预设的检测阈值，获取所述航拍图像对应的避雷器泄露电流表计的动作次数检测结果以及输出读数检测结果，根据所述动作次数检测结果以及输出读数检测结果，获取所述航拍图像对应的避雷器泄露电流表计的预警标识，并在所述电子地图数据上进行预警标识的显示以及标注。
在本实施例中，通过获取模块，用于通过无人机，获取预设的巡检航线上的航拍图像集，其中，所述航拍图像集包括若干个包含避雷器泄露电流表计的航拍图像；通过识别模块，将所述航拍图像集输入至预设的电流表计识别模型，获取所述电流表计识别模型输出的若干个避雷器泄露电流表计表盘图像，其中，所述避雷器泄露电流表计表盘图像包括动作次数表计区域对应的第一识别图像以及输出读数表计区域对应的第二识别图像；通过动作次数检测模块，将所述若干个第一识别图像输入至预设的动作次数检测模型，获取各个第一识别图像对应的动作次数检测数据；通过输出读数检测模块，将所述若干个第二识别图像输入至预设的输出读数检测模型，获取各个第二识别图像对应的输出读数检测数据；通过显示模块，响应于显示指令，获取与所述巡检航线相关联的电子地图数据，根据所述动作次数检测数据、输出读数检测数据以及预设的检测阈值，获取所述航拍图像对应的避雷器泄露电流表计的动作次数检测结果以及输出读数检测结果，根据所述动作次数检测结果以及输出读数检测结果，获取所述航拍图像对应的避雷器泄露电流表计的预警标识，并在所述电子地图数据上进行预警标识的显示以及标注。通过预设的电流表计识别模型，获取无人机拍摄的航拍图像对应的避雷器泄露电流表计表盘图像，并通过预设的动作次数检测模型以及输出读数检测模型，能够准确、快速地对避雷器泄露电流表计表盘图像对应的动作次数检测数据以及输出读数检测数据进行识别，提高了变电站巡检的效率，节省人力。
请参考图6，图6为本申请第五实施例提供的计算机设备的结构示意图，计算机设备6包括：处理器61、存储器62以及存储在存储器62上并可在处理器61上运行的计算机程序63；计算机设备可以存储有多条指令，指令适用于由处理器61加载并执行上述第一、第二以及第三实施例的方法步骤，具体执行过程可以参见第一、第二以及第三实施例的具体说明，在此不进行赘述。
其中，处理器61可以包括一个或多个处理核心。处理器61利用各种接口和线路连接服务器内的各个部分，通过运行或执行存储在存储器62内的指令、程序、代码集或指令集，以及调用存储器62内的数据，执行基于无人机的变电站的避雷器泄露电流表计巡检装置6的各种功能和处理数据，可选的，处理器61可以采用数字信号处理(Digital SignalProcessing,DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programble Logic Array，PLA)中的至少一个硬件形式来实现。处理器61可集成中央处理器61(Central Processing Unit，CPU)、图像处理器61(Graphics ProcessingUnit，GPU)和调制解调器等中的一个或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责触摸显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器61中，单独通过一块芯片进行实现。
其中，存储器62可以包括随机存储器62(Random Access Memory，RAM)，也可以包括只读存储器62(Read-Only Memory)。可选的，该存储器62包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器62可用于存储指令、程序、代码、代码集或指令集。存储器62可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控指令等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器62可选的还可以是至少一个位于远离前述处理器61的存储装置。
本申请实施例还提供了一种存储介质，所述存储介质可以存储有多条指令，所述指令适用于由处理器加载并执行上述第一、第二以及第三实施例的方法步骤，具体执行过程可以参见第一、第二以及第三实施例的具体说明，在此不进行赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束算法。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
本发明并不局限于上述实施方式，如果对本发明的各种改动或变形不脱离本发明的精神和范围，倘若这些改动和变形属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变形。
Claims (9)
1.一种基于无人机的变电站的避雷器泄露电流表计巡检方法，其特征在于，包括以下步骤：
通过无人机，获取预设的巡检航线上的航拍图像集，其中，所述航拍图像集包括若干个包含避雷器泄露电流表计的航拍图像；
将所述航拍图像集输入至预设的电流表计识别模型，获取所述电流表计识别模型输出的若干个避雷器泄露电流表计表盘图像，其中，所述避雷器泄露电流表计表盘图像包括动作次数表计区域对应的第一识别图像以及输出读数表计区域对应的第二识别图像；
将所述若干个第一识别图像输入至预设的动作次数检测模型，获取各个第一识别图像对应的动作次数检测数据；
将所述若干个第二识别图像输入至预设的输出读数检测模型，获取各个第二识别图像对应的输出读数检测数据；
响应于显示指令，获取与所述巡检航线相关联的电子地图数据，根据所述动作次数检测数据、输出读数检测数据以及预设的检测阈值，获取所述航拍图像对应的避雷器泄露电流表计的动作次数检测结果以及输出读数检测结果，根据所述动作次数检测结果以及输出读数检测结果，获取所述航拍图像对应的避雷器泄露电流表计的预警标识，并在所述电子地图数据上进行预警标识的显示以及标注。
2.根据权利要求1所述的基于无人机的变电站的避雷器泄露电流表计巡检方法，其特征在于，还包括训练电流表计识别模型，所述训练电流表计识别模型，包括步骤：
获取若干个样本避雷器泄露电流表计表盘图像，其中，所述样本避雷器泄露电流表计表盘图像包括动作次数表计区域对应的第一样本识别图像以及输出读数表计区域对应的第二样本识别图像；
分别对所述第一样本识别图像以及第二样本识别图像进行标签标注，获取所述第一样本识别图像对应的第一标签数据以及所述第二样本识别图像对应的第二标签数据，其中，所述第一标签数据为动作次数表计区域标识数据，第二标签数据为输出读数表计区域标识数据；
将所述样本避雷器泄露电流表计表盘图像、第一标签数据以及第二标签数据输入至待训练的第一神经网络模型进行迭代训练，获取所述电流表计识别模型。
3.根据权利要求2所述的基于无人机的变电站的避雷器泄露电流表计巡检方法，其特征在于，还包括训练动作次数检测模型，所述训练动作次数检测模型，包括步骤：
对所述第一样本识别图像进行标签标注，获取所述第一样本识别图像对应的第三标签数据，其中，所述第三标签数据为动作次数标识；
将所述第一样本识别图像以及第三标签数据输入至待训练的第二神经网络模型进行迭代训练，获取所述动作次数检测模型。
4.根据权利要求2所述的基于无人机的变电站的避雷器泄露电流表计巡检方法，其特征在于：所述第二识别图像包括指针区域以及刻度区域。
5.根据权利要求4所述的基于无人机的变电站的避雷器泄露电流表计巡检方法，其特征在于：所述输出读数检测模型包括指针分割模块以及读数识别模块。
6.根据权利要求5所述的基于无人机的变电站的避雷器泄露电流表计巡检方法，其特征在于，所述将所述若干个第二识别图像输入至预设的输出读数检测模型，获取各个第二识别图像对应的输出读数检测数据，包括步骤：
将所述若干个第二识别图像输入至所述输出读数检测模型中的指针分割模块，获取各个第二识别图像对应的指针分割图像；
将所述各个第二识别图像对应的指针分割图像输入至所述输出读数检测模型中的读数识别模块中，进行输出读数的识别，获取各个第二识别图像对应的输出读数检测数据。
7.一种基于无人机的变电站的避雷器泄露电流表计巡检装置，其特征在于，包括：
获取模块，用于通过无人机，获取预设的巡检航线上的航拍图像集，其中，所述航拍图像集包括若干个包含避雷器泄露电流表计的航拍图像；
识别模块，用于将所述航拍图像集输入至预设的电流表计识别模型，获取所述电流表计识别模型输出的若干个避雷器泄露电流表计表盘图像，其中，所述避雷器泄露电流表计表盘图像包括动作次数表计区域对应的第一识别图像以及输出读数表计区域对应的第二识别图像；
动作次数检测模块，用于将所述若干个第一识别图像输入至预设的动作次数检测模型，获取各个第一识别图像对应的动作次数检测数据；
输出读数检测模块，用于将所述若干个第二识别图像输入至预设的输出读数检测模型，获取各个第二识别图像对应的输出读数检测数据；
显示模块，用于响应于显示指令，获取与所述巡检航线相关联的电子地图数据，根据所述动作次数检测数据、输出读数检测数据以及预设的检测阈值，获取所述航拍图像对应的避雷器泄露电流表计的动作次数检测结果以及输出读数检测结果，根据所述动作次数检测结果以及输出读数检测结果，获取所述航拍图像对应的避雷器泄露电流表计的预警标识，并在所述电子地图数据上进行预警标识的显示以及标注。
8.一种计算机设备，其特征在于，包括：处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序；所述计算机程序被所述处理器执行时实现如权利要求1至6中任一项所述的基于无人机的变电站的避雷器泄露电流表计巡检方法的步骤。
9.一种存储介质，其特征在于：所述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权利要求1至6任一项所述的基于无人机的变电站的避雷器泄露电流表计巡检方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210801051.9A CN115372877B (zh) | 2022-07-08 | 2022-07-08 | 基于无人机的变电站的避雷器泄露电流表计巡检方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210801051.9A CN115372877B (zh) | 2022-07-08 | 2022-07-08 | 基于无人机的变电站的避雷器泄露电流表计巡检方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115372877A true CN115372877A (zh) | 2022-11-22 |
| CN115372877B CN115372877B (zh) | 2023-08-15 |
Family
ID=84062214
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210801051.9A Active CN115372877B (zh) | 2022-07-08 | 2022-07-08 | 基于无人机的变电站的避雷器泄露电流表计巡检方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115372877B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116229300A (zh) * | 2023-04-07 | 2023-06-06 | 上海华维可控农业科技集团股份有限公司 | 一种用于高标准农田下的灌溉节能管理系统及方法 |
| CN117147575A (zh) * | 2023-08-07 | 2023-12-01 | 广州市建筑材料工业研究所有限公司 | 一种无人机防雷检测方法及系统 |
| CN117893643A (zh) * | 2024-03-18 | 2024-04-16 | 四川弘和数智集团有限公司 | 油气站压缩机气体泄露图像生成方法、装置、设备及介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110004361U (ko) * | 2009-10-27 | 2011-05-04 | (주)서전종합전기 | 원격 ｗｈｍ 누설전류 검출기 |
| CN103886294A (zh) * | 2014-03-24 | 2014-06-25 | 北京国网富达科技发展有限责任公司 | 基于图像的换流站用避雷器动作次数的识别方法以及系统 |
| CN103942551A (zh) * | 2014-03-24 | 2014-07-23 | 北京国网富达科技发展有限责任公司 | 基于图像的换流站用避雷器泄漏电流的识别方法以及系统 |
| CN111599031A (zh) * | 2020-04-16 | 2020-08-28 | 江苏方天电力技术有限公司 | 一种电力巡检机器人巡检数据采集分析方法及系统 |
| CN113837312A (zh) * | 2021-09-30 | 2021-12-24 | 南方电网电力科技股份有限公司 | 一种氧化锌避雷器的运行状态评价方法及装置 |
| CN114387391A (zh) * | 2021-12-10 | 2022-04-22 | 深圳供电局有限公司 | 变电站设备的安全监测方法、装置、计算机设备和介质 |
| CN114495086A (zh) * | 2022-01-28 | 2022-05-13 | 成都交大许继电气有限责任公司 | 一种电气化铁路牵引变电所避雷监测器的识别方法及系统 |
-
2022
- 2022-07-08 CN CN202210801051.9A patent/CN115372877B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110004361U (ko) * | 2009-10-27 | 2011-05-04 | (주)서전종합전기 | 원격 ｗｈｍ 누설전류 검출기 |
| CN103886294A (zh) * | 2014-03-24 | 2014-06-25 | 北京国网富达科技发展有限责任公司 | 基于图像的换流站用避雷器动作次数的识别方法以及系统 |
| CN103942551A (zh) * | 2014-03-24 | 2014-07-23 | 北京国网富达科技发展有限责任公司 | 基于图像的换流站用避雷器泄漏电流的识别方法以及系统 |
| CN111599031A (zh) * | 2020-04-16 | 2020-08-28 | 江苏方天电力技术有限公司 | 一种电力巡检机器人巡检数据采集分析方法及系统 |
| CN113837312A (zh) * | 2021-09-30 | 2021-12-24 | 南方电网电力科技股份有限公司 | 一种氧化锌避雷器的运行状态评价方法及装置 |
| CN114387391A (zh) * | 2021-12-10 | 2022-04-22 | 深圳供电局有限公司 | 变电站设备的安全监测方法、装置、计算机设备和介质 |
| CN114495086A (zh) * | 2022-01-28 | 2022-05-13 | 成都交大许继电气有限责任公司 | 一种电气化铁路牵引变电所避雷监测器的识别方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 何红太等: ""基于图像的换流站用避雷器泄漏电流识别"", 《内蒙古科技大学学报》, vol. 34, no. 4, pages 391 - 396 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116229300A (zh) * | 2023-04-07 | 2023-06-06 | 上海华维可控农业科技集团股份有限公司 | 一种用于高标准农田下的灌溉节能管理系统及方法 |
| CN116229300B (zh) * | 2023-04-07 | 2023-10-20 | 上海华维可控农业科技集团股份有限公司 | 一种用于高标准农田下的灌溉节能管理系统及方法 |
| CN117147575A (zh) * | 2023-08-07 | 2023-12-01 | 广州市建筑材料工业研究所有限公司 | 一种无人机防雷检测方法及系统 |
| CN117893643A (zh) * | 2024-03-18 | 2024-04-16 | 四川弘和数智集团有限公司 | 油气站压缩机气体泄露图像生成方法、装置、设备及介质 |
| CN117893643B (zh) * | 2024-03-18 | 2024-06-11 | 四川弘和数智集团有限公司 | 油气站压缩机气体泄漏图像生成方法、装置、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115372877B (zh) | 2023-08-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115372877B (zh) | 基于无人机的变电站的避雷器泄露电流表计巡检方法 | |
| CN110569856B (zh) | 样本标注方法及装置、损伤类别的识别方法及装置 | |
| CN112613569B (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
| KR20210038487A (ko) | 영상 검측 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
| CN107944450A (zh) | 一种车牌识别方法及装置 | |
| CN111274926B (zh) | 图像数据筛选方法、装置、计算机设备和存储介质 | |
| CN109214280A (zh) | 基于街景的店铺识别方法、装置、电子设备及存储介质 | |
| CN110705540B (zh) | 基于rfid和深度学习的兽药生产指针式仪表图像识别方法和装置 | |
| CN111209958A (zh) | 基于深度学习的变电站设备检测方法及装置 | |
| CN111709421A (zh) | 鸟类识别方法、装置、计算机设备及存储介质 | |
| CN110910334A (zh) | 一种实例分割方法、图像处理设备及计算机可读存储介质 | |
| CN111931721B (zh) | 年检标签颜色和个数的检测方法、装置及电子设备 | |
| CN116563841B (zh) | 配电网设备标识牌的检测方法、检测装置和电子设备 | |
| CN114120071A (zh) | 一种带有对象标注框图像的检测方法 | |
| CN111062448B (zh) | 设备类型的识别模型训练方法、设备类型识别方法和装置 | |
| CN112529836A (zh) | 高压线路缺陷检测方法、装置、存储介质及电子设备 | |
| CN111104965A (zh) | 车辆目标识别的方法及装置 | |
| CN115063699B (zh) | 基于无人机的变电站巡检方法、装置、设备以及存储介质 | |
| CN114037993A (zh) | 变电站指针仪表读数方法、装置、存储介质以及电子设备 | |
| CN114255458A (zh) | 一种巡检场景下指针仪表读数的识别方法与系统 | |
| CN115393838A (zh) | 指针式仪表读数识别方法、装置、电子设备及存储介质 | |
| CN117633318B (zh) | 一种智能数据可视化系统 | |
| CN113177545B (zh) | 目标物体的检测方法、装置、电子设备和存储介质 | |
| CN114511776A (zh) | 摄像机视觉区域内遗留物的检测方法、装置、介质及设备 | |
| CN118609128A (zh) | 基于无人机拍摄图像的双指针表计读数识别方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |