CN116597428A - 一种变电站仪表设备识别系统 - Google Patents
一种变电站仪表设备识别系统 Download PDFInfo
- Publication number
- CN116597428A CN116597428A CN202310180730.3A CN202310180730A CN116597428A CN 116597428 A CN116597428 A CN 116597428A CN 202310180730 A CN202310180730 A CN 202310180730A CN 116597428 A CN116597428 A CN 116597428A
- Authority
- CN
- China
- Prior art keywords
- instrument
- image
- defect
- pointer
- defects
- 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
- 230000007547 defect Effects 0.000 claims abstract description 210
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 238000007689 inspection Methods 0.000 claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 31
- 238000004891 communication Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 24
- 238000012549 training Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 7
- 230000002950 deficient Effects 0.000 claims description 5
- 239000004973 liquid crystal related substance Substances 0.000 claims description 4
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 102100032202 Cornulin Human genes 0.000 claims 3
- 101000920981 Homo sapiens Cornulin Proteins 0.000 claims 3
- 230000002708 enhancing effect Effects 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 238000010295 mobile communication Methods 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 12
- 230000005540 biological transmission Effects 0.000 description 11
- 238000000605 extraction Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- 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
-
- 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
-
- 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
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- 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
-
- 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
-
- 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
- G06V30/1444—Selective acquisition, locating or processing of specific regions, e.g. highlighted text, fiducial marks or predetermined fields
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/02—Recognising information on displays, dials, clocks
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明属于电气仪表智能识别技术领域,具体涉及一种变电站仪表设备识别系统,包括巡检机器人和远程上位机,巡检机器人包括摄像头、测距传感器和5G通讯模块;远程上位机包括智能图像处理软件和GSM模块;巡检机器人获取变电站现场仪表设备图像,通过移动网络和Internet传送给远程上位机,通过智能图像处理软件的图像识别算法对仪表进行分辨,首先算法自动识别仪表的类型,然后对不同类型仪表分别进行缺陷检测及读数识别,根据检测结果进行缺陷处理、紧急情况判断,并将紧急情况通过移动网络反馈给值班人员手机,辅助其巡检安全操作,本系统代替人工实现对变电站仪表设备的准确识别和快速巡检,降低人工巡检工作量,提升巡检效率。
Description
技术领域
本发明属于电气仪表智能识别技术领域,具体涉及一种变电站仪表设备识别系统。
背景技术
变电站设备的安全工作是电力部门高度关注的问题之一,目前变电站仪表设备多为人工巡检,或者是巡检机器人将现场照片传送至远端后通过人工判断仪表的故障以及进行仪表的示数读取,这些方法不能够即时有效的发现问题。现有的仪表设备识别系统都只能够识别一类的仪表,识别效率偏低,适配性较差,如果想要实现不同仪表的识别则需要调用不同的识别算法,且需要人为的指定仪表的类型,这样就会极大的影响巡检机器人的巡检效率。
发明内容
针对上述情况,本发明设计了一种变电站仪表设备识别系统,利用巡检机器人获取电气仪表设备图像,并通过图像识别算法进行辨别,自动识别仪表类型,然后进行缺陷检测以及读数识别,并将最终结果再反馈给巡检机器人,实现对变电站仪表设备的准确识别和快速巡检。
为了实现以上目的,本发明采用如下技术方案:
一种变电站仪表设备识别系统,包括巡检机器人和远程上位机,所述巡检机器人包括行走底盘,行走底盘下方设置有行走轮,行走轮传动连接有行走电机,行走底盘上方垂直设置有支撑立柱,支撑立柱上水平设置有可升降的机械臂,机械臂的后侧设置有用于驱动机械臂升降的升降电机,机械臂的前侧设置有识别装置,巡检机器人配备有5G通讯模块以及GPS定位模块,通过5G通讯模块与远程上位机通讯传递图像以及位置信息;远程上位机含有智能图像处理软件以及数据库、GSM模块,其中智能图像处理软件主要利用图像处理算法对机器人传递的图像进行处理,GSM模块则用来向管理人员传递紧急短信,数据库则用来记录各缺陷的仪表的位置、仪表编号以及缺陷原因。
所述变电站仪表设备识别系统的图像处理算法过程为:
S1、巡检机器人现场获取变电站仪表设备图像信息,将图像信息通过5G通讯模块实时发送给远程上位机;远程上位机根据巡检机器人传递过来的图像进行预处理操作,预处理操作使用自适应阈值方法提高特征的对比度,使用高斯滤波降低图像的噪声干扰以及使用基于直方图均衡化的图像增强方法对图像进行增强;
S2、对图像进行特征提取,若图像中具有符合表盘的特征如数字特征、圆与直线的特征时进行图像的分割,否则图像中没有仪表则直接返回结果。
S3、使用霍夫圆检测方法对预处理后的图像分割,并检测其分割区域的面积,如果面积满足指针式仪表圆形面积的特征,那么便进行指针式仪表的识别,否则便进行数字式仪表的识别,自动识别仪表类型,不再需要人为指定,如果识别为数字式仪表则进入S4,否则进入S7;
S4、对数字式仪表进行特征提取,主要提取表盘、编号、数字等特征,然后进行缺陷检测,缺陷检测主要检测数字式仪表的缺显、漏显、黑屏以及遮挡等等缺陷。对于缺陷、漏显等缺陷利用CTPN(Connection Text Proposal Network)方法对LCD液晶屏中的所有文本行进行定位,液晶屏中的文本主要分为普通区域字符以及数码管区域字符两部分,通过CRNN(Convolutional Recurrent Neural Network)方法对液晶屏中的普通文本进行识别,检测出普通区域字符是否显示正常如果显示正常则记录缺陷状态为不存在缺陷,否则记录缺陷状态为存在缺陷并记录缺陷类别。对于数字缺失缺陷,利用CTPN与CRNN方法,检测数字的个数是否与设定的数字个数相同,如果相同则设定缺陷状态为不存在缺陷,否则设定缺陷状态存在缺陷,并记录缺陷类别。对缺陷是否存在进行判断,如果存在缺陷,则进入S5,如果不存在缺陷则进如S6;
S5、数字式仪表的缺陷主要有字符缺显、漏显、黑屏以及遮挡等,根据缺陷类别,利用缺陷分类算法,如果是缺陷、漏显等缺陷,则通过表盘缺陷处理算法进行处理,此方法通过检测出的数字是否完全来判断遮挡是否严重,如果能够读取到全部数字则认定记录缺陷状态为存在非紧急缺陷,否则根据仪表位置是否重要进行下一步判定,如果仪表处于重要位置则设置缺显状态为存在紧急缺陷,否则缺陷状态为存在非紧急缺陷。对于数字缺显、漏显缺陷,根据显示数字的数目是否足够,如果数字全部显示则设置缺陷状态为存在非紧急缺陷,否则继续根据仪表位置是否重要进行判定,如果仪表处于重要位置则设置缺陷状态为存在紧急缺陷,否则设定为存在非紧急缺陷,记录缺陷的紧急情况。对于其它的缺陷,则使用特定的其它缺陷处理方法进行处理。将仪表位置及缺陷计入数据库。根据缺陷状态进行缺陷是否紧急判断,如果为紧急缺陷则发送短信,通信通过GSM模块,通过移动网络发送至值班人员手机。如果为非紧急缺陷则直接返回结果;
S6、对数字式仪表的示数进行识别,使用CRNN深度学习算法,并使用CTC(Connectionist Temporal Classification)模型,在检测之前使用已有的图像作为训练集,训练出模型后用于数字式仪表的识别,其中CRNN解决了图像文本长度不定的问题,CTC模型解决了识别出来的数字的对齐解码的问题,识别数字完成后返回识别的结果。
S7、对指针式仪表进行特征提取,主要提取指针、表盘、编号等特征,然后进行缺陷检测,缺陷检测方法主要检测指针缺失缺陷,以及表盘裂痕缺陷,通过霍夫检测检测表盘中的所有线段与圆,通过判断线段到圆心的距离是否与设定的指针长度是否相等判断是否存在指针缺失缺陷,通过判断特征中是否有未经过圆心的线判断是否存在表盘裂痕缺陷。记录缺陷的状态为存在缺陷,并记录缺陷的类别。对缺陷是否存在进行判断,如果存在缺陷,则进入S8,如果不存在缺陷则进如S9;
S8、根据缺陷的类别对缺陷进行分类,如果为表盘破损缺陷,则进行表盘破损缺陷处理程序,根据表盘的位置信息,如果表盘处于重要位置则判定缺陷状态为存在紧急缺陷,否则缺陷状态为存在非紧急缺陷,如果缺陷为指针缺失缺陷,则使用指针缺失缺陷处理方法,此方法通过指针的长度与预设长度进行对比,如果小于预设值则缺陷状态为存在紧急缺陷,如果大于预设值且仪表的位置处于非重要位置则仪表的缺陷状态为非紧急缺陷,如果处于重要位置则缺陷状态为存在紧急缺陷。对于其它的缺陷,则使用特定的其它缺陷处理方法进行处理。将仪表位置及缺陷状态计入数据库。根据缺陷状态进行缺陷是否紧急判断,如果为紧急缺陷则发送短信,通信通过GSM模块,通过移动网络发送至值班人员手机。如果为非紧急缺陷则直接返回结果;
S9、对指针式仪表的示数进行识别,识别算法通过事先收集已有的指针式仪表图像作为训练集,并通过YOLOv3目标检测算法进行训练,生成用于快速定位识别指针式仪表的模型,然后使用DeepLabv3+语义分割算法,得到其指针与表盘相分离的语义分割模型,然后通过指针相对于表盘的位置即可实现指针式仪表的识别,需要对表盘的示数范围进行提前指定,识别读数完成后返回识别的结果。
进一步地,所述巡检机器人使用5G模块利用移动网络通过基站与远程上位机通讯,5G通讯模块通过基站与Internet相连,5G通讯模块能够实现图像数据的快速稳定传输,有利于提高检测的效率,通过5G传输协议实现数据的可靠、安全传输。识别检测算法对获取到的图像首先进行预处理操作,预处理操作完成后进行图像中是否存在仪表的判断,然后进行图像类型的判断,图像类型判断完成后进行特征提取,提取完成后进行缺陷检测,如果检测到缺陷那么就进入缺陷处理程序,如果没有则进行示数读取,并且最终返回检测的结果。
进一步地,所述远程上位机对获取的仪表设备图像进行检测,并通过数据库对历史检测结果进行查询,如果出现紧急缺陷则通过GSM模块将信息发送至值班人员手机。最终智能图像处理软件将图像识别后的处理结果返回至巡检机器人,并根据识别结果进行重新检测、警报等操作。
进一步地,所述巡检机器人通过摄像头和测距感应器来获取变电站各仪表设备的拍照图像,摄像头通过YOLOv3目标检测算法识别。
本发明的检测识别算法主要由四部分组成,第一部分是对采集图像的预处理,主要通过图像处理技术使所拍摄图像的特征便于识别,方便后期对图像主要特征的提取。第二部分是不同类型仪表的分辨,通过不同类型的变电站仪表设备所具有的不同特征为关键对图像进行分辨。第三部分为缺陷检测,通过将分辨得到的不同特征与预设好的模板之间进行对比,如果检测到缺陷那么就将检测结果计入数据库方便后期的审查,如果缺陷紧急那么将通过GSM模块发送短信通知管理人员。第四部分为仪表的读数,针对于不同类型的仪表,如数字式、指针式分别调用不同类型的识别算法对仪表读数进行判别,并将最后结果显示或传送回巡检机器人。
本发明还包括能够使其正常使用的其它组件,均为本领域的常规手段,另外,本发明中未加限定的装置或组件,均采用本领域的现有技术。
本发明的有益效果如下:
1)利用5G通讯模块实现远程检测和巡检数据实时传送,使用机器人对变电站仪表设备实现快速准确的识别检测,实现仪表设备的无人巡检。
2)对检测算法进行了封装并设置了针对不同仪表类型的识别算法,摆脱了依赖人为识别仪表类型的繁琐,降低人工巡检工作量,提升巡检效率。
3)通过数据库保存变电站仪表设备的检测结果,便于对存在缺陷的仪表设备进行后续重点关注,为变电站系统的稳定运行提供有力保障。
附图说明
图1为实施例中巡检机器人的结构示意图。
图2为实施例中变电站仪表设备识别系统的工作流程图。
具体实施方式
下面将结合具体的实施例,对本发明的技术方案进行清晰完整地描述,显然,所描述实施例仅是本发明的部分实施例,而非全部实施例。
需要说明的是,术语“上”、“下”、“前侧”、“后侧”、“内”、“外”等所指示的方位或位置关系均为基于附图所示,仅为便于描述。
实施例
如图1所示,一种变电站仪表设备识别系统,包括巡检机器人和智能控制系统,所述巡检机器人包括行走底盘1,行走底盘下方设置有行走轮2,行走轮传动连接有行走电机3,行走底盘上方垂直设置有支撑立柱4,支撑立柱上水平设置有可升降的机械臂5,机械臂的后侧设置有用于驱动机械臂升降的升降电机6,机械臂的前侧设置有识别装置;所述识别装置包括与机械臂连接的机头底板7和安装在机头底板上的超声波测距传感器8和摄像头9;所述智能控制系统包括设置在行走底盘内的主控模块10、电源管理模块11、GPS定位模块12和5G通讯模块13,以及与5G通讯模块无线连接的远程上位机,所述主控模块、GPS定位模块和5G通讯模块均与电源管理模块电连接,所述行走电机、升降电机、超声波测距传感器和摄像头均与主控模块电连接。
如图2所示,所述变电站仪表设备识别系统的算法过程为:
S1、巡检机器人17,通过摄像头18,将采集的图像信息以及所在位置通过5G通信模块16,上传至移动网络15,并经过基站14转换后实时发送给通过有线网络接入Internet55的远程上位机54;远程上位机54上的智能图像处理软件,进行导入图像53操作,导入待处理的图像,并对图像进行图像预处理52,此方法使用自适应阈值方法提高特征的对比度,使用高斯滤波降低图像的噪声干扰以及使用基于直方图均衡化的图像增强方法对图像进行增强;
S2、仪表特征识别51操作识别图像中的数据特征,随后进行是否含有仪表19的判断,当图像中具有符合表盘的特征如数字特征、圆与直线的特征时判定图像中含有仪表,否则判定图像中没有仪表则直接返回结果35。
S3、对分割出的图像进行仪表类型判断20,使用霍夫圆检测方法对预处理后的图像分割,并检测其分割区域的面积,如果面积满足指针式仪表圆形面积的特征,那么执行指针式仪表确认50,否则便进行数字式仪表确认21,自动识别仪表类型,不再需要人为指定,如果识别为数字式仪表则进入S4,否则进入S7;
S4、对数字式仪表进行表盘、编号、数字等特征提取22,主要提取表盘、编号、数字等特征,然后进行数字仪表缺陷检测23,缺陷检测主要检测数字式仪表的缺显、漏显、黑屏以及遮挡等等缺陷。对于缺陷、漏显等缺陷利用CTPN方法对LCD液晶屏中的所有文本行进行定位,液晶屏中的文本主要分为普通区域字符以及数码管区域字符两部分,通过CRNN方法对液晶屏中的普通文本进行识别,检测出普通区域字符是否显示正常如果显示正常则记录缺陷状态为不存在缺陷,否则记录缺陷状态为存在缺陷并记录缺陷类别为数字漏显缺陷26。对于表盘遮挡缺陷,利用CTPN与CRNN方法,检测数字的个数是否与设定的数字个数相同,如果相同则设定缺陷状态为不存在缺陷,否则设定缺陷状态存在缺陷,并记录缺陷类别为表盘遮挡缺陷27。可以添加其它类型缺陷,缺陷类别为数字仪表其它缺陷28。进行数字仪表是否有缺陷24判定,如果存在缺陷,则进入S5,如果不存在缺陷则进如S6;
S5、数字式仪表的缺陷主要有字符缺显、漏显、黑屏以及遮挡等,根据缺陷类别,执行数字仪表缺陷分类操作25,如果表盘遮挡缺陷27,则进行遮挡缺陷处理29,此方法通过检测出的数字是否完全来判断遮挡是否严重,如果能够读取到全部数字则认定记录缺陷状态为存在非紧急缺陷,否则根据仪表位置是否重要进行下一步判定,如果仪表处于重要位置则设置缺显状态为存在紧急缺陷,否则缺陷状态为存在非紧急缺陷。对于数字漏显缺陷26,进行漏显缺陷处理30操作根据显示数字的数目是否足够,如果数字全部显示则设置缺陷状态为存在非紧急缺陷,否则继续根据仪表位置是否重要进行判定,如果仪表处于重要位置则设置缺陷状态为存在紧急缺陷,否则设定为存在非紧急缺陷,记录缺陷的紧急情况。对于数字仪表其它缺陷28,则使用特定的数字仪表其它处理31操作进行处理。将仪表位置及缺陷存入数据库38。根据缺陷状态进行缺陷是否紧急故障33判断,如果为紧急缺陷则执行发送短信通知34操作,此操作通过位于上位机的GSM模块36,通过移动网络15发送至值班人员手机37。如果为非紧急缺陷则直接返回结果35;
S6、对数字式仪表的示数进行数字式仪表示数读取32操作,使用CRNN深度学习算法,并使用CTC模型,在检测之前使用已有的图像作为训练集,训练出模型后用于数字式仪表的识别,其中CRNN解决了图像文本长度不定的问题,CTC模型解决了识别出来的数字的对齐解码的问题,识别数字完成后返回识别的结果35。
S7、对指针式仪表进行特征直线、圆、表盘、编号等特征提取49操作,主要提取指针、表盘、编号等特征,然后进行指针仪表缺陷检测48,缺陷类别主要检测指针缺失缺陷,以及表盘裂痕缺陷,通过霍夫检测检测表盘中的所有线段与圆,通过判断线段到圆心的距离是否与设定的指针长度是否相等判断是否存在指针缺失缺陷,如果有则记录缺陷状态为存在缺陷,记录缺陷类别为指针缺失缺陷45。通过判断表盘特征中是否有未经过圆心的线判断是否存在表盘裂痕缺陷如果有则记录缺陷的状态为存在表盘破损缺陷43,并记录缺陷的类别为表盘破损缺陷,存在其它缺陷则记录缺陷的状态为存在缺陷定义缺陷类别为指针仪表其它缺陷44。执行指针仪表是否有缺陷47操作,如果存在缺陷,则进入S8,如果不存在缺陷则进如S9;
S8、根据缺陷的类别执行指针仪表缺陷分类46,如果为表盘破损缺陷43,则进行表盘破损缺陷处理40操作,根据表盘的位置信息,如果表盘处于重要位置则判定缺陷状态为存在紧急缺陷,否则缺陷状态为存在非紧急缺陷,如果缺陷为指针缺失缺陷45,则进行指针缺失缺陷处理41操作,此操作通过指针的长度与预设长度进行对比,如果小于预设值则缺陷状态为存在紧急缺陷,如果大于预设值则继续根据仪表的位置进行判断,如果仪表的位置处于非重要位置则设置仪表的缺陷状态为非紧急缺陷,如果处于重要位置则设置缺陷状态为存在紧急缺陷。对于指针仪表其它缺陷44,则使用特定的指针仪表其它处理42操作进行处理。将仪表位置及缺陷状态存入数据库38。根据缺陷状态进行缺陷是否紧急故障33判断,如果为紧急缺陷则执行发送短信通知34操作,此操作通过位于上位机的GSM模块36,通过移动网络15发送至值班人员手机37。如果为非紧急缺陷则直接返回结果35;
S9、对指针式仪表进行指针式仪表示数读取39操作,识别算法通过事先收集已有的指针式仪表图像作为训练集,并通过YOLOv3目标检测算法进行训练,生成用于快速定位识别指针式仪表的模型,然后使用DeepLabv3+语义分割算法,得到其指针与表盘相分离的语义分割模型,然后通过指针相对于表盘的位置即可实现指针式仪表的识别,需要对表盘的示数范围进行提前指定,识别读数完成后返回识别的返回结果35。
远程上位机通过无线网络与安装5G通讯模块的下位机通过基站进行信息传递,5G通讯模块能够实现图像数据的快速稳定传输,有利于提高检测的效率,通过TCP网络传输协议实现数据的可靠、安全传输。
所述机头底板为一矩形框,机头底板的四个角对应设置有三个超声波测距传感器和一个摄像头。通过测距传感器实时检测巡检机器人与电气设备之间的距离,测距传感器帮助巡检机器人按照巡检路线来移动行走,远程上位机对获取的仪表设备图像进行检测,并通过数据库对历史检测结果进行查询,最终远程上位机智能图像处理软件将图像识别后的处理结果返回至巡检机器人,并根据识别结果进行重新检测、警报等操作。
所述巡检机器人通过测距感应器和摄像头来获取变电站各仪表设备的拍照图像,摄像头通过YOLOv3目标检测算法识别。
本发明的工作原理如下:
巡检机器人通过摄像头对变电站仪表设备进行拍照,通过网络将图像传送至远程上位机,远程上位机智能图像处理软件调用图像识别算法对巡检机器人检测到的仪表设备进行识别。首先将检测到的图像导入至检测算法,然后对图像进行预处理操作,预处理操作主要是通过降噪、图像矫正等操作提高图像的可识别度,便于对图像接下来的操作。图像预处理完成之后进行图像中是否存在仪表的判断,然后通过图像类型判断算法对图像的类型进行判断,可以通过不同类型的仪表表盘所占面积不等的特征对仪表进行分辨,仪表的分辨结果可以分为数字式仪表以及指针式仪表,然后对图像的特征进行提取,提取表盘内容,便于和预先设置的模板进行匹配。然后进行仪表的缺陷检测,检测的主要内容包括仪表是否显示正常,以及是否损坏的问题;如果发现仪表损坏,那么进行缺陷处理程序,并将缺陷以及仪表的位置、编号等信息计入数据库,如果缺陷严重则直接通知管理人员,如果没有问题则进行读取示数操作,将读取到的示数通过远程上位机显示出来或者返回至巡检机器人以便下一步的操作。
本发明的技术方案并不限于上述具体实施例的限制,在不偏离所说明实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的,凡在本发明的精神和原则之内,所作的任何技术变形,均落入本发明的保护范围之内。
Claims (5)
1.一种变电站仪表设备识别系统,包括巡检机器人和远程上位机,其特征在于:巡检机器人通过摄像头和超声波测距传感器配合获取变电站仪表的图像,再通过5G通讯模块与远程上位机进行通讯,远程上位机包括智能图像处理软件和GSM模块;
所述变电站仪表设备识别系统的远程上位机的智能图像处理软件的图像识别算法步骤为:
S1、巡检机器人现场获取变电站仪表设备图像信息,将图像信息通过5G通讯模块实时发送给远程上位机;远程上位机根据巡检机器人传递过来的图像进行预处理操作,预处理操作使用自适应阈值方法提高特征的对比度,使用高斯滤波降低图像的噪声干扰,使用基于直方图均衡化的图像增强方法对图像进行增强;
S2、对图像进行特征提取,若图像中具有符合仪表设备的特征时进行图像的分割,否则直接返回结果;
S3、使用霍夫圆检测方法对预处理后的图像分割,并检测其分割区域的面积,如果面积满足指针式仪表圆形面积的特征,那么便进行指针式仪表的识别,否则便进行数字式仪表的识别;
S4、数字式仪表的缺陷检测,数字式仪表的缺陷主要有字符缺显、漏显、黑屏以及遮挡的问题,对于数字式仪表是否正常显示问题,通过CTPN方法对LCD液晶屏中的所有文本行进行定位,液晶屏中的文本主要分为普通区域字符以及数码管区域字符两部分,通过CRNN方法对液晶屏中的普通文本进行识别,检测出普通区域字符是否显示正常,采用连通域检测方法对数码管区域字符进行检测,如果识别结果为存在缺陷则进入S6,记录缺陷并返回,如果没有问题则进入S7;
S5、指针式仪表的缺陷检测,指针式仪表的主要缺陷为仪表遮挡,通过YOLOv3目标检测算法提前训练识别模型,通过识别模型来识别指针式仪表的位置并定义置信度的阈值,当识别出来的指针式仪表置信度低于阈值时,即认定其为存在缺陷,如果识别结果为存在缺陷,则进入S9,如果没有问题则进入S8;
S6、通过检测出的数字是否完全,来判断数字式仪表的遮挡缺陷是否严重,如果能够读取到全部数字则认定为非紧急缺陷,如果出现数字不全情况或者数字漏显,则根据仪表编号及位置判定仪表是否重要,如果重要则判定为紧急缺陷,将仪表位置及缺陷存入数据库,并通过GSM模块发送短信到值班人员手机;
S7、针对数字式仪表的识别,使用CRNN深度学习算法,并使用CTC模型,在检测之前使用已有的图像作为训练集,训练出模型后用于数字式仪表的识别,其中CRNN解决图像文本长度不定的问题,CTC模型解决识别出来的数字对齐解码问题;
S8、针对指针式仪表的识别,在识别之前,首先收集已有的指针式仪表图像作为训练集,并通过YOLOv3目标检测算法进行训练,生成用于快速定位识别指针式仪表的模型,然后使用DeepLabv3+语义分割算法,得到其指针与表盘相分离的语义分割模型,然后通过指针相对于表盘的位置即可实现指针式仪表的数值识别,需要对表盘的示数范围进行提前指定;
S9、指针式仪表缺陷主要包括指针缺失缺陷,以及表盘裂痕缺陷;利用霍夫圆检测方法定位表盘中圆与直线的位置,如果识别到指针并且指针的长度高于阈值,则判定为缺陷;否则根据仪表的编号以及位置判定仪表是否重要,如果重要则判定为紧急缺陷,否则为非紧急缺陷,将仪表位置及缺陷类型存入数据库,并通过GSM模块发送短信到值班人员手机;针对表盘裂痕缺陷如果在霍夫检测中检测出多条错乱、未经过圆心的线,并且仪表的编号以及位置判定仪表重要,则判定为紧急缺陷,将仪表位置及缺陷类型存入数据库,并通过GSM模块发送短信通知值班人员;
S10、如果检测到的仪表不存在缺陷并且已经读取到了示数,则将识别结果保存到远程上位机并反馈给巡检机器人,用于指导巡检机器人进行下一步的行走移动和巡检操作。
2.根据权利要求1所述的变电站仪表设备识别系统,其特征在于:巡检机器人通过5G通讯模块与远程上位机通讯,5G通讯模块通过移动网络与Internet相连,远程上位机直接有线连接Internet。
3.根据权利要求1所述的变电站仪表设备识别系统,其特征在于:识别系统通过YOLOv3识别算法从图像中提取变电站仪表设备特征,进而分辨图像中是否存在变电站仪表设备。
4.根据权利要求1所述的变电站仪表设备识别系统,其特征在于:识别系统根据图像中的数字式仪表的数码管特征,或指针式仪表的表盘与直线位置特征,来对变电站仪表的类型进行区分。
5.根据权利要求1所述的变电站仪表设备识别系统,其特征在于:识别系统能够针对不同的仪表类型,检测不同的缺陷并进行相应的缺陷处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310180730.3A CN116597428A (zh) | 2023-02-28 | 2023-02-28 | 一种变电站仪表设备识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310180730.3A CN116597428A (zh) | 2023-02-28 | 2023-02-28 | 一种变电站仪表设备识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116597428A true CN116597428A (zh) | 2023-08-15 |
Family
ID=87610467
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310180730.3A Pending CN116597428A (zh) | 2023-02-28 | 2023-02-28 | 一种变电站仪表设备识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116597428A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883987A (zh) * | 2023-09-06 | 2023-10-13 | 南京启征信息技术有限公司 | 一种用于变电站无人巡检的指针仪表读数识别方法 |
-
2023
- 2023-02-28 CN CN202310180730.3A patent/CN116597428A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116883987A (zh) * | 2023-09-06 | 2023-10-13 | 南京启征信息技术有限公司 | 一种用于变电站无人巡检的指针仪表读数识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765378B (zh) | 基于g代码引导下工件轮廓飞边凸起的机器视觉检测方法 | |
CN106771856B (zh) | 基于无人机技术的电力输电线路雷击点确定方法 | |
CN112149512A (zh) | 一种基于两阶段深度学习的安全帽佩戴识别方法 | |
CN112115927B (zh) | 一种基于深度学习的机房设备智能识别方法及系统 | |
CN111427320A (zh) | 一种智能工业机器人分布式统一调度管理平台 | |
CN116597428A (zh) | 一种变电站仪表设备识别系统 | |
CN109829458B (zh) | 实时自动生成记录系统操作行为的日志文件的方法 | |
CN111639629A (zh) | 一种基于图像处理的猪只体重测量方法、装置及存储介质 | |
CN115588121A (zh) | 基于传感数据和图像序列的塔吊吊物类别检测方法及系统 | |
CN114999170A (zh) | 一种基于高速公路车辆路径数据智能分析可视化系统 | |
CN114330477B (zh) | 一种基于混合现实设备的电力设备缺陷检测系统及方法 | |
CN217181688U (zh) | 一种便携式飞机泊位自动引导装置 | |
CN114898347A (zh) | 一种指针式仪表机器视觉识别方法 | |
CN113971414A (zh) | 一种标签识别的方法、装置、电子设备及存储介质 | |
CN113706721A (zh) | 一种基于增强现实技术的电梯检验方法及系统 | |
CN209881981U (zh) | 一种公交电子站牌的远程抄表系统 | |
CN113720309A (zh) | 一种无人机遥感城市部件数据采集方法 | |
CN113762089A (zh) | 基于人工智能的牲畜左脸识别系统及使用方法 | |
CN113095293A (zh) | 一种基于图像识别的物联网水表出厂校准方法 | |
CN215734657U (zh) | 一种用于仪表自动识别的移动装置 | |
CN112258709A (zh) | 一种带有人脸识别的门禁测试系统 | |
CN111126326A (zh) | 一种基于图像识别技术的起重机配重自动识别系统及方法 | |
CN110674679A (zh) | 一种变电站运维智能人车管控系统及方法 | |
CN117726239B (zh) | 工程质量验收实测实量方法及系统 | |
CN115856980B (zh) | 一种编组站作业人员监控方法和系统 |
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 |