CN107784310A - 设备状态信息获取方法、装置、***、存储介质及机器人 - Google Patents

设备状态信息获取方法、装置、***、存储介质及机器人 Download PDF

Info

Publication number
CN107784310A
CN107784310A CN201711108306.9A CN201711108306A CN107784310A CN 107784310 A CN107784310 A CN 107784310A CN 201711108306 A CN201711108306 A CN 201711108306A CN 107784310 A CN107784310 A CN 107784310A
Authority
CN
China
Prior art keywords
equipment
recognition
information
feature vector
identified
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
Application number
CN201711108306.9A
Other languages
English (en)
Other versions
CN107784310B (zh
Inventor
王培建
陶熠昆
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.)
Zhejiang Guozi Robot Technology Co Ltd
Original Assignee
Zhejiang Guozi Robot Technology 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 Zhejiang Guozi Robot Technology Co Ltd filed Critical Zhejiang Guozi Robot Technology Co Ltd
Priority to CN201711108306.9A priority Critical patent/CN107784310B/zh
Publication of CN107784310A publication Critical patent/CN107784310A/zh
Application granted granted Critical
Publication of CN107784310B publication Critical patent/CN107784310B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • 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
    • G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
    • G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
    • G07C3/00—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles
    • G07C3/005—Registering or indicating the condition or the working of machines or other apparatus, other than vehicles during manufacturing process

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Image Analysis (AREA)
  • Manipulator (AREA)

Abstract

本发明实施例公开了一种设备状态信息获取方法、装置、***、计算机可读存储介质及室内挂轨智能巡检机器人。其中，方法包括获取机器人自身摄像头采集的待识别设备的目标图像；根据待识别设备的目标属性信息，在目标图像中提取对应类型的识别特征向量；根据目标属性信息在预先建立的特征识别模型库中，匹配相对应的特征识别子模型；调用特征识别子模型分析提取的识别特征向量，得到待识别设备的运行状态信息。本申请提供的技术方案可获取当前设备的运行状态信息，从而及时反馈运行异常的设备，有效的解决了人力巡查效率低下且容易造成疏漏的问题，具有较高稳定性和准确性。

Description

设备状态信息获取方法、装置、***、存储介质及机器人
技术领域
本发明实施例涉及机器视觉技术领域，特别是涉及一种设备状态信息获取方法、装置、***、计算可读机存储介质及室内挂轨智能巡检机器人。
背景技术
在生产或管理过程中，设备运行的工作状态直接影响全局发展，例如在生产过程中，如果相关生产设备一直处于性能不良的停机待修状态，将直接影响企业的产出量，造成产品的供应不足，给整个企业带来差的经济效益和社会效益。可见，实时关注设备的运行状态，是非常必要的，设备巡检就应用而生。
举例来说，在铁路或变电站的控制室内，通过颜色变化或者形状变化指示设备的状态，例如使用指示灯的红色和绿色分别指示设备异常或正常，若设备异常，需要工作人员及时检修；使用避雷器的红色和绿色指示是否被已经雷击，若被雷击后，即变为红色，需要及时更换避雷器，否则下次雷击将会损伤设备。在变电站的控制室内常见一种压板设备，通过长宽比3：1的矩形块表示其是否工作，若矩形块垂直于水平面表示工作，即“投”，若同水平面夹角成30度左右(固定档位)，即“退”，则表示未工作，若因为操作或设备异常，将不能正常供电。
现有的设备巡检，也即获取设备的状态信息，一般都是利用人的感官或简单的仪表工具，按照规范标准，定点定期进行设备检查，找出设备异常所在。但是，人力巡查，不仅效率低下，而且容易造成疏漏，准确度较低。
故，如何准确且高效的对设备进行巡检，及时反馈设备的运行状态，是本领域技术人员亟待解决的问题。
发明内容
本发明实施例的目的是提供一种设备状态信息获取方法、装置、***、计算可读机存储介质及室内挂轨智能巡检机器人，准确且高效的对设备进行巡检，及时的反馈设备的运行状况，以便及时采取措施，尽早消除隐患，避免不必要的损失。
为解决上述技术问题，本发明实施例提供以下技术方案：
本发明实施例一方面提供了一种设备状态信息获取方法，应用于室内挂轨智能巡检机器人，包括：
获取摄像头采集的待识别设备的目标图像；
根据所述待识别设备的目标属性信息，在所述目标图像中提取对应类型的识别特征向量，所述识别特征向量的类型为颜色特征向量或形状特征向量；
根据所述目标属性信息在预先建立的特征识别模型库中，匹配相对应的特征识别子模型；
调用所述特征识别子模型分析所述识别特征向量，得到所述待识别设备的运行状态信息；
其中，所述特征识别模型库包括多个特征识别子模型，各特征识别子模型利用支持向量机，根据采集各设备的多个样本信息训练而成，样本信息包括设备的属性信息、颜色特征向量与设备的运行状态信息的对应关系或形状特征向量与设备的运行状态信息的对应关系。
可选的，还包括：
根据所述运行状态信息，及预先存储的设备运行异常时对应运行状态信息，判断所述待设备运行是否正常。
可选的，还包括：
当所述待识别设备运行异常，进行报警提示，并将所述待识别设备的位置信息反馈至用户端。
可选的，所述特征识别子模型为设备类型识别子模型，设备类型识别子模型与设备类型一一对应，各设备类型识别子模型包括设备的属性信息、设备运行状态与识别特征向量的对应关系；或者
所述特征识别子模型包括颜色特征识别模型与形状特征识别模型，所述颜色特征识别模型和所述形状特征识别模型分别包括多个相应的特征类型识别子模型；每个特征类型识别子模型与设备一一对应，各特征类型识别子模型包括设备的属性信息、设备运行状态与识别特征向量的对应关系。
可选的，在所述获取摄像头采集的待识别设备的目标图像之后，还包括：
将所述目标图像归一化为预设大小的图像。
可选的，所述根据所述待识别设备的目标属性信息，在所述目标图像中提取对应类型的识别特征向量包括：
根据所述待识别设备的目标属性信息，判断提取的识别特征向量的类型；
当判定提取的识别特征向量的类型为颜色特征向量时，将所述目标图像的颜色类型转化为HSV颜色空间类型，并分别计算每个通道的颜色直方图，将各颜色直方图连接为一维数组，以作为所述目标图像的颜色特征向量；
当判定提取的识别特征向量的类型为形状特征向量时，提取所述目标图像的累计梯度直方图，以作为所述目标图像的形状特征向量。
本发明实施例另一方面提供了一种设备状态信息获取装置，应用于室内挂轨智能巡检机器人，包括：
获取图像模块，用于获取摄像头采集的待识别设备的目标图像；
特征提取模块，用于根据所述待识别设备的目标属性信息，在所述目标图像中提取对应类型的识别特征向量，所述识别特征向量的类型为颜色特征向量或形状特征向量；
模型匹配模块，用于根据所述目标属性信息在预先建立的特征识别模型库中，匹配相对应的特征识别子模型；所述特征识别模型库包括多个特征识别子模型，各特征识别子模型利用支持向量机，根据采集各设备的多个样本信息训练而成，样本信息包括设备的属性信息、颜色特征向量与设备的运行状态信息的对应关系或形状特征向量与设备的运行状态信息的对应关系；
状态信息获取模块，用于调用所述特征识别子模型分析所述识别特征向量，得到所述待识别设备的运行状态信息。
本发明实施例还提供了一种设备状态信息获取***，包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现如前任一项所述设备状态信息获取方法的步骤。
本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有设备状态信息获取程序，所述设备状态信息获取程序被处理器执行时实现如前任一项所述设备状态信息获取方法的步骤。
本发明实施例最后还提供了一种室内挂轨智能巡检机器人，包括图像采集设备及如前所述计算机可读存储介质。
本发明实施例提供了一种设备状态信息获取方法，应用于室内挂轨智能巡检机器人，获取机器人自身摄像头采集的待识别设备的目标图像；根据待识别设备的目标属性信息，在目标图像中提取对应类型的识别特征向量；根据目标属性信息在预先建立的特征识别模型库中，匹配相对应的特征识别子模型；特征识别模型库包括多个特征识别子模型，各特征识别子模型利用支持向量机，根据采集各设备的多个样本信息训练而成，样本信息包括设备的属性信息、颜色特征向量与设备的运行状态信息的对应关系或形状特征向量与设备的运行状态信息的对应关系；调用特征识别子模型分析识别特征向量，得到待识别设备的运行状态信息。
本申请提供的技术方案的优点在于，利用挂轨智能巡检机器人在室内自主运行，通过自身的摄像头采集图像，利用构建的模型对提取到的设备的识别特征向量进行识别，从而快速、准确的获取当前设备的运行状态信息，从而及时反馈运行异常的设备，有效的解决了人力巡查效率低下且容易造成疏漏的问题，具有较高的稳定性、准确性和效率，可有效防范故障隐患，掌握设备故障的初期信息，以便及时采取措施，尽早消除隐患，避免不必要的损失。
此外，本发明实施例还针对设备状态信息获取方法提供了相应的实现装置、设备、计算机可读存储介质及室内挂轨智能巡检机器人，进一步使得所述方法更具有实用性，所述装置、设备及计算机可读存储介质具有相应的优点。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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为本发明实施例提供的一种设备状态信息获取方法的流程示意图；
图2为本发明实施例提供的另一种设备状态信息获取方法的流程示意图；
图3为本发明实施例提供的设备状态信息获取装置的一种具体实施方式结构图；
图4为本发明实施例提供的设备状态信息获取装置的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象，而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元，而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后，下面详细的说明本申请的各种非限制性实施方式。
首先参见图1，图1为本发明实施例提供的一种设备状态信息获取方法的流程示意图，应用于室内挂轨智能巡检机器人，本发明实施例可包括以下内容：
S101：获取摄像头采集的待识别设备的目标图像。
室内挂轨智能巡检机器人自身携带图像采集设备，例如摄像头，机器人在室内利用挂轨技术可自主运行，在预先设定的设备处暂停，利用摄像头采集当前设备的图像，通过提取图像的特定特征来获取该设备运行状态信息。
S102：根据待识别设备的目标属性信息，在目标图像中提取对应类型的识别特征向量，识别特征向量的类型为颜色特征向量或形状特征向量。
设备的属性信息可包括设备的名称、设备的位置信息、设备运行状态的表示特征，即要提取的识别特征向量类型，例如使用指示灯的颜色表示设备异常或正常，若设备异常，则为红灯，需要工作人员及时检修；使用避雷器的红色和绿色指示是否被已经雷击，若被雷击后，即变为红色，需要及时更换避雷器；压板设备，通过长宽比3：1的矩形块表示其是否工作，若矩形块垂直于水平面表示工作，即“投”，若同水平面夹角成30度左右(固定档位)，即“退”，则表示未工作。前两种设备利用颜色表示设备的运行状态，压板设备可以形状表征运行状态。
具体的特征提取过程可为：
根据待识别设备的目标属性信息，判断提取的识别特征向量的类型；
当判定提取的识别特征向量的类型为颜色特征向量时，将目标图像的颜色类型转化为HSV颜色空间类型，并分别计算每个通道的颜色直方图，将各颜色直方图连接为一维数组，以作为目标图像的颜色特征向量；
当判定提取的识别特征向量的类型为形状特征向量时，提取目标图像的累计梯度直方图，以作为目标图像的形状特征向量。
对于颜色特征向量来说，需要将色调、饱和度、亮度等信息进行各自分离。具体的，可将当前目标图像的RGB颜色空间转化为HSV颜色空间，H表示色调，S表示饱和度，V表示亮度。在H通道、S通道、V通道内分别计算目标图像的颜色直方图，然后连接为一维数组。
S103：根据目标属性信息在预先建立的特征识别模型库中，匹配相对应的特征识别子模型。
特征识别模型库包括多个特征识别子模型，各特征识别子模型利用支持向量机，根据采集各设备的多个样本信息训练而成，样本信息包括设备的属性信息，颜色特征向量与设备的运行状态信息的对应关系或形状特征向量与设备的运行状态信息的对应关系。
各特征识别子模型利用支持向量机，根据采集各设备的多个样本信息训练而成具体过程可为：
采集多张设备图像作为训练样本图像，多张样本图像中包含设备在各个运行状态下的设备图像，每张样本图像都包含设备的属性信息、颜色特征向量与设备的运行状态信息的对应关系或形状特征向量与设备的运行状态信息的对应关系。不同的设备对应要提取的特征向量的类型不同，当设备提取的为颜色特征向量时，包括的为颜色特征向量与设备的运行状态信息的对应关系；当设备提取的为颜色特征向量时，包括的是形状特征向量与设备的运行状态信息的对应关系；当设备提取的为颜色特征向量和形状特征向量时，包括颜色特征向量与设备的运行状态信息的对应关系、和形状特征向量与设备的运行状态信息的对应关系。
例如，对于避雷器设备来说，采集的样本图像为多张避雷器红色状态下的图像和绿色状态下的图像，每一张训练样本图像包括的设备的属性信息为避雷器的名称及位置信息；从红色状态下的避雷器的图像中提取的颜色特征向量以及该向量对应的避雷器为雷击状态；绿色状态下的避雷器的图像中提取的颜色特征向量，该向量对应的避雷器的运行状态为正常。
分别提取采集的训练样本图像的相对应的识别特征向量，根据样本信息及提取的识别特征向量，利用支持向量机，基于径向基函数，进行训练。
根据训练的训练过程的不同，可分为下述两种情况：
特征识别子模型为设备类型识别子模型，设备类型识别子模型与设备类型一一对应，各设备类型识别子模型包括设备的属性信息、设备运行状态与识别特征向量的对应关系；或者
特征识别子模型包括颜色特征识别模型与形状特征识别模型，颜色特征识别模型和形状特征识别模型分别包括多个相应的特征类型识别子模型；每个特征类型识别子模型与设备一一对应，各特征类型识别子模型包括设备的属性信息、设备运行状态与识别特征向量的对应关系。
第一种情况可针对每个设备进行训练，而第二种情况针对提取的识别特征向量的类型进行训练，这均不影响本申请的实现，本申请对此不做任何限定。
S104：调用特征识别子模型分析识别特征向量，得到待识别设备的运行状态信息。
将提取到的识别特征向量，输入到匹配到的特征识别子模型中，便可输出当前设备的运行状态信息。
根据运行状态信息，及预先存储的设备运行异常时对应运行状态信息，判断待设备运行是否正常。
例如预先存储避雷器的红色状态下表示已经被雷击，绿色状态下表示正常。将当前避雷器的图像采集并提取颜色特征向量输入到对应的特征识别子模型中，输出的为避雷器的指示灯为红色，则证实当前避雷器被雷击。
需要说明的是，为了整个设备状态信息获取过程的准确性，可将采集的图像、训练模型时的设备样本图像均归一化为相同大小，例如宽*高为1330*1040，单位为分辨率。
在本发明实施例提供的技术方案中，利用挂轨智能巡检机器人在室内自主运行，通过自身的摄像头采集图像，利用构建的模型对提取到的设备的识别特征向量进行识别，从而快速、准确的获取当前设备的运行状态信息，从而及时反馈运行异常的设备，有效的解决了人力巡查效率低下且容易造成疏漏的问题，具有较高的稳定性、准确性和效率，可有效防范故障隐患，掌握设备故障的初期信息，以便及时采取措施，尽早消除隐患，避免不必要的损失。
为了让工作人员或用户尽快发现运行异常的设备，基于上述实施例，请参阅图2，还可包括：
S105：当待识别设备运行异常，进行报警提示，并将待识别设备的位置信息反馈至用户端。
通过进行报警提示，或者直接将发生故障的设备位置信息反馈给上层应用***或者是用户端，可及时发现运行异常的设备，第一时间掌握设备故障的初期信息，以便及时采取措施，尽早消除隐患，避免不必要的损失。
本发明实施例还针对设备状态信息获取方法提供了相应的实现装置，进一步使得所述方法更具有实用性。下面对本发明实施例提供的设备状态信息获取装置进行介绍，下文描述的设备状态信息获取装置与上文描述的设备状态信息获取方法可相互对应参照。
参见图3，图3为本发明实施例提供的设备状态信息获取装置在一种具体实施方式下的结构图，应用于室内挂轨智能巡检机器人，该装置可包括：
获取图像模块301，用于获取摄像头采集的待识别设备的目标图像。
特征提取模块302，用于根据待识别设备的目标属性信息，在目标图像中提取对应类型的识别特征向量，识别特征向量的类型为颜色特征向量或形状特征向量。
模型匹配模块303，用于根据目标属性信息在预先建立的特征识别模型库中，匹配相对应的特征识别子模型；特征识别模型库包括多个特征识别子模型，各特征识别子模型利用支持向量机，根据采集各设备的多个样本信息训练而成，样本信息包括设备的属性信息、颜色特征向量与设备的运行状态信息的对应关系或形状特征向量与设备的运行状态信息的对应关系。
状态信息获取模块304，用于调用特征识别子模型分析识别特征向量，得到待识别设备的运行状态信息。
可选的，在本实施例的一些实施方式中，请参阅图4，所述装置可以包括：
判断模块305，用于根据运行状态信息，及预先存储的设备运行异常时对应运行状态信息，判断待设备运行是否正常。
在本实施例的另一些实施方式中，所述装置例如还可以包括：
报警模块306，用于当判定待巡检点的设备运行异常时，进行报警提示，并将相应的待巡检点位置信息反馈至用户端。
此外，所述装置例如还可以包括：
归一化模块307，用于将目标图像归一化为预设大小的图像。
可选的，在一些具体的实施方式下，所述特征提取模块302可包括：
判断单元，用于根据待识别设备的目标属性信息，判断提取的识别特征向量的类型；
第一特征提取单元，用于当判定提取的识别特征向量的类型为颜色特征向量时，将目标图像的颜色类型转化为HSV颜色空间类型，并分别计算每个通道的颜色直方图，将各颜色直方图连接为一维数组，以作为目标图像的颜色特征向量；
第二特征提取单元，用于当判定提取的识别特征向量的类型为形状特征向量时，提取目标图像的累计梯度直方图，以作为目标图像的形状特征向量。
本发明实施例所述设备状态信息获取装置的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例利用挂轨智能巡检机器人在室内自主运行，通过自身的摄像头采集图像，利用构建的模型对提取到的设备的识别特征向量进行识别，从而快速、准确的获取当前设备的运行状态信息，从而及时反馈运行异常的设备，有效的解决了人力巡查效率低下且容易造成疏漏的问题，具有较高的稳定性、准确性和效率，可有效防范故障隐患，掌握设备故障的初期信息，以便及时采取措施，尽早消除隐患，避免不必要的损失。
本发明实施例还提供了一种设备状态信息获取***，可包括：
存储器，用于存储计算机程序；
处理器，用于执行计算机程序以实现如上任意一实施例所述设备状态信息获取方法的步骤。
本发明实施例所述设备状态信息获取***的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例快速、准确的获取当前设备的运行状态信息，从而及时反馈运行异常的设备，有效的解决了人力巡查效率低下且容易造成疏漏的问题，具有较高的稳定性、准确性和效率，可有效防范故障隐患，掌握设备故障的初期信息，以便及时采取措施，尽早消除隐患，避免不必要的损失。
本发明实施例还提供了一种计算机可读存储介质，存储有设备状态信息获取程序，所述设备状态信息获取程序被处理器执行时如上任意一实施例所述设备状态信息获取方法的步骤。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例快速、准确的获取当前设备的运行状态信息，从而及时反馈运行异常的设备，有效的解决了人力巡查效率低下且容易造成疏漏的问题，具有较高的稳定性、准确性和效率，可有效防范故障隐患，掌握设备故障的初期信息，以便及时采取措施，尽早消除隐患，避免不必要的损失。
本发明实施例还提供了一种室内挂轨智能巡检机器人，包括图像采集设备和如前任意一实施例所述计算机可读存储介质。
本发明实施例所述室内挂轨智能巡检机器人的各功能模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
由上可知，本发明实施例快速、准确的获取当前设备的运行状态信息，从而及时反馈运行异常的设备，有效的解决了人力巡查效率低下且容易造成疏漏的问题，具有较高的稳定性、准确性和效率，可有效防范故障隐患，掌握设备故障的初期信息，以便及时采取措施，尽早消除隐患，避免不必要的损失。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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条件。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。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种设备状态信息获取方法、装置、***、计算机可读存储介质及室内挂轨智能巡检机器人进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种设备状态信息获取方法，其特征在于，应用于室内挂轨智能巡检机器人，包括：
获取摄像头采集的待识别设备的目标图像；
根据所述待识别设备的目标属性信息，在所述目标图像中提取对应类型的识别特征向量，所述识别特征向量的类型为颜色特征向量或形状特征向量；
根据所述目标属性信息在预先建立的特征识别模型库中，匹配相对应的特征识别子模型；
调用所述特征识别子模型分析所述识别特征向量，得到所述待识别设备的运行状态信息；
其中，所述特征识别模型库包括多个特征识别子模型，各特征识别子模型利用支持向量机，根据采集各设备的多个样本信息训练而成，样本信息包括设备的属性信息、颜色特征向量与设备的运行状态信息的对应关系或形状特征向量与设备的运行状态信息的对应关系。
2.根据权利要求1所述的设备状态信息获取方法，其特征在于，还包括：
根据所述运行状态信息，及预先存储的设备运行异常时对应运行状态信息，判断所述待设备运行是否正常。
3.根据权利要求2所述的设备状态信息获取方法，其特征在于，还包括：
当所述待识别设备运行异常，进行报警提示，并将所述待识别设备的位置信息反馈至用户端。
4.根据权利要求1所述的设备状态信息获取方法，其特征在于，所述特征识别子模型为设备类型识别子模型，设备类型识别子模型与设备类型一一对应，各设备类型识别子模型包括设备的属性信息、设备运行状态与识别特征向量的对应关系；或者
所述特征识别子模型包括颜色特征识别模型与形状特征识别模型，所述颜色特征识别模型和所述形状特征识别模型分别包括多个相应的特征类型识别子模型；每个特征类型识别子模型与设备一一对应，各特征类型识别子模型包括设备的属性信息、设备运行状态与识别特征向量的对应关系。
5.根据权利要求1所述的设备状态信息获取方法，其特征在于，在所述获取摄像头采集的待识别设备的目标图像之后，还包括：
将所述目标图像归一化为预设大小的图像。
6.根据权利要求1至5任意一项所述的设备状态信息获取方法，其特征在于，所述根据所述待识别设备的目标属性信息，在所述目标图像中提取对应类型的识别特征向量包括：
根据所述待识别设备的目标属性信息，判断提取的识别特征向量的类型；
当判定提取的识别特征向量的类型为颜色特征向量时，将所述目标图像的颜色类型转化为HSV颜色空间类型，并分别计算每个通道的颜色直方图，将各颜色直方图连接为一维数组，以作为所述目标图像的颜色特征向量；
当判定提取的识别特征向量的类型为形状特征向量时，提取所述目标图像的累计梯度直方图，以作为所述目标图像的形状特征向量。
7.一种设备状态信息获取装置，其特征在于，应用于室内挂轨智能巡检机器人，包括：
获取图像模块，用于获取摄像头采集的待识别设备的目标图像；
特征提取模块，用于根据所述待识别设备的目标属性信息，在所述目标图像中提取对应类型的识别特征向量，所述识别特征向量的类型为颜色特征向量或形状特征向量；
模型匹配模块，用于根据所述目标属性信息在预先建立的特征识别模型库中，匹配相对应的特征识别子模型；所述特征识别模型库包括多个特征识别子模型，各特征识别子模型利用支持向量机，根据采集各设备的多个样本信息训练而成，样本信息包括设备的属性信息、颜色特征向量与设备的运行状态信息的对应关系或形状特征向量与设备的运行状态信息的对应关系；
状态信息获取模块，用于调用所述特征识别子模型分析所述识别特征向量，得到所述待识别设备的运行状态信息。
8.一种设备状态信息获取***，其特征在于，包括处理器和存储器，所述处理器用于执行所述存储器中存储的计算机程序时实现如权利要求1至6任一项所述设备状态信息获取方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有设备状态信息获取程序，所述设备状态信息获取程序被处理器执行时实现如权利要求1至6任一项所述设备状态信息获取方法的步骤。
10.一种室内挂轨智能巡检机器人，其特征在于，包括图像采集设备及如权利要求9所述计算机可读存储介质。
CN201711108306.9A 2017-11-08 2017-11-08 设备状态信息获取方法、装置、***、存储介质及机器人 Active CN107784310B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711108306.9A CN107784310B (zh) 2017-11-08 2017-11-08 设备状态信息获取方法、装置、***、存储介质及机器人

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711108306.9A CN107784310B (zh) 2017-11-08 2017-11-08 设备状态信息获取方法、装置、***、存储介质及机器人

Publications (2)

Publication Number Publication Date
CN107784310A true CN107784310A (zh) 2018-03-09
CN107784310B CN107784310B (zh) 2021-03-23

Family

ID=61431815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711108306.9A Active CN107784310B (zh) 2017-11-08 2017-11-08 设备状态信息获取方法、装置、***、存储介质及机器人

Country Status (1)

Country Link
CN (1) CN107784310B (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108347554A (zh) * 2018-03-20 2018-07-31 浙江国自机器人技术有限公司 一种工业相机
CN108846487A (zh) * 2018-05-29 2018-11-20 长乐壹中正和信息科技有限公司 一种高效巡查纺织设备的方法及终端
CN108890652A (zh) * 2018-06-28 2018-11-27 全球能源互联网研究院有限公司 一种变电站巡检机器人及变电站设备巡检方法
CN109063670A (zh) * 2018-08-16 2018-12-21 大连民族大学 基于字头分组的印刷体满文单词识别方法
CN109271407A (zh) * 2018-09-27 2019-01-25 西安银石科技发展有限责任公司 一种基于机器学习的设备巡检方法
CN109389182A (zh) * 2018-10-31 2019-02-26 北京字节跳动网络技术有限公司 用于生成信息的方法和装置
CN109491875A (zh) * 2018-11-09 2019-03-19 浙江国自机器人技术有限公司 一种机器人信息显示方法、***及设备
CN109664301A (zh) * 2019-01-17 2019-04-23 中国石油大学(北京) 巡检方法、装置、设备及计算机可读存储介质
CN109683618A (zh) * 2018-12-28 2019-04-26 广州中国科学院沈阳自动化研究所分所 一种航行信号识别***及其识别方法
CN109783671A (zh) * 2019-01-30 2019-05-21 京东方科技集团股份有限公司 一种以图搜图的方法、计算机可读介质及服务器
CN110363169A (zh) * 2019-07-19 2019-10-22 南方电网科学研究院有限责任公司 一种电网关键设备及部件的识别装置、设备及***
CN110383274A (zh) * 2018-09-27 2019-10-25 西门子股份公司 识别设备的方法、装置、***、存储介质、处理器和终端
CN110471376A (zh) * 2019-07-10 2019-11-19 深圳市乾行达科技有限公司 一种工业现场故障检测方法及设备
CN110555585A (zh) * 2019-07-19 2019-12-10 云南昆钢电子信息科技有限公司 钢铁生产设备隐患级别自动识别报警***
CN110738179A (zh) * 2019-10-18 2020-01-31 国家电网有限公司 一种电力设备的识别方法及相关装置
CN111082530A (zh) * 2020-01-03 2020-04-28 国家电网有限公司 一种基于物联网的避雷线设备异常报警方法
CN111079482A (zh) * 2019-03-29 2020-04-28 新华三技术有限公司 一种信息获取方法及装置
CN111191721A (zh) * 2019-12-30 2020-05-22 国网浙江省电力有限公司宁波供电公司 基于ai技术的保护压板状态识别方法
CN112257740A (zh) * 2020-09-05 2021-01-22 赛飞特工程技术集团有限公司 基于知识图谱的图像隐患识别方法及其***
CN112541543A (zh) * 2020-12-11 2021-03-23 深圳市优必选科技股份有限公司 图像识别方法、装置、终端设备及存储介质
CN113743454A (zh) * 2021-07-22 2021-12-03 南方电网深圳数字电网研究院有限公司 油浸式互感器的检测方法、装置、设备及存储介质
CN114554152A (zh) * 2022-02-22 2022-05-27 正泰电气股份有限公司 变电站的智能监控方法
CN115862833A (zh) * 2023-02-16 2023-03-28 成都与睿创新科技有限公司 用于器械损耗的检测***及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103324943A (zh) * 2013-06-18 2013-09-25 中国人民解放军第二炮兵工程大学 一种复杂设备面板图像多子区状态识别方法
US20140358601A1 (en) * 2013-06-03 2014-12-04 Abb Research Ltd. Industrial asset health profile
CN104318198A (zh) * 2014-02-28 2015-01-28 郑州金惠计算机***工程有限公司 适用于变电站机器人巡检的识别方法及装置
CN106514654A (zh) * 2016-11-11 2017-03-22 国网浙江宁海县供电公司 一种机器人巡检方法和巡检机器人
CN106679813A (zh) * 2016-11-21 2017-05-17 深圳供电局有限公司 隧道电力设备智能检测***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140358601A1 (en) * 2013-06-03 2014-12-04 Abb Research Ltd. Industrial asset health profile
CN103324943A (zh) * 2013-06-18 2013-09-25 中国人民解放军第二炮兵工程大学 一种复杂设备面板图像多子区状态识别方法
CN104318198A (zh) * 2014-02-28 2015-01-28 郑州金惠计算机***工程有限公司 适用于变电站机器人巡检的识别方法及装置
CN106514654A (zh) * 2016-11-11 2017-03-22 国网浙江宁海县供电公司 一种机器人巡检方法和巡检机器人
CN106679813A (zh) * 2016-11-21 2017-05-17 深圳供电局有限公司 隧道电力设备智能检测***

Cited By (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108347554A (zh) * 2018-03-20 2018-07-31 浙江国自机器人技术有限公司 一种工业相机
CN108846487A (zh) * 2018-05-29 2018-11-20 长乐壹中正和信息科技有限公司 一种高效巡查纺织设备的方法及终端
CN108890652A (zh) * 2018-06-28 2018-11-27 全球能源互联网研究院有限公司 一种变电站巡检机器人及变电站设备巡检方法
CN109063670A (zh) * 2018-08-16 2018-12-21 大连民族大学 基于字头分组的印刷体满文单词识别方法
CN110383274B (zh) * 2018-09-27 2023-10-27 西门子股份公司 识别设备的方法、装置、***、存储介质、处理器和终端
CN109271407A (zh) * 2018-09-27 2019-01-25 西安银石科技发展有限责任公司 一种基于机器学习的设备巡检方法
CN110383274A (zh) * 2018-09-27 2019-10-25 西门子股份公司 识别设备的方法、装置、***、存储介质、处理器和终端
CN109389182A (zh) * 2018-10-31 2019-02-26 北京字节跳动网络技术有限公司 用于生成信息的方法和装置
CN109491875A (zh) * 2018-11-09 2019-03-19 浙江国自机器人技术有限公司 一种机器人信息显示方法、***及设备
CN109683618A (zh) * 2018-12-28 2019-04-26 广州中国科学院沈阳自动化研究所分所 一种航行信号识别***及其识别方法
CN109664301A (zh) * 2019-01-17 2019-04-23 中国石油大学(北京) 巡检方法、装置、设备及计算机可读存储介质
CN109664301B (zh) * 2019-01-17 2022-02-01 中国石油大学(北京) 巡检方法、装置、设备及计算机可读存储介质
CN109783671A (zh) * 2019-01-30 2019-05-21 京东方科技集团股份有限公司 一种以图搜图的方法、计算机可读介质及服务器
US11763164B2 (en) 2019-01-30 2023-09-19 Boe Technology Group Co., Ltd. Image-to-image search method, computer-readable storage medium and server
CN111079482A (zh) * 2019-03-29 2020-04-28 新华三技术有限公司 一种信息获取方法及装置
CN110471376A (zh) * 2019-07-10 2019-11-19 深圳市乾行达科技有限公司 一种工业现场故障检测方法及设备
CN110555585A (zh) * 2019-07-19 2019-12-10 云南昆钢电子信息科技有限公司 钢铁生产设备隐患级别自动识别报警***
CN110363169A (zh) * 2019-07-19 2019-10-22 南方电网科学研究院有限责任公司 一种电网关键设备及部件的识别装置、设备及***
CN110738179A (zh) * 2019-10-18 2020-01-31 国家电网有限公司 一种电力设备的识别方法及相关装置
CN111191721A (zh) * 2019-12-30 2020-05-22 国网浙江省电力有限公司宁波供电公司 基于ai技术的保护压板状态识别方法
CN111082530A (zh) * 2020-01-03 2020-04-28 国家电网有限公司 一种基于物联网的避雷线设备异常报警方法
CN112257740A (zh) * 2020-09-05 2021-01-22 赛飞特工程技术集团有限公司 基于知识图谱的图像隐患识别方法及其***
CN112541543A (zh) * 2020-12-11 2021-03-23 深圳市优必选科技股份有限公司 图像识别方法、装置、终端设备及存储介质
CN112541543B (zh) * 2020-12-11 2023-11-24 深圳市优必选科技股份有限公司 图像识别方法、装置、终端设备及存储介质
CN113743454A (zh) * 2021-07-22 2021-12-03 南方电网深圳数字电网研究院有限公司 油浸式互感器的检测方法、装置、设备及存储介质
CN114554152A (zh) * 2022-02-22 2022-05-27 正泰电气股份有限公司 变电站的智能监控方法
CN115862833A (zh) * 2023-02-16 2023-03-28 成都与睿创新科技有限公司 用于器械损耗的检测***及方法

Also Published As

Publication number Publication date
CN107784310B (zh) 2021-03-23

Similar Documents

Publication Publication Date Title
CN107784310A (zh) 设备状态信息获取方法、装置、***、存储介质及机器人
CN107832770A (zh) 一种设备巡检方法、装置、***、存储介质及巡检机器人
CN111259892B (zh) 一种指示灯状态的巡检方法、装置、设备和介质
CN111949809B (zh) 一种输电线路红外巡检数据智能处理方法
CN110059694A (zh) 电力行业复杂场景下的文字数据的智能识别方法
CN111401419A (zh) 基于改进RetinaNet的员工着装规范检测方法
CN109308447A (zh) 在电力远程监控中自动提取设备运行参数和运行状态的方法
CN106384117B (zh) 一种车辆颜色识别方法及装置
CN107103330A (zh) 一种指示灯状态识别方法和装置
CN104438128A (zh) 一种整体化拆回电能表检测分拣方法
CN109919925A (zh) 印刷电路板智能检测方法、***、电子装置及存储介质
CN107610128A (zh) 一种油位计的巡检方法和装置
CN112613339B (zh) 一种电气图纸自动化识别与审查方法及装置
CN111709361A (zh) 一种输电线路无人机巡检数据处理方法
CN111044149A (zh) 电压互感器的温度异常点检测方法、装置及可读存储介质
CN106454302A (zh) 一种果蔬成熟度检测方法及装置
CN108009547A (zh) 一种变电站设备的铭牌识别方法和装置
CN105608703A (zh) 一种变电站智能巡检机器人的电流互感器油位检测方法
CN113034624A (zh) 基于感温变色胶贴的温度预警图像识别方法、***、设备及存储介质
CN113988573A (zh) 基于电力***巡检无人机的风险判断方法、***和介质
CN112687022A (zh) 一种基于视频的智能楼宇巡检方法及***
CN114581760B (zh) 一种机房巡检的设备故障检测方法及***
CN107316131A (zh) 一种基于图像识别的电能计量装置安装工艺质量检测***
CN108898187A (zh) 一种自动识别配电房指示设备图像的方法及装置
CN106803290A (zh) 输配线路巡视记录方法和装置

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
CB02 Change of applicant information

Address after: Room 501-516, 518, 5 / F, building 4, No. 66, Dongxin Avenue, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Zhejiang Guozi Robot Technology Co., Ltd

Address before: 310053 3 building, 2 six Binjiang District Road 309, Hangzhou, Zhejiang.

Applicant before: ZHEJIANG GUOZI ROBOT TECHNOLOGY Co.,Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180309

Assignee: ZHEJIANG GUOZI INTELLIGENT EQUIPMENT Co.,Ltd.

Assignor: Zhejiang Guozi Robot Technology Co., Ltd

Contract record no.: X2021330000267

Denomination of invention: Equipment status information acquisition method, device, system, storage medium and robot

Granted publication date: 20210323

License type: Exclusive License

Record date: 20210907

EE01 Entry into force of recordation of patent licensing contract