CN117893555A - 刀闸状态确定方法、装置、计算机设备和存储介质 - Google Patents
刀闸状态确定方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117893555A CN117893555A CN202410013487.0A CN202410013487A CN117893555A CN 117893555 A CN117893555 A CN 117893555A CN 202410013487 A CN202410013487 A CN 202410013487A CN 117893555 A CN117893555 A CN 117893555A
- Authority
- CN
- China
- Prior art keywords
- disconnecting link
- closing
- conductive arm
- straight line
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004590 computer program Methods 0.000 claims description 36
- 238000003708 edge detection Methods 0.000 claims description 11
- 238000003709 image segmentation Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- 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
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种刀闸状态确定方法、装置、计算机设备和存储介质。所述方法包括：获取刀闸对应的刀闸图像；刀闸包括两个导电臂；根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。采用本方法能够识别出刀闸图像中导电臂的边缘直线，并根据边缘直线更加精准的确定出刀闸的开合状态，同时本申请可以更准确的确定出该开合状态属于合闸状态还是合闸未到位状态。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种刀闸状态确定方法、装置、计算机设备和存储介质。
背景技术
刀闸是变电站重要的电气设备之一，操作人员对刀闸进行远程操作时，通常需要根据刀闸当前开合状态来对刀闸进行开关操作，因此，准确判断变电站中刀闸的开合情况至关重要。
传统技术中，通过图像识别技术确定刀闸区域中的刀闸位置，再基于分类算法确定出刀闸是出于开闸状态还是合闸状态，但是上述方式存在刀闸开合情况确定不精准的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够精准识别刀闸开合状态的刀闸状态确定方法、装置、计算机设备和存储介质。
第一方面，本申请提供了一种刀闸状态确定方法，包括：
获取刀闸对应的刀闸图像；刀闸包括两个导电臂；
根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。
在其中一个实施例中，根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线，包括：
对刀闸图像进行图像分割，确定刀闸图像中的导电臂图像；
对导电臂图像进行边缘检测，确定导电臂图像中各导电臂的边缘轮廓；
根据导电臂的边缘轮廓，确定相应导电臂的目标边缘直线。
在其中一个实施例中，根据导电臂的边缘轮廓，确定相应导电臂的目标边缘直线，包括：
识别导电臂的边缘轮廓中的边缘直线，作为候选边缘直线；
选取长度最长的候选边缘直线，作为相应导电臂的目标边缘直线。
在其中一个实施例中，根据目标边缘直线，确定刀闸图像中刀闸的开合状态，包括：
将左边缘直线和右边缘直线构成的夹角作为刀闸夹角；
根据预设的合闸到位夹角、预设的合闸判别阈值和刀闸夹角，确定刀闸图像中刀闸的开合状态。
在其中一个实施例中，根据预设合闸到位夹角、预设合闸判别阈值和刀闸夹角，确定刀闸图像中刀闸的开合状态，包括：
将合闸到位夹角和合闸判别阈值之间的差值作为第一夹角；
将合闸到位夹角和合闸判别阈值之间的和值作为第二夹角；
根据刀闸夹角、第一夹角和第二夹角之间的大小关系，确定刀闸图像中刀闸的开合状态。
在其中一个实施例中，根据刀闸夹角、第一夹角和第二夹角之间的大小关系，确定刀闸图像中刀闸的开合状态，包括：
若刀闸夹角大于第一夹角且小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸到位状态；
若刀闸夹角不大于第一夹角，或刀闸夹角不小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸未到位状态。
在其中一个实施例中，根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线，包括：
识别刀闸图像中的刀闸是否处于开闸状态；
若刀闸未处于开闸状态，则根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线。
第二方面，本申请还提供了一种刀闸状态确定装置，包括：
图像获取模块，用于获取刀闸对应的刀闸图像；刀闸包括两个导电臂；
边缘确定模块，用于根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
开合确定模块，用于根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取刀闸对应的刀闸图像；刀闸包括两个导电臂；
根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取刀闸对应的刀闸图像；刀闸包括两个导电臂；
根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取刀闸对应的刀闸图像；刀闸包括两个导电臂；
根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。
上述刀闸状态确定方法、装置、计算机设备和存储介质，获取刀闸对应的刀闸图像；刀闸包括两个导电臂；根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。相比于传统技术中仅能识别出刀闸的开闸状态和合闸状态的方式，本申请能够识别出刀闸图像中导电臂的边缘直线，并根据边缘直线更加精准的确定出刀闸的开合状态，同时本申请可以更准确的确定出该开合状态属于合闸状态还是合闸未到位状态。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关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申请的一些实施例，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获得其他的附图。
图1为本实施例提供的一种刀闸状态确定方法的应用环境图；
图2为本实施例提供的第一种刀闸状态确定方法的流程示意图；
图3为本实施例提供的一种变电站和刀闸的示意图；
图4为本实施例提供的一种确定目标边缘直线的流程示意图；
图5为本实施例提供的一种边缘轮廓和边缘直线的流程示意图；
图6为本实施例提供的一种确定开合状态的流程示意图；
图7为本实施例提供的第二种刀闸状态确定方法的流程示意图；
图8为本实施例提供的第一种刀闸状态确定装置的结构框图；
图9为本实施例提供的第二种刀闸状态确定装置的结构框图；
图10为本实施例提供的一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的刀闸状态确定方法，可以应用于如图1所示的应用环境中。其中，图像采集设备102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。服务器104获取刀闸对应的刀闸图像；刀闸包括两个导电臂；根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。其中，图像采集设备102可以用于采集变电站中的变电站图像，该变电站图像中包括至少一个刀闸。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个示例性的实施例中，如图2所示，提供了一种刀闸状态确定方法，以该方法应用于图1中的服务器104为例进行说明，包括以下步骤S201至步骤S203。其中：
S201、获取刀闸对应的刀闸图像。
其中，刀闸为控制变电站中电气设备启动和停止的开关。刀闸包括两个导电臂。
可选地，通过安装在变电站中的图像采集设备采集刀闸图像。
需要说明的是，图像采集设备可以垂直于刀闸的合闸方向进行图像采集，同时，由于变电站中刀闸分布较为紧密，所以图像采集设备采集到的变电站图像中可能包含多个刀闸图像，因此，为了保证对刀闸开合状态的准确性，本实施例还可以对变电站图像中的各刀闸进行分割处理，即，从变电站图像中分割出各仅包含刀闸的图像。可选地，通过安装在变电站中的图像采集设备获取变电站图像，通过标注工具（如自动标注工具，X-AnyLabeling）识别出变电站图像中的各刀闸的像素位置信息，根据各像素位置信息确定各刀闸的最小外接矩形，对该最小外接矩形对应的区域图像进行分割处理，将分割得到的区域图像作为刀闸图像。
示例性的，如图3示出的变电站和刀闸的示意图。图3的（1）为变电站图像，其中，刀闸A包括导电臂A1和导电臂A2；刀闸B包括导电臂B1和导电臂B2；刀闸C包括导电臂C1和导电臂C2；黑色框为确定出的刀闸B对应的最小外接矩形。图3中（2）为从变电站图像中分割出的刀闸B对应的刀闸图像。
S202、根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线。
其中，目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线。边缘直线可以是用于判别刀闸开合状态的直线。
可选地，对刀闸图像进行边缘检测处理，确定得到刀闸图像中各导电臂的边缘，并对边缘进行合并处理，确定得到相应导电臂的目标边缘直线。
需要说明的是，为了准确获取导电臂的开合状态，本实施例可以先确定刀闸图像中刀闸是否处于开闸状态，并对未处于开闸状态的刀闸进一步确定该刀闸的开合状态是合闸状态还是合闸未到位状态，可选地，识别刀闸图像中的刀闸是否处于开闸状态；若刀闸未处于开闸状态，则根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线。即，将刀闸图像输入到预先训练的二分类模型中，该二分类模型会识别出刀闸图像中的刀闸是否处于开闸状态，并将处于开闸状态的刀闸图像和未处于开闸状态的图像进行分类处理，本实施例可以提取出未处于开闸状态的刀闸，并根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线。需要说明的是，本实施例中的二分类模型可以是基于轻量级网络（MobileNet V3网络）构成的。
示例性的，如图3示出的变电站和刀闸的示意图。图3（1）的变电站图像中，包括导电臂A1和导电臂A2的刀闸A处于开闸状态；包括导电臂B1和导电臂B2的刀闸B，以及包括导电臂C1和导电臂C2的刀闸C均未处于开闸状态。
S203、根据目标边缘直线，确定刀闸图像中刀闸的开合状态。
其中，开合状态为合闸状态或合闸未到位状态。
可选地，将目标边缘直线输入到预先训练的刀闸开合识别模型中，该刀闸开合识别模型会识别目标边缘直线对应的刀闸的开合状态，并将识别出的开合状态确定为刀闸图像中刀闸的开合状态。
示例性的，如图3示出的变电站和刀闸的示意图。图3（1）的变电站图像中，包括导电臂B1和导电臂B2的刀闸B处于合闸未到位状态，包括导电臂C1和导电臂C2的刀闸C处于合闸状态。
上述刀闸状态确定方法，获取刀闸对应的刀闸图像；刀闸包括两个导电臂；根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。相比于传统技术中仅能识别出刀闸的开闸状态和合闸状态的方式，本申请能够识别出刀闸图像中导电臂的边缘直线，并根据边缘直线更加精准的确定出刀闸的开合状态，同时本申请可以更准确的确定出该开合状态属于合闸状态还是合闸未到位状态。
图4为一个实施例中确定目标边缘直线的流程示意图。本实施例给出了一种确定目标边缘直线的可选方式，包括如下步骤：
S401、对刀闸图像进行图像分割，确定刀闸图像中的导电臂图像。
可选地，通过导电臂分割模型对刀闸图像进行图像分割处理，从刀闸图像中分割出导电臂图像。
需要说明的是，导电臂分割模型可以是以实例分割网络（Mask R-CNN）为基准网络，并通过串行级联多个不同标准阈值（IOU值）头部网络（界定正负样本）构成的。该导电臂分割模型可以使不同IOU值检测与其相对应的IOU值目标，以达到不断优化预测的目的，且前一个导电臂分割模型的输出作为后一个导电臂分割模型的输入，位置越靠后，其界定正负样本的IOU值越大，在保证样本数不减少的情况下训练出高质量的导电臂分割模型。
S402、对导电臂图像进行边缘检测，确定导电臂图像中各导电臂的边缘轮廓。
可选地，通过索贝尔算子（Sobel operator）对导电臂图像进行边缘检测，去除导电臂图像中导电臂的内部结构，仅保留导电臂的外部轮廓，并将保留下的外部轮廓作为导电臂的边缘轮廓。
S403、根据导电臂的边缘轮廓，确定相应导电臂的目标边缘直线。
可选地，识别导电臂的边缘轮廓中的边缘直线，作为候选边缘直线；选取长度最长的候选边缘直线，作为相应导电臂的目标边缘直线。即，通过直线检测算法（LSD）对导电臂的边缘轮廓进行直线检测，识别出导电臂的各候选边缘直线，并从中选取出长度最长（一般为导电臂边缘轮廓的上边缘直线）的候选边缘直线，作为相应导电臂的目标边缘直线。
需要说明的是，为进一步准确确定导电臂的目标边缘直线，还可以确定该导电臂中最长候选边缘直线与水平直线之间的夹角，若该导电臂为左导电臂，且该夹角大于90°，则确定该最长候选边缘直线为左导电臂的目标边缘直线；若该导电臂为右导电臂，且该夹角小于90°，则确定该最长候选边缘直线为右导电臂的目标边缘直线。
示例性的，如图5示出的边缘轮廓和边缘直线的示意图。图5的（1）为边缘轮廓示意图，图中线框表征导电臂B1和导电臂B2的边缘轮廓。图5的（2）为边缘直线示意图，图中左侧粗线表征导电臂B1的目标边缘直线，右侧粗线表征导电臂B2的目标边缘直线。
上述确定目标边缘直线方法，对刀闸图像进行图像分割，确定刀闸图像中的导电臂图像，对导电臂图像进行边缘检测，确定导电臂图像中各导电臂的边缘轮廓，根据导电臂的边缘轮廓，确定相应导电臂的目标边缘直线。本实施例通过对刀闸图像进行分割，确定出刀闸图像中的导电臂，并对导电臂图像进行边缘检测，确定出导电臂的边缘轮廓，进而更加准确的确定出导电臂的目标边缘直线。
图6为一个实施例中确定开合状态的流程示意图。本实施例给出了一种确定开合状态的可选方式，包括如下步骤：
S601、将左边缘直线和右边缘直线构成的夹角作为刀闸夹角。
可选地，计算左边缘直线和右边缘直线构成的夹角，并将该夹角作为刀闸夹角。
S602、根据预设的合闸到位夹角、预设的合闸判别阈值和刀闸夹角，确定刀闸图像中刀闸的开合状态。
其中，合闸到位夹角为表征刀闸的两导电臂在合闸到位时的夹角。合闸判别阈值表征刀闸的两导电臂在合闸未到位时的夹角阈值，该合闸判别阈值应该不小于刀闸开闸状态时两导电臂的夹角。
可选地，将合闸到位夹角和合闸判别阈值之间的差值作为第一夹角；将合闸到位夹角和合闸判别阈值之间的和值作为第二夹角；根据刀闸夹角、第一夹角和第二夹角之间的大小关系，确定刀闸图像中刀闸的开合状态。即，计算合闸到位夹角和合闸判别阈值之间的差值，并将该差值作为第一夹角；计算合闸到位夹角和合闸判别阈值之间的和值，并将该和值作为第二夹角；进一步根据刀闸夹角、第一夹角和第二夹角之间的大小关系，确定刀闸图像中刀闸的开合状态。
具体的，根据刀闸夹角、第一夹角和第二夹角之间的大小关系，确定刀闸图像中刀闸的开合状态的实现方式可以是，若刀闸夹角大于第一夹角且小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸到位状态；若刀闸夹角不大于第一夹角，或刀闸夹角不小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸未到位状态。
上述确定开合状态方法，将左边缘直线和右边缘直线构成的夹角作为刀闸夹角，根据预设的合闸到位夹角、预设的合闸判别阈值和刀闸夹角，确定刀闸图像中刀闸的开合状态。本实施例根据左边缘直线和右边缘直线构成确定刀闸夹角，再根据合闸到位夹角、预设的合闸判别阈值和刀闸夹角，更加准确的确定出刀闸的开合状态。
在一个实施例中，本实施例给出了一种刀闸状态确定的可选方式，以该方法应用于服务器为例进行说明。如图7所示，该方法包括如下步骤：
S701、获取刀闸对应的刀闸图像。
其中，刀闸包括两个导电臂。
S702、识别刀闸图像中的刀闸是否处于开闸状态，若是，则执行步骤S703，若否，则执行步骤S704。
S703、若是，则确定刀闸处于开闸状态。
S704、若刀闸未处于开闸状态，则对刀闸图像进行图像分割，确定刀闸图像中的导电臂图像。
S705、对导电臂图像进行边缘检测，确定导电臂图像中各导电臂的边缘轮廓。
S706、识别导电臂的边缘轮廓中的边缘直线，作为候选边缘直线。
S707、选取长度最长的候选边缘直线，作为相应导电臂的目标边缘直线。
其中，目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线。
S708、将左边缘直线和右边缘直线构成的夹角作为刀闸夹角。
S709、将合闸到位夹角和合闸判别阈值之间的差值作为第一夹角。
S710、将合闸到位夹角和合闸判别阈值之间的和值作为第二夹角。
S711、根据刀闸夹角、第一夹角和第二夹角之间的大小关系，确定刀闸图像中刀闸的开合状态。
可选地，若刀闸夹角大于第一夹角且小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸到位状态；若刀闸夹角不大于第一夹角，或刀闸夹角不小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸未到位状态。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的刀闸状态确定方法的刀闸状态确定装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个刀闸状态确定装置实施例中的具体限定可以参见上文中对于刀闸状态确定方法的限定，在此不再赘述。
在一个示例性的实施例中，如图8所示，提供了一种刀闸状态确定装置1，包括：图像获取模块10、边缘确定模块11和开合确定模块12，其中：
图像获取模块10，用于获取刀闸对应的刀闸图像；刀闸包括两个导电臂；
边缘确定模块11，用于根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
开合确定模块12，用于根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。
在一个实施例中，图8中的边缘确定模块11，包括：
图像确定单元，用于对刀闸图像进行图像分割，确定刀闸图像中的导电臂图像；
轮廓确定单元，用于对导电臂图像进行边缘检测，确定导电臂图像中各导电臂的边缘轮廓；
直线确定单元，用于根据导电臂的边缘轮廓，确定相应导电臂的目标边缘直线。
在一个实施例中，直线确定单元，包括：
直线识别子单元，用于识别导电臂的边缘轮廓中的边缘直线，作为候选边缘直线；
直线选取子单元，用于选取长度最长的候选边缘直线，作为相应导电臂的目标边缘直线。
在一个实施例中，图8中的开合确定模块12，包括：
夹角确定单元，用于将左边缘直线和右边缘直线构成的夹角作为刀闸夹角；
状态判断单元，用于根据预设的合闸到位夹角、预设的合闸判别阈值和刀闸夹角，确定刀闸图像中刀闸的开合状态。
在一个实施例中，状态判断单元，包括：
第一夹角确定子单元，用于将合闸到位夹角和合闸判别阈值之间的差值作为第一夹角；
第二夹角确定子单元，用于将合闸到位夹角和合闸判别阈值之间的和值作为第二夹角；
开合状态确定子单元，用于根据刀闸夹角、第一夹角和第二夹角之间的大小关系，确定刀闸图像中刀闸的开合状态。
在一个实施例中，开合状态确定子单元，还用于若刀闸夹角大于第一夹角且小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸到位状态；若刀闸夹角不大于第一夹角，或刀闸夹角不小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸未到位状态。
在一个实施例中，如图9所示，刀闸状态确定装置1还包括：
开闸判断模块13，用于识别刀闸图像中的刀闸是否处于开闸状态；若刀闸未处于开闸状态，则根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线。
上述刀闸状态确定装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图10所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种刀闸状态确定方法。该计算机设备的显示单元用于形成视觉可见的画面，可以是显示屏、投影装置或虚拟现实成像装置。显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取刀闸对应的刀闸图像；刀闸包括两个导电臂；
根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
对刀闸图像进行图像分割，确定刀闸图像中的导电臂图像；
对导电臂图像进行边缘检测，确定导电臂图像中各导电臂的边缘轮廓；
根据导电臂的边缘轮廓，确定相应导电臂的目标边缘直线。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
识别导电臂的边缘轮廓中的边缘直线，作为候选边缘直线；
选取长度最长的候选边缘直线，作为相应导电臂的目标边缘直线。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将左边缘直线和右边缘直线构成的夹角作为刀闸夹角；
根据预设的合闸到位夹角、预设的合闸判别阈值和刀闸夹角，确定刀闸图像中刀闸的开合状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
将合闸到位夹角和合闸判别阈值之间的差值作为第一夹角；
将合闸到位夹角和合闸判别阈值之间的和值作为第二夹角；
根据刀闸夹角、第一夹角和第二夹角之间的大小关系，确定刀闸图像中刀闸的开合状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
若刀闸夹角大于第一夹角且小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸到位状态；
若刀闸夹角不大于第一夹角，或刀闸夹角不小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸未到位状态。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：
识别刀闸图像中的刀闸是否处于开闸状态；
若刀闸未处于开闸状态，则根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取刀闸对应的刀闸图像；刀闸包括两个导电臂；
根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对刀闸图像进行图像分割，确定刀闸图像中的导电臂图像；
对导电臂图像进行边缘检测，确定导电臂图像中各导电臂的边缘轮廓；
根据导电臂的边缘轮廓，确定相应导电臂的目标边缘直线。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
识别导电臂的边缘轮廓中的边缘直线，作为候选边缘直线；
选取长度最长的候选边缘直线，作为相应导电臂的目标边缘直线。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将左边缘直线和右边缘直线构成的夹角作为刀闸夹角；
根据预设的合闸到位夹角、预设的合闸判别阈值和刀闸夹角，确定刀闸图像中刀闸的开合状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将合闸到位夹角和合闸判别阈值之间的差值作为第一夹角；
将合闸到位夹角和合闸判别阈值之间的和值作为第二夹角；
根据刀闸夹角、第一夹角和第二夹角之间的大小关系，确定刀闸图像中刀闸的开合状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若刀闸夹角大于第一夹角且小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸到位状态；
若刀闸夹角不大于第一夹角，或刀闸夹角不小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸未到位状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
识别刀闸图像中的刀闸是否处于开闸状态；
若刀闸未处于开闸状态，则根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
获取刀闸对应的刀闸图像；刀闸包括两个导电臂；
根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
根据目标边缘直线，确定刀闸图像中刀闸的开合状态；开合状态为合闸状态或合闸未到位状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
对刀闸图像进行图像分割，确定刀闸图像中的导电臂图像；
对导电臂图像进行边缘检测，确定导电臂图像中各导电臂的边缘轮廓；
根据导电臂的边缘轮廓，确定相应导电臂的目标边缘直线。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
识别导电臂的边缘轮廓中的边缘直线，作为候选边缘直线；
选取长度最长的候选边缘直线，作为相应导电臂的目标边缘直线。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将左边缘直线和右边缘直线构成的夹角作为刀闸夹角；
根据预设的合闸到位夹角、预设的合闸判别阈值和刀闸夹角，确定刀闸图像中刀闸的开合状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
将合闸到位夹角和合闸判别阈值之间的差值作为第一夹角；
将合闸到位夹角和合闸判别阈值之间的和值作为第二夹角；
根据刀闸夹角、第一夹角和第二夹角之间的大小关系，确定刀闸图像中刀闸的开合状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
若刀闸夹角大于第一夹角且小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸到位状态；
若刀闸夹角不大于第一夹角，或刀闸夹角不小于第二夹角，则确定刀闸图像中刀闸的开合状态为合闸未到位状态。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：
识别刀闸图像中的刀闸是否处于开闸状态；
若刀闸未处于开闸状态，则根据刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线。
需要说明的是，本申请所涉及的数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种刀闸状态确定方法，其特征在于，所述方法包括：
获取刀闸对应的刀闸图像；所述刀闸包括两个导电臂；
根据所述刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；所述目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
根据所述目标边缘直线，确定所述刀闸图像中刀闸的开合状态；所述开合状态为合闸状态或合闸未到位状态。
2.根据权利要求1所述的方法，其特征在于，所述根据所述刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线，包括：
对所述刀闸图像进行图像分割，确定所述刀闸图像中的导电臂图像；
对所述导电臂图像进行边缘检测，确定所述导电臂图像中各导电臂的边缘轮廓；
根据导电臂的边缘轮廓，确定相应导电臂的目标边缘直线。
3.根据权利要求2所述的方法，其特征在于，所述根据导电臂的边缘轮廓，确定相应导电臂的目标边缘直线，包括：
识别所述导电臂的边缘轮廓中的边缘直线，作为候选边缘直线；
选取长度最长的候选边缘直线，作为相应导电臂的目标边缘直线。
4.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据所述目标边缘直线，确定所述刀闸图像中刀闸的开合状态，包括：
将所述左边缘直线和所述右边缘直线构成的夹角作为刀闸夹角；
根据预设的合闸到位夹角、预设的合闸判别阈值和所述刀闸夹角，确定所述刀闸图像中刀闸的开合状态。
5.根据权利要求4所述的方法，其特征在于，所述根据预设合闸到位夹角、预设合闸判别阈值和所述刀闸夹角，确定所述刀闸图像中刀闸的开合状态，包括：
将所述合闸到位夹角和所述合闸判别阈值之间的差值作为第一夹角；
将所述合闸到位夹角和所述合闸判别阈值之间的和值作为第二夹角；
根据所述刀闸夹角、所述第一夹角和所述第二夹角之间的大小关系，确定所述刀闸图像中刀闸的开合状态。
6.根据权利要求5所述的方法，其特征在于，根据所述刀闸夹角、所述第一夹角和所述第二夹角之间的大小关系，确定所述刀闸图像中刀闸的开合状态，包括：
若所述刀闸夹角大于所述第一夹角且小于所述第二夹角，则确定所述刀闸图像中刀闸的开合状态为合闸到位状态；
若所述刀闸夹角不大于所述第一夹角，或所述刀闸夹角不小于所述第二夹角，则确定所述刀闸图像中刀闸的开合状态为合闸未到位状态。
7.根据权利要求1至3任意一项所述的方法，其特征在于，所述根据所述刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线，包括：
识别所述刀闸图像中的刀闸是否处于开闸状态；
若所述刀闸未处于开闸状态，则根据所述刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线。
8.一种刀闸状态确定装置，其特征在于，所述装置包括：
图像获取模块，用于获取刀闸对应的刀闸图像；所述刀闸包括两个导电臂；
边缘确定模块，用于根据所述刀闸图像中各导电臂的边缘，确定相应导电臂的目标边缘直线；所述目标边缘直线包括左导电臂对应的左边缘直线和右导电臂对应的右边缘直线；
开合确定模块，用于根据所述目标边缘直线，确定所述刀闸图像中刀闸的开合状态；所述开合状态为合闸状态或合闸未到位状态。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410013487.0A CN117893555A (zh) | 2024-01-04 | 2024-01-04 | 刀闸状态确定方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410013487.0A CN117893555A (zh) | 2024-01-04 | 2024-01-04 | 刀闸状态确定方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117893555A true CN117893555A (zh) | 2024-04-16 |
Family
ID=90650266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410013487.0A Pending CN117893555A (zh) | 2024-01-04 | 2024-01-04 | 刀闸状态确定方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117893555A (zh) |
-
2024
- 2024-01-04 CN CN202410013487.0A patent/CN117893555A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108520229B (zh) | 图像检测方法、装置、电子设备和计算机可读介质 | |
| EP4394726A1 (en) | Image classification method and apparatus, computer device, and storage medium | |
| CN111192678B (zh) | 病理显微图像诊断、模型训练方法、装置、设备及介质 | |
| CN116168351B (zh) | 电力设备巡检方法及装置 | |
| CN115239644B (zh) | 混凝土缺陷识别方法、装置、计算机设备和存储介质 | |
| CN110954734B (zh) | 故障诊断方法、装置、设备和存储介质 | |
| CN115908363B (zh) | 肿瘤细胞统计方法、装置、设备和存储介质 | |
| CN114241478A (zh) | 宫颈细胞图像中异常细胞图像识别方法、装置 | |
| CN113780145A (zh) | 精子形态检测方法、装置、计算机设备和存储介质 | |
| CN114004289A (zh) | 一种车辆损伤识别模型建立方法、损伤识别方法及装置 | |
| CN115239705A (zh) | 子宫内膜浆细胞数量的统计方法、装置、设备和存储介质 | |
| CN111815576A (zh) | 金属部件腐蚀状况检测方法、装置、设备和存储介质 | |
| CN113870196B (zh) | 一种基于锚点切图的图像处理方法、装置、设备和介质 | |
| CN115063473A (zh) | 物体高度的检测方法、装置、计算机设备、存储介质 | |
| CN116542980B (zh) | 缺陷检测方法、装置、计算机设备、存储介质和程序产品 | |
| CN111582057B (zh) | 一种基于局部感受野的人脸验证方法 | |
| CN117893555A (zh) | 刀闸状态确定方法、装置、计算机设备和存储介质 | |
| CN115775386A (zh) | 用户界面组件的识别方法、装置、计算机设备和存储介质 | |
| CN115578411A (zh) | 抠图模型的样本数据确定方法、装置、设备和存储介质 | |
| CN112036268B (zh) | 构件识别方法及相关装置 | |
| CN115761360A (zh) | 一种肿瘤基因突变分类方法、装置、电子设备及存储介质 | |
| CN113673583A (zh) | 一种图像识别方法、识别网络的训练方法及相关装置 | |
| CN114241354A (zh) | 仓库人员行为识别方法、装置、计算机设备、存储介质 | |
| CN116612474B (zh) | 对象检测方法、装置、计算机设备及计算机可读存储介质 | |
| CN114358328A (zh) | 变电站设备的开关状态检测方法、装置和计算机设备 |
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 |