CN113673367A - 分合闸状态的识别方法、装置、电子装置和存储介质 - Google Patents
分合闸状态的识别方法、装置、电子装置和存储介质 Download PDFInfo
- Publication number
- CN113673367A CN113673367A CN202110863422.1A CN202110863422A CN113673367A CN 113673367 A CN113673367 A CN 113673367A CN 202110863422 A CN202110863422 A CN 202110863422A CN 113673367 A CN113673367 A CN 113673367A
- Authority
- CN
- China
- Prior art keywords
- component distribution
- opening
- image
- projection
- standard component
- 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 72
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000009826 distribution Methods 0.000 claims abstract description 286
- 238000012545 processing Methods 0.000 claims abstract description 52
- 238000001514 detection method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 18
- 238000000605 extraction Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000010606 normalization Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000005520 cutting process Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 abstract description 14
- 238000010586 diagram Methods 0.000 description 19
- 230000005540 biological transmission Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003704 image resize Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种分合闸状态的识别方法、装置、电子装置和存储介质,其中,该识别方法包括:对待测图像中的待测分合闸进行检测,生成目标图像;对该目标图像进行投影处理,得到该待测分合闸的投影分量分布特征;将该投影分量分布特征与该标准分量分布特征进行匹配,根据匹配结果生成该待测分合闸的状态识别结果;该标准分量分布特征是预先对预设的参考图像进行投影处理得到的。通过本申请,解决了分合闸状态识别的过程中光照影响大,且分合闸状态识别效率低的问题,实现了高效、准确的分合闸状态识别。
Description
技术领域
本申请涉及分合闸技术领域,特别是涉及分合闸状态的识别方法、装置、电子装置和存储介质。
背景技术
电力行业与人们的生活息息相关,变电站的分合闸是电力行业最基本的器件,它对电力供应至关重要。近年来,分合闸检测与识别不到位从而导致不能正常输送电的现象时有发生,给人民生活、工业生产造成了巨大的经济损失。
在相关技术中针对分合闸状态的识别一般通过人工抄表的方法,但这类方法工作量大、效率低,且在工人巡视过程中容易产生安全事故。近年来,随着巡检机器人的推广,分合闸的检测工作逐渐向智能化方向发展。此外还包括利用传统的图像处理手段进行检测和识别,然而在光照条件变化的情况下,检测效果不好,通常一种光照条件就需要一组参数,基于深度学习的方法则需要大量的现场素材,导致运算量大,因此分合闸状态识别的过程中光照影响较大,且分合闸状态识别效率较低。
目前针对相关技术中分合闸状态识别的过程中光照影响大,且分合闸状态识别效率低的问题,尚未提出有效的解决方案。
发明内容
本申请实施例提供了一种分合闸状态的识别方法、装置、电子装置和存储介质,以至少解决相关技术中分合闸状态识别的过程中光照影响大,且分合闸状态识别效率低的问题。
第一方面,本申请实施例提供了一种分合闸状态的识别方法,所述方法包括:
对待测图像中的待测分合闸进行检测,生成目标图像;
对所述目标图像进行投影处理,得到所述待测分合闸的投影分量分布特征;
将所述投影分量分布特征与所述标准分量分布特征进行匹配,根据匹配结果生成所述待测分合闸的状态识别结果;所述标准分量分布特征是预先对预设的参考图像进行投影处理得到的。
在其中一些实施例中,所述对所述目标图像进行投影处理,得到所述待测分合闸的投影分量分布特征包括:
根据所述目标图像的每行像素点进行统计得到投影水平分量分布特征,并根据所述目标图像的每列像素点进行统计得到投影垂直分量分布特征;其中,所述投影水平分量分布特征和所述投影垂直分量分布特征组成所述投影分量分布特征。
在其中一些实施例中,所述标准分量分布特征包括标准水平分量分布特征和标准垂直分量分布特征,所述将所述投影分量分布特征与所述标准分量分布特征进行匹配包括:
将所述投影水平分量分布特征与所述标准水平分量分布特征进行匹配,并将所述投影垂直分量分布特征与所述标准垂直分量分布特征进行匹配,得到所述匹配结果。
在其中一些实施例中,所述将所述投影分量分布特征与所述标准分量分布特征进行匹配,根据匹配结果生成所述待测分合闸的状态识别结果,包括:
确定所述投影分量分布特征与所述标准分量分布特征的特征相似度;
基于所述特征相似度,确定所述待测分合闸的状态识别结果。
在其中一些实施例中,所述准分量分布特征包括至少两个子标准分量分布特征,其中,不同子标准分量分布特征映射的分合闸状态不同;
所述确定所述投影分量分布特征与所述标准分量分布特征的特征相似度,包括:
分别确定所述至少两个子标准分量分布特征中各个子标准分量分布特征对应的子特征相似度,所述子特征相似度是基于对应的子标准分量分布特征和所述投影分量分布特征的相似度确定的;
所述基于所述特征相似度,确定所述待测分合闸的状态识别结果,包括:
确定所述各个子标准分量分布特征对应的子特征相似度的最大值;
将所述最大值对应子标准分量分布特征映射的分合闸状态,确定为所述待测分合闸的状态。
在其中一些实施例中,所述根据所述待测图像生成目标图像包括:
根据所述待测图像获取第一目标区域;其中,所述待测分合闸位于所述第一目标区域内;
针对所述第一目标区域进行提取轮廓处理以获取第二目标区域,并针对所述第二目标区域进行裁剪处理以获取第三目标区域;
获取预设尺寸,并根据所述预设尺寸对所述第三目标区域进行归一化处理,得到所述目标图像。
在其中一些实施例中,所述根据所述待测图像获取第一目标区域包括:
获取含有预设分合闸的模板图像,并对所述模板图像进行检测以获取所述预设分合闸的特征结果,将所述特征结果和所述待测图像进行对比,得到所述第一目标区域;或者,
利用目标检测技术,根据所述待测图像得到所述第一目标区域。
在其中一些实施例中,获取所述标准分量分布特征包括:
对历史图像中的分合闸进行检测生成所述参考图像,并针对所述参考图像包括的分合闸进行投影处理以获取所述标准分量分布特征;或者,
基于预先绘制生成的分合字符生成所述参考图像,并针对所述参考图像进行投影处理以获取所述标准分量分布特征;
其中,所述参考图像的尺寸为所述预设尺寸。
在其中一些实施例中,所述标准分量分布特征包括第一标准分量分布特征和第二标准分量分布特征,所述第一标准分量分布特征指示分状态,所述第二标准分量分布特征指示合状态;
所述根据匹配结果生成所述待测分合闸的状态识别结果包括:
在所述投影分量分布特征和所述第一标准分量分布特征相匹配的情况下,生成指示所述待测分合闸处于分状态的状态识别结果;
在所述投影分量分布特征和所述第二标准分量分布特征相匹配的情况下,生成指示所述待测分合闸处于合状态的状态识别结果;
在所述投影分量分布特征与所述第一标准分量分布特征、所述第二标准分量分布特征均匹配失败的情况下,生成指示所述待测分合闸处于异常状态的状态识别结果。
第二方面,本申请实施例提供了一种分合闸状态的识别装置,所述装置包括:检测模块、投影模块和识别模块;
所述检测模块,用于对待测图像中的待测分合闸进行检测,生成目标图像;
所述投影模块,用于对所述目标图像进行投影处理,得到所述待测分合闸的投影分量分布特征;
所述识别模块,用于将所述投影分量分布特征与标准分量分布特征进行匹配,根据匹配结果生成所述待测分合闸的状态识别结果;所述标准分量分布特征是预先对预设的参考图像进行投影处理得到的。
第三方面,本申请实施例提供了一种电子装置,包括存储器、处理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,所述处理器执行所述计算机程序时实现如上述第一方面所述的分合闸状态的识别方法。
第四方面,本申请实施例提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上述第一方面所述的分合闸状态的识别方法。
相比于相关技术,本申请实施例提供的分合闸状态的识别方法、装置、电子装置和存储介质,通过对待测图像中的待测分合闸进行检测,生成目标图像;对该目标图像进行投影处理,得到该待测分合闸的投影分量分布特征;将该投影分量分布特征与该标准分量分布特征进行匹配,根据匹配结果生成该待测分合闸的状态识别结果;该标准分量分布特征是预先对预设的参考图像进行投影处理得到的,解决了分合闸状态识别的过程中光照影响大,且分合闸状态识别效率低的问题,实现了高效、准确的分合闸状态识别。
本申请的一个或多个实施例的细节在以下附图和描述中提出,以使本申请的其他特征、目的和优点更加简明易懂。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例的一种分合闸状态的识别方法的应用环境图;
图2是根据本申请实施例的一种分合闸状态的识别方法的流程图;
图3是根据本申请实施例的一种待测分合闸的应用场景示意图;
图4A是根据本申请实施例的一种第二目标区域的示意图;
图4B是根据本申请实施例的一种第三目标区域的示意图;
图4C是根据本申请实施例的一种目标图像的示意图;
图5是根据本申请实施例的另一种分合闸状态的识别方法的流程图;
图6A是根据本申请实施例的一种投影水平分量分布特征的示意图;
图6B是根据本申请实施例的一种投影垂直分量分布特征的示意图;
图6C是根据本申请实施例的一种合状态的标准水平分量分布特征的示意图;
图6D是根据本申请实施例的一种合状态的标准垂直分量分布特征的示意图;
图6E是根据本申请实施例的一种分状态的标准水平分量分布特征的示意图;
图6F是根据本申请实施例的一种分状态的标准垂直分量分布特征的示意图;
图7是根据本申请优选实施例的一种分合闸状态的识别方法的流程图;
图8是根据本申请实施例的一种分合闸状态的识别装置的结构框图;
图9是根据本申请实施例的一种分合闸状态的识别***的结构框图;
图10是根据本申请实施例的一种计算机设备内部的结构图。
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,对本申请进行描述和说明。应当理解,此处所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。基于本申请提供的实施例,本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。此外,还可以理解的是,虽然这种开发过程中所作出的努力可能是复杂并且冗长的,然而对于与本申请公开的内容相关的本领域的普通技术人员而言,在本申请揭露的技术内容的基础上进行的一些设计,制造或者生产等变更只是常规的技术手段,不应当理解为本申请公开的内容不充分。
在本申请中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域普通技术人员显式地和隐式地理解的是,本申请所描述的实施例在不冲突的情况下,可以与其它实施例相结合。
除非另作定义,本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制,可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形,意图在于覆盖不排他的包含;例如包含了一系列步骤或模块(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,而是可以还包括没有列出的步骤或单元,或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电气的连接,不管是直接的还是间接的。本申请所涉及的“多个”是指大于或者等于两个。“和/或”描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象,不代表针对对象的特定排序。
本申请提供的分合闸状态的识别方法,可以应用于如图1所示的应用环境中。其中,摄像设备12通过网络与服务器设备14进行通信。服务器设备14通过摄像设备12获取待测图像;该服务器设备14根据该待测图像的待测分合闸生成目标图像,对目标图像进行投影处理得到待测分合闸的投影分量分布特征,进而根据该投影分量分布特征和标准分量分布特征的匹配结果生成待测分合闸的状态识别结果;该标准分量分布特征是预先对预设的参考图像进行投影处理得到的。其中,服务器设备14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。
本实施例提供了一种分合闸状态的识别方法,图2是根据本申请实施例的一种分合闸状态的识别方法的流程图,如图2所示,该流程包括如下步骤:
步骤S210,对待测图像中的待测分合闸进行检测,生成目标图像。
其中,该待测图像是指针对待测分合闸所在场景拍摄得到的图像;例如,该待测分合闸应用于变电站,则该待测图像是通过安装部署在变电站,且视野范围包括该待测分合闸的摄像设备拍摄得到的图像。可以理解的是,该待测分合闸除了应用在变电站之外,还可以应用在水电站、核电站或其他需要检测分合闸状态的场景下。以将该待测分合闸应用在变电站为例,图3是根据本申请实施例的一种待测分合闸的应用场景示意图,如图3所示,在变电站布置有上述摄像设备,且该摄像设备的拍摄视野能够覆盖设置有待测分合闸的变电站的应用场景30,该应用场景30中包括应用设备32,该应用设备32用于安装部署待测分合闸31。对该应用场景30进行拍摄能够得到包括待测分合闸31的待测图像;可以理解的是,此时该待测图像中含有应用设备32等较多无需识别的冗余信息,导致图像噪声较大,因此可以利用目标识别或目标检测等算法,针对该待测图像中的待测分合闸进行检测识别,能够得到仅含有该待测分合闸31且噪声较小的目标图像。
步骤S220,对该目标图像进行投影处理,得到该目标图像的投影分量分布特征。
其中,上述处理器将该目标图像的所有像素点同样投影至上述统一平面上,进而得到该目标图像的投影分量分布特征,使得该投影分量分布特征和上述标准分量分布特征处于同一平面,便于进行比较从而得到该待测分合闸的分合状态。
步骤S230,将该投影分量分布特征与该标准分量分布特征进行匹配,根据匹配结果生成该待测分合闸的状态识别结果;该标准分量分布特征是预先对预设的参考图像进行投影处理得到的。
其中,上述参考图像是指包括已知分合状态的分合闸或分合字符的图像;上述标准分量分布特征是通过对该参考图像进行投影处理得到的,例如,用户输入合字符的参考图像并由处理器接收得到,该处理器将该参考图像的所有像素点投影至预设的统一平面上,进而可以得到合字符对应的标准分量分布特征。
具体地,可以由用户预先设置一个匹配阈值,若将上述投影分量分布特征与上述标准分量分布特征进行对比得到的匹配结果大于或等于该匹配阈值,则说明此时该投影分量分布特征与该标准分量分布特征非常匹配,即上述待测分合闸的分合状态与上述预测图像中已知的分合字符相同,从而能够得到该待测分合闸处于分状态或合状态的状态识别结果。需要补充说明的是,在由上述处理器生成该状态识别结果之后,可以将该状态识别结果发送至显示设备进行可视化显示,以便用户实时掌握分合闸状态并执行相应操作。该显示设备可以为显示屏、触摸屏、声光设备或其他可以用于显示信息的设备;以该显示设备采用发光二极管(light-emitting diode,简称为LED)为例,当该处理器检测到该待测分合闸处于分状态时,控制LED发出红光,当检测到该待测分合闸处于合状态时,控制LED发出绿光,通过控制LED显示不同的颜色能够向用户对应显示待测分合闸的不同状态,且实现成本低。
在相关技术中,分合闸状态识别在光照条件变换时检测效果差,且识别所需的运算量大;而本申请通过上述步骤S210至步骤S230,通过对分合闸所位于的目标图像进行投影处理,将投影处理后的得到的投影分量分布特征和标准分量分布特征进行匹配,进而识别分合闸状态,无需识别分合两字,使得分合闸状态的识别方法能够简单高效,并且针对分合闸状态的识别无需利用颜色信息来辅助进行判断,所以有一定的抵抗光照的能力,从而解决了分合闸状态识别的过程中光照影响大,且分合闸状态识别效率低的问题。
在其中一些实施例中,上述根据该待测图像生成目标图像还包括如下步骤:
步骤S221,根据该待测图像获取第一目标区域;其中,该待测分合闸位于该第一目标区域内。
其中,利用目标检测等算法针对上述待测图像进行图像处理,进而在该待测图像上定位得到待测分合闸所在的第一目标区域。
步骤S222,针对该第一目标区域进行提取轮廓处理以获取第二目标区域,并针对该第二目标区域进行裁剪处理以获取第三目标区域。
具体地,针对上述步骤S221检测得到的第一目标区域进行提取轮廓处理,例如,可以利用图像灰度化、二值化技术处理该第一目标区域,并利用Roberts边缘检测算子进行轮廓提取;或者,也可以通过其他Canny边缘检测算子、阈值分割或其他算法针对该第一目标区域进行轮廓提取,在此不再赘述。图4A是根据本申请实施例的一种第二目标区域的示意图,如图4A所示,此时经过提取轮廓处理得到的第二目标区域边缘较为清晰,因此便于后续进行图像投影处理。
然后针对上述处理得到的第二目标区域进行裁剪处理。其中,该第二目标区域可以用坐标(ulx,uly,lrx,lry)表示,(ulx,uly)表示第二目标区域的左上角坐标,(lrx,lry)表示第二目标区域的右下角坐标。在得到上述定位较为准确的第二目区域后,可以直接根据经验统计裁剪所需的比例值,用ul_ex,lr_ex表示,则(a,b,w,h)=(ul_ex×image_w,ul_ex×image_h,lr_ex×image,lr_ex,image_h);其中,(image_w,image_h)分别表示第二目标区域的宽、高;(a,b,w,h)用于表示上述第三目标区域所在坐标。图4B是根据本申请实施例的一种第二目标区域的示意图,如图4B所示,此时得到的第三目标区域中的多余区域已被裁减去除,因此进一步减少了后续图像投影处理所需的计算量。
步骤S223,获取预设尺寸,并根据该预设尺寸对该第三目标区域进行归一化处理,得到该目标图像。
其中,上述预设尺寸可以由用户预先进行设置。具体地,利用最大与最小值归一化等归一化技术,将上述第三目标区域按比例缩放到该预设尺寸,并将缩放后得到的目标区域所在图像作为上述目标图像,使得该目标图像的尺寸可以在某个固定区间范围内,便于后续图像投影处理。
通过上述步骤S221至步骤S223,通过对上述目标区域进行轮廓提取、裁减和归一化等预处理并生成上述目标图像,从而使得后续的图像投影处理更加便捷且效率更高,有效提高了分合闸状态的识别效率。
进一步地,获取上述标准分量分布特征还包括如下步骤:对历史图像中的分合闸进行检测生成该参考图像,并针对该参考图像包括的分合闸进行投影处理以获取该标准分量分布特征;或者,基于预先绘制生成的分合字符生成该参考图像,并针对该参考图像包括的该分合字符进行投影处理以获取该标准分量分布特征;其中,该参考图像的尺寸为该预设尺寸。
其中,上述参考图像可以预先设置为与上述预设尺寸相同尺寸的图像。具体地,可以由处理器将在历史时间内识别出来的已知分合状态的历史图像存储至存储设备,并在检测当前的待测分合闸的过程中将存储的历史图像读取出来,对该历史图像中已知分合状态的分合闸进行检测生成并最终生成预设尺寸下的参考图像。或者,也可以由用户输入含有自己预先绘制好的分字符或合字符且与该预设尺寸相同的参考图像,进而获得得到该标准分量分布特征;因此,通过上述图像的归一化处理可以统一设置参考图像,优化标准分量分布特征的统计,进而提高标准分量分布特征的统计速率。
在其中一些实施例中,上述步骤S221还包括如下步骤:获取含有预设分合闸的模板图像,并对该模板图像进行检测以获取该预设分合闸的特征结果,将该特征结果和该待测图像进行对比,得到该第一目标区域;或者,利用目标检测技术,根据该待测图像得到该第一目标区域。
具体地,上述第一目标区域的获取方式可以为:获取用户预先设置的一张包括有预设分合闸的图像,并将该图像作为上述模板图像,利用尺度不变特征变换(Scale-invariant feature transform,简称为SIFT)等传统处理方法提取该预设分合闸所在区域的特征结果,然后将该特征结果在在上述待测图像上进行匹配,得到该第一目标区域;需要说明的是,本实施例中该模板图像的预设分合闸可以处于分状态,也可以处于合状态,不同分合闸状态的模板图像对待测分合闸的状态识别结果不会产生影响,因此能够保证分合闸状态识别的准确性。或者,该第一目标区域的获取方法还可以为:使用YoloV4等目标检测技术,进行标注图像并训练之后,直接在该待测图像上检测得到分合闸目标,进而得到该第一目标区域。
通过上述实施例,通过上述提取特征并匹配的方法,或者通过上述目标检测技术得到待测图像中待测分合闸所在的第一目标区域,使得在不同场景下可以选择相应的方法,从而提高了不同场景下识别分合闸状态的准确性和效率。
在其中一些实施例中,提供了一种分合闸状态的识别方法,图5是根据本申请实施例的另一种分合闸状态的识别方法的流程图,如图5所示,该流程包括图2所示的步骤S210和步骤S230,此外还包括如下步骤:
步骤S510,根据该目标图像的每行像素点进行统计得到投影水平分量分布特征,并根据该目标图像的每列像素点进行统计得到投影垂直分量分布特征;其中,该投影水平分量分布特征和该投影垂直分量分布特征组成该投影分量分布特征。
其中,在获取到上述目标图像之后,对该目标图像处理进行投影处理。具体地,以获取到的目标图像是图4C为例,图6A是根据本申请实施例的一种投影水平分量分布特征的示意图,图6B是根据本申请实施例的一种投影垂直分量分布特征的示意图,如图6A至6B所示,针对图4C所示的目标图像,对该目标图像中的每一行白色像素点依次统计,得到如图6A所示的投影水平分量分布特征,同时对该目标图像中的每一列白色像素点依次统计,得到如图6B所示的投影垂直分量分布特征。
在其中一些实施例中,上述标准分量分布特征包括标准水平分量分布特征和标准垂直分量分布特征;上述将该投影分量分布特征与该标准分量分布特征进行匹配还包括如下步骤:将该投影水平分量分布特征与该标准水平分量分布特征进行匹配,并将该投影垂直分量分布特征与该标准垂直分量分布特征进行匹配,得到该匹配结果。具体地,上述标准分量分布特征包括:分状态的标准水平分量分布w_level_o、分状态的标准垂直分量分布h_level_o、合状态的标准水平分量分布w_level_c、合状态的标准垂直分量分布h_level_c,如图6C至6F所示。将上述上述投影水平分量分布特征分别到该标准分量分布特征中各个分布进行匹配,得到上述匹配结果。
通过上述实施例,通过利用目标图像在水平方向和垂直方向上的投影分量分布特征,与上述标准分量分布特征分别进行匹配的方法,使得投影分量分布特征能够快速对比匹配,有效提高了分合闸状态识别的效率。
在其中一些实施例中,上述将该投影分量分布特征与该标准分量分布特征进行匹配,根据匹配结果生成该待测分合闸的状态识别结果还包括如下步骤:
步骤S610,确定该投影分量分布特征与该标准分量分布特征的特征相似度。具体地,可以利用卡方距离等方法计算上述投影水平分量分布特征分别到该标准分量分布特征中各个分布的特征相似度。
步骤S620,基于该特征相似度,确定该待测分合闸的状态识别结果。
进一步地,上述基于该特征相似度,确定该待测和分闸的状态识别结果还包括如下步骤:基于针对该标准分量分布特征设置的相似度阈值和该特征相似度,确定该待测分合闸的状态。其中,该相似度阈值可以由用户结合该标准分量分布特征的实际情况预先进行设置;例如,若该标准分量分布特征对应的参考图像较为清晰,则可以将相似度阈值设置得较小,从而有效提高分合闸状态识别的准确性。具体地,如果该投影分量分布特征与该标准分量分布特征之间的特征相似度大于或等于该相似度阈值,则说明该投影分量分布特征与该标准分量分布特征的分布相似,可以得到与该标准分量分布特征相同的状态识别结果。
在其中一些实施例中,该标准分量分布特征包括至少两个子标准分量分布特征,其中,不同子标准分量分布特征映射的参考图像中的分合闸或分合字符的状态不同;该状态可以包括分状态、合状态或其他字符状态等,且每个状态分别对应一个子标准分量分布特征;上述步骤S610和步骤S620分别包括如下步骤:
步骤S611,分别确定该至少两个子标准分量分布特征中各个子标准分量分布特征对应的子特征相似度,该子特征相似度是基于对应的子标准分量分布特征和该投影分量分布特征的相似度确定的。
具体地,将上述投影分量分布特征与上述所有子标准分量分布特征分别进行匹配,并计算得到每个子标准分量分布特征对应的子特征相似度。例如,针对分状态下的参考图像进行投影处理能够映射得到一个子标准分量分布特征,用特征A表示,则将上述投影分量分布特征与特征A进行匹配并计算特征A和之间的相似度,进而能够得到分布A对应的子特征相似度。或者,针对合状态下的参考图像进行投影处理能够映射得到另一个子标准分量分布特征,用特征B表示,则将该投影分量分布特征与特征B进行匹配并计算特征B和之间的相似度,进而能够得到分布B对应的子特征相似度。
步骤S621,确定该各个子标准分量分布特征对应的子特征相似度的最大值;将该最大值对应子标准分量分布特征映射的分合闸状态,确定为该待测分合闸的状态。
其中,可以由上述处理器对所有子特征相似度进行遍历以自动获取上述最大值,并根据该最大值得到待测分合闸的状态识别结果。以图6C为例,如果检测得到图6C所示的合状态对应的水平投影的子标准分量分布特征的子特征相似度为最大值,则说明该投影水平分量分布特征与合状态的分布最像,可以确定状态识别结果为状态“合”,如果是和分状态对应的标准分量分布特征的子特征相似度为最大值,则说明该投影水平分量分布特征与分状态的分布最像,可以确定得到状态识别结果为状态“分”。
通过上述步骤S611至步骤S621,将上述投影分量分布特征与各个状态下的标准分量分布特征同时进行匹配,并统计所有分合状态中的最相似的结果,从而确定最终的状态识别结果,避免了与单一标准分量分布特征对比导致的状态识别出错,进一步提高了分合闸状态识别的准确性和效率。
在其中一些实施例中,上述标准分量分布特征包括第一标准分量分布特征和第二标准分量分布特征,该第一标准分量分布特征指示分状态,该第二标准分量分布特征指示合状态;上述根据匹配结果生成该待测分合闸的状态识别结果还包括如下步骤:在该投影分量分布特征和该第一标准分量分布特征相匹配的情况下,生成指示该待测分合闸处于分状态的状态识别结果;在该投影分量分布特征和该第二标准分量分布特征相匹配的情况下,生成指示该待测分合闸处于合状态的状态识别结果;在该投影分量分布特征与该第一标准分量分布特征、该第二标准分量分布特征均匹配失败的情况下,生成指示该待测分合闸处于异常状态的状态识别结果。需要补充说明的是,在该状态识别结果指示该待测分合闸处于异常状态的情况下,说明此时分合闸存在不到位的故障问题,因此可以发送提醒信息至上述显示设备,提醒用户及时检查或维修。
在相关技术中,对分合闸的状态识别过程中无法识别分合闸的异常状态,或者需要利用大量的异常状态的现场素材才能够识别到异常状态。而本申请通过上述实施例,利用上述投影分量分布特征对待测分合闸的各状态进行检测,通过投影处理并匹配投影分量分布特征的方法,能够快速识别出来异常状态,以便及时提醒用户,有效提高了在实际应用中分合闸的安全性。
下面结合实际应用场景对本申请的实施例进行详细说明,图7是根据本申请优选实施例的一种分合闸状态的识别方法的流程图,如图7所示,该流程包括如下步骤:
步骤S701,获取待测图像,命名为test_image。
步骤S702,获取模板图像,并定位待测分合闸所在的目标区域。具体地,将一张分合闸图片作为模板图,命名为model_image;提取model_image分合闸区域的特征,然后在test_image上定位出分合闸区域,扣出分合闸所在的第一目标区域,命名为tmp_image。
步骤S703,针对上述目标区域预处理,得到目标图像。具体地,对tmp_image进行提取轮廓处理,得到第二目标区域contours_image;对contours_image进行裁剪,裁剪区域(ulx,uly,lrx,lry),得到裁剪后的第三目标区域cut_image;将cut_image按比例缩放到固定尺寸,得到目标图像resize_image。
步骤S704,针对上述目标图像投影处理,最终得到待测分合闸的状态识别结果。
需要说明的是,在上述流程中或者附图的流程图中示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例还提供了一种分合闸状态的识别装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”、“单元”、“子单元”等可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图8是根据本申请实施例的一种分合闸状态的识别装置的结构框图,如图8所示,该装置包括:检测模块82、投影模块84和识别模块86;该检测模块82,用于对待测图像中的待测分合闸进行检测,生成目标图像;该投影模块84,用于对该目标图像进行投影处理,得到该目标图像的投影分量分布特征;该识别模块86,用于将该投影分量分布特征与该标准分量分布特征进行匹配,根据匹配结果生成该待测分合闸的状态识别结果;该标准分量分布特征是预先对预设的参考图像进行投影处理得到的。
通过上述实施例,通过上述投影模块84对分合闸所位于的目标图像进行投影处理,并通过上述识别模块86将投影处理后的得到的投影分量分布特征和标准分量分布特征进行匹配,进而识别分合闸状态,无需识别分合两字,使得分合闸状态的识别方法能够简单高效,并且针对分合闸状态的识别无需利用颜色信息来辅助进行判断,所以有一定的抵抗光照的能力,从而解决了分合闸状态识别的过程中光照影响大,且分合闸状态识别效率低的问题。
在其中一些实施例中,上述投影模块84还用于根据该目标图像的每行像素点进行统计得到投影水平分量分布特征,并根据该目标图像的每列像素点进行统计得到投影垂直分量分布特征;其中,该投影水平分量分布特征和该投影垂直分量分布特征组成该投影分量分布特征。
在其中一些实施例中,上述标准分量分布特征包括标准水平分量分布特征和标准垂直分量分布特征;上述识别模块86还用于将该投影水平分量分布特征与该标准水平分量分布特征进行匹配,并将该投影垂直分量分布特征与该标准垂直分量分布特征进行匹配,得到该匹配结果。
在其中一些实施例中,上述识别模块86还用于确定该投影分量分布特征与该标准分量分布特征的特征相似度;基于该特征相似度,确定该待测分合闸的状态识别结果。
在其中一些实施例中,上述标准分量分布特征包括至少两个子标准分量分布特征,其中,不同子标准分量分布特征映射的分合闸状态不同;上述识别模块86还用于分别确定该至少两个子标准分量分布特征中各个子标准分量分布特征对应的子特征相似度,该子特征相似度是基于对应的子标准分量分布特征和该投影分量分布特征的相似度确定的;该识别模块86确定该各个子标准分量分布特征对应的子特征相似度的最大值;该识别模块86将该最大值对应子标准分量分布特征映射的分合闸状态,确定为该待测分合闸的状态。
在其中一些实施例中,上述投影模块84还用于根据该待测图像获取第一目标区域;其中,该待测分合闸位于该第一目标区域内;该投影模块84针对该第一目标区域进行提取轮廓处理以获取第二目标区域,并针对该第二目标区域进行裁剪处理以获取第三目标区域;该投影模块84获取预设尺寸,并根据该预设尺寸对该第三目标区域进行归一化处理,得到该目标图像。
在其中一些实施例中,上述投影模块84还用于获取含有预设分合闸的模板图像,并对该模板图像进行检测以获取该预设分合闸的特征结果,将该特征结果和该待测图像进行对比,得到该第一目标区域;其中,该模板图像是指含有预设分合闸的图像;或者,该投影模块84利用目标检测技术,根据该待测图像得到该第一目标区域。
在其中一些实施例中,上述投影模块84还用于对历史图像中的分合闸进行检测生成该参考图像,并针对该参考图像包括的分合闸进行投影处理以获取该标准分量分布特征;或者,该投影模块84基于预先绘制生成的分合字符生成该参考图像,并针对该参考图像进行投影处理以获取该标准分量分布特征;其中,该参考图像的尺寸为该预设尺寸。
在其中一些实施例中,上述标准分量分布特征包括第一标准分量分布特征和第二标准分量分布特征,该第一标准分量分布特征指示分状态,该第二标准分量分布特征指示合状态;上述识别模块86还用于在该投影分量分布特征和该第一标准分量分布特征相匹配的情况下,生成指示该分合闸处于分状态的状态识别结果;该识别模块86在该投影分量分布特征和该第二标准分量分布特征相匹配的情况下,生成指示该分合闸处于合状态的状态识别结果;该识别模块86在该投影分量分布特征与该第一标准分量分布特征、该第二标准分量分布特征均匹配失败的情况下,生成指示该分合闸处于异常状态的状态识别结果。
需要说明的是,上述各个模块可以是功能模块也可以是程序模块,既可以通过软件来实现,也可以通过硬件来实现。对于通过硬件来实现的模块而言,上述各个模块可以位于同一处理器中;或者上述各个模块还可以按照任意组合的形式分别位于不同的处理器中。
本实施例还提供了一种分合闸状态的识别***,图9是根据本申请实施例的一种分合闸状态的识别***的结构框图,如图9所示,该***包括:摄像设备12、传输设备92以及服务器设备14;其中,该摄像设备12通过传输设备连接该服务器设备;该摄像设备12用于检测得到针对分合闸的待测图像;该传输设备92用于发送该待测图像至该服务器设备;该服务器设备14用于获取该传输设备92发送的该待测图像,对待测图像中的待测分合闸进行检测,生成目标图像;该服务器设备14对该目标图像进行投影处理,得到该待测分合闸的投影分量分布特征;该服务器设备14将该投影分量分布特征与该标准分量分布特征进行匹配,根据匹配结果生成该待测分合闸的状态识别结果;该标准分量分布特征是预先对预设的参考图像进行投影处理得到的。
通过上述实施例,通过上述服务器设备14对分合闸所位于的目标图像进行投影处理,将投影处理后的得到的投影分量分布特征和标准分量分布特征进行匹配,进而识别分合闸状态,无需识别分合两字,使得分合闸状态的识别方法能够简单高效,并且针对分合闸状态的识别无需利用颜色信息来辅助进行判断,所以有一定的抵抗光照的能力,从而解决了分合闸状态识别的过程中光照影响大,且分合闸状态识别效率低的问题。
在其中一些实施例中,提供了一种计算机设备,该计算机设备可以是服务器,图10是根据本申请实施例的一种计算机设备内部的结构图,如图10所示。该计算机设备包括通过***总线连接的处理器、存储器、网络接口和数据库。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、内存储器。该非易失性存储介质存储有操作***、计算机程序和数据库。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该计算机设备的数据库用于存储状态识别结果。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现上述分合闸状态的识别方法。
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。
本实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
可选地,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
可选地,在本实施例中,上述处理器可以被设置为通过计算机程序执行以下步骤:
S1,对待测图像中的待测分合闸进行检测,生成目标图像。
S2,对该目标图像进行投影处理,得到该待测分合闸的投影分量分布特征。
S3,将该投影分量分布特征与该标准分量分布特征进行匹配,根据匹配结果生成该待测分合闸的状态识别结果;该标准分量分布特征是预先对预设的参考图像进行投影处理得到的。
需要说明的是,本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例,本实施例在此不再赘述。
另外,结合上述实施例中的分合闸状态的识别方法,本申请实施例可提供一种存储介质来实现。该存储介质上存储有计算机程序;该计算机程序被处理器执行时实现上述实施例中的任意一种分合闸状态的识别方法。
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、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域的技术人员应该明白,以上所述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发明专利范围的限制。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,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种分合闸状态的识别方法,其特征在于,所述方法包括:
对待测图像中的待测分合闸进行检测,生成目标图像;
对所述目标图像进行投影处理,得到所述待测分合闸的投影分量分布特征;
将所述投影分量分布特征与标准分量分布特征进行匹配,根据匹配结果生成所述待测分合闸的状态识别结果;所述标准分量分布特征是预先对预设的参考图像进行投影处理得到的。
2.根据权利要求1所述的识别方法,其特征在于,所述对所述目标图像进行投影处理,得到所述待测分合闸的投影分量分布特征包括:
根据所述目标图像的每行像素点进行统计得到投影水平分量分布特征,并根据所述目标图像的每列像素点进行统计得到投影垂直分量分布特征;其中,所述投影水平分量分布特征和所述投影垂直分量分布特征组成所述投影分量分布特征。
3.根据权利要求2所述的识别方法,其特征在于,所述标准分量分布特征包括标准水平分量分布特征和标准垂直分量分布特征,所述将所述投影分量分布特征与所述标准分量分布特征进行匹配包括:
将所述投影水平分量分布特征与所述标准水平分量分布特征进行匹配,并将所述投影垂直分量分布特征与所述标准垂直分量分布特征进行匹配,得到所述匹配结果。
4.根据权利要求1所述的识别方法,其特征在于,所述将所述投影分量分布特征与标准分量分布特征进行匹配,根据匹配结果生成所述待测分合闸的状态识别结果,包括:
确定所述投影分量分布特征与所述标准分量分布特征的特征相似度;
基于所述特征相似度,确定所述待测分合闸的状态识别结果。
5.根据权利要求4所述的识别方法,其特征在于,所述标准分量分布特征包括至少两个子标准分量分布特征,其中,不同子标准分量分布特征映射的分合闸状态不同;
所述确定所述投影分量分布特征与所述标准分量分布特征的特征相似度,包括:
分别确定所述至少两个子标准分量分布特征中各个子标准分量分布特征对应的子特征相似度,所述子特征相似度是基于对应的子标准分量分布特征和所述投影分量分布特征的相似度确定的;
所述基于所述特征相似度,确定所述待测分合闸的状态识别结果,包括:
确定所述各个子标准分量分布特征对应的子特征相似度的最大值;
将所述最大值对应子标准分量分布特征映射的分合闸状态,确定为所述待测分合闸的状态。
6.根据权利要求1所述的识别方法,其特征在于,所述根据所述待测图像生成目标图像包括:
根据所述待测图像获取第一目标区域;其中,所述待测分合闸位于所述第一目标区域内;
针对所述第一目标区域进行提取轮廓处理以获取第二目标区域,并针对所述第二目标区域进行裁剪处理以获取第三目标区域;
获取预设尺寸,并根据所述预设尺寸对所述第三目标区域进行归一化处理,得到所述目标图像。
7.根据权利要求6所述的识别方法,其特征在于,所述根据所述待测图像获取第一目标区域包括:
获取含有预设分合闸的模板图像,并对所述模板图像进行检测以获取所述预设分合闸的特征结果,将所述特征结果和所述待测图像进行对比,得到所述第一目标区域;或者,
利用目标检测技术,根据所述待测图像得到所述第一目标区域。
8.根据权利要求6所述的识别方法,其特征在于,获取所述标准分量分布特征包括:
对历史图像中的分合闸进行检测生成所述参考图像,并针对所述参考图像包括的分合闸进行投影处理以获取所述标准分量分布特征;或者,
基于预先绘制生成的分合字符生成所述参考图像,并针对所述参考图像包括的所述分合字符进行投影处理以获取所述标准分量分布特征;
其中,所述参考图像的尺寸为所述预设尺寸。
9.根据权利要求1至8任一项所述的识别方法,其特征在于,所述标准分量分布特征包括第一标准分量分布特征和第二标准分量分布特征,所述第一标准分量分布特征指示分状态,所述第二标准分量分布特征指示合状态;
所述根据匹配结果生成所述待测分合闸的状态识别结果包括:
在所述投影分量分布特征和所述第一标准分量分布特征相匹配的情况下,生成指示所述待测分合闸处于分状态的状态识别结果;
在所述投影分量分布特征和所述第二标准分量分布特征相匹配的情况下,生成指示所述待测分合闸处于合状态的状态识别结果;
在所述投影分量分布特征与所述第一标准分量分布特征、所述第二标准分量分布特征均匹配失败的情况下,生成指示所述待测分合闸处于异常状态的状态识别结果。
10.一种分合闸状态的识别装置,其特征在于,所述装置包括:检测模块、投影模块和识别模块;
所述检测模块,用于对待测图像中的待测分合闸进行检测,生成目标图像;
所述投影模块,用于对所述目标图像进行投影处理,得到所述待测分合闸的投影分量分布特征;
所述识别模块,用于将所述投影分量分布特征与标准分量分布特征进行匹配,根据匹配结果生成所述待测分合闸的状态识别结果;所述标准分量分布特征是预先对预设的参考图像进行投影处理得到的。
11.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至9中任一项所述的分合闸状态的识别方法。
12.一种存储介质,其特征在于,所述存储介质中存储有计算机程序,其中,所述计算机程序被设置为运行时执行权利要求1至9中任一项所述的分合闸状态的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110863422.1A CN113673367A (zh) | 2021-07-29 | 2021-07-29 | 分合闸状态的识别方法、装置、电子装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110863422.1A CN113673367A (zh) | 2021-07-29 | 2021-07-29 | 分合闸状态的识别方法、装置、电子装置和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113673367A true CN113673367A (zh) | 2021-11-19 |
Family
ID=78540667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110863422.1A Pending CN113673367A (zh) | 2021-07-29 | 2021-07-29 | 分合闸状态的识别方法、装置、电子装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113673367A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289676A (zh) * | 2011-07-30 | 2011-12-21 | 山东鲁能智能技术有限公司 | 基于红外检测的变电站刀闸模式识别方法 |
CN109993202A (zh) * | 2019-02-15 | 2019-07-09 | 广东智媒云图科技股份有限公司 | 一种线稿型图形相似度判断方法、电子设备及存储介质 |
CN110533090A (zh) * | 2019-08-21 | 2019-12-03 | 国网江苏省电力有限公司电力科学研究院 | 开关刀闸状态检测方法及装置 |
CN112508019A (zh) * | 2020-12-16 | 2021-03-16 | 国网江苏省电力有限公司检修分公司 | 基于图像识别的gis隔离/接地开关状态检测方法及*** |
-
2021
- 2021-07-29 CN CN202110863422.1A patent/CN113673367A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289676A (zh) * | 2011-07-30 | 2011-12-21 | 山东鲁能智能技术有限公司 | 基于红外检测的变电站刀闸模式识别方法 |
CN109993202A (zh) * | 2019-02-15 | 2019-07-09 | 广东智媒云图科技股份有限公司 | 一种线稿型图形相似度判断方法、电子设备及存储介质 |
CN110533090A (zh) * | 2019-08-21 | 2019-12-03 | 国网江苏省电力有限公司电力科学研究院 | 开关刀闸状态检测方法及装置 |
CN112508019A (zh) * | 2020-12-16 | 2021-03-16 | 国网江苏省电力有限公司检修分公司 | 基于图像识别的gis隔离/接地开关状态检测方法及*** |
Non-Patent Citations (3)
Title |
---|
刘子英;张靖;邓芳明;: "基于BP神经网络的高压隔离开关分合闸监测识别", 电力***保护与控制, no. 05, 1 March 2020 (2020-03-01), pages 134 - 140 * |
邓镇明: "变电站智能运检监控***及其图像识别技术的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, vol. 2021, no. 05, 15 May 2021 (2021-05-15), pages 1 - 64 * |
马啸川;李庆武;刘静;钱荣;: "变电站机器人自动巡检中的刀闸开合状态分析", 电子测量与仪器学报, no. 06, 15 June 2018 (2018-06-15), pages 64 - 71 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110441316B (zh) | 电池表面缺陷检测方法及检测*** | |
CN116168351B (zh) | 电力设备巡检方法及装置 | |
CN113409296B (zh) | 一种卷绕电芯的抽芯检测方法、电子设备及存储介质 | |
CN111310826A (zh) | 样本集的标注异常检测方法、装置及电子设备 | |
CN117636077B (zh) | 缺陷检测参数调整方法、电子设备和储存介质 | |
US11089291B2 (en) | Detection method and detection device, electronic device and computer readable storage medium | |
CN109086643B (zh) | 一种基于机器视觉的彩盒标签检测方法及*** | |
CN114445350A (zh) | 电力器件的图像检测方法、装置、电子设备及存储介质 | |
CN113673367A (zh) | 分合闸状态的识别方法、装置、电子装置和存储介质 | |
CN111523423A (zh) | 一种电力设备识别方法及装置 | |
CN117007600A (zh) | 缺陷检测方法、装置、设备及计算机可读存储介质 | |
CN110620879A (zh) | 一种人脸识别的动态补光装置及方法 | |
CN113674215B (zh) | 光伏板的光斑识别方法、装置及计算机可读存储介质 | |
CN115965625A (zh) | 一种基于视觉识别的仪表检测装置及其检测方法 | |
CN113744269B (zh) | 圆柱电芯焊接质量检测方法、装置、电子设备及存储介质 | |
CN115690470A (zh) | 一种用于识别开关指示牌状态的方法和相关产品 | |
CN115546219A (zh) | 检测板式生成方法、板卡缺陷检测方法、装置及产品 | |
CN114581360B (zh) | 光伏组件标签检测方法、装置、设备和计算机存储介质 | |
CN111935480B (zh) | 一种用于图像获取装置的检测方法及相关装置 | |
CN114627114B (zh) | 产品缺陷严重程度测量方法及***及装置及介质 | |
CN111126377A (zh) | 一种提高检测目标检测效率的方法 | |
CN118046395B (zh) | 视觉辅助扣式电池的组装方法、装置、设备、及存储介质 | |
de Oliveira et al. | Defect inspection in stator windings of induction motors based on convolutional neural networks | |
CN117078620B (zh) | Pcb焊点缺陷检测方法、装置、电子设备和存储介质 | |
US20230086131A1 (en) | Text image defect detection method, computer device, and storage medium |
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 |