CN113762197A - 基于末端电力业务边缘计算的变电站火灾检测方法和装置 - Google Patents
基于末端电力业务边缘计算的变电站火灾检测方法和装置 Download PDFInfo
- Publication number
- CN113762197A CN113762197A CN202111085000.2A CN202111085000A CN113762197A CN 113762197 A CN113762197 A CN 113762197A CN 202111085000 A CN202111085000 A CN 202111085000A CN 113762197 A CN113762197 A CN 113762197A
- Authority
- CN
- China
- Prior art keywords
- flame
- fire
- transformer substation
- target
- detection result
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 152
- 238000004364 calculation method Methods 0.000 title claims abstract description 49
- 238000012544 monitoring process Methods 0.000 claims abstract description 85
- 238000000034 method Methods 0.000 claims abstract description 39
- 238000001914 filtration Methods 0.000 claims description 24
- 238000002372 labelling Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 7
- 238000007689 inspection Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013507 mapping Methods 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
- 210000000697 sensory organ Anatomy 0.000 description 1
- 230000035943 smell Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/16—Gateway arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Abstract
本申请涉及一种基于末端电力业务边缘计算的变电站火灾检测方法和装置,应用于智能网关,所述智能网关包括边缘计算单元。所述方法包括:接收图像采集设备发送的变电站监控图像;所述变电站监控图像为所述图像采集设备实时对目标变电站进行拍摄得到的图像;将所述变电站监控图像发送至所述边缘计算单元;通过所述边缘计算单元,将所述变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;所述火焰检测结果为所述预训练的火焰检测模型对所述变电站监控图像中的火焰区域进行标注得到的结果;基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果。采用本方法能够火灾巡检效率。
Description
技术领域
本申请涉及电力监控技术领域,特别是涉及一种基于末端电力业务边缘计算的变电站火灾检测方法和装置、计算机设备和存储介质。
背景技术
变电站是电网中负责转换电压与分配电能的重要节点,变电站设备巡检是保证变电站安全运行、提高供电可靠性的一项基础工作。
传统技术当中,当前变电站火灾巡检大多采用传统人工巡视的方式,变电站值班员进入变电设备区,通过感官的看、听、嗅、触或相关检测设备对运行中的设备进行火灾巡视。人工火灾巡检方式虽然广泛应用,但是火灾巡检质量不高,且耗费大量人员。
因此,传统技术中存在火灾巡检效率不高的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高火灾巡检效率的基于末端电力业务边缘计算的变电站火灾检测方法、装置、计算机设备和存储介质。
一种基于末端电力业务边缘计算的变电站火灾检测方法,应用于智能网关,所述智能网关包括边缘计算单元,所述方法包括:
接收图像采集设备发送的变电站监控图像;所述变电站监控图像为所述图像采集设备实时对目标变电站进行拍摄得到的图像;
将所述变电站监控图像发送至所述边缘计算单元;
通过所述边缘计算单元,将所述变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;所述火焰检测结果为所述预训练的火焰检测模型对所述变电站监控图像中的火焰区域进行标注得到的结果;
基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果;所述火灾检测结果包括起火点位置、起火原因、火势等级中的至少一种。
在其中一个实施例中,所述火焰检测结果包括火焰标注区域,所述基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果,包括:
获取所述火焰标注区域于所述变电站监控图像的第一位置信息,以及,获取所述目标变电站于所述变电站监控图像的第二位置信息;
根据所述第一位置信息和所述第二位置信息,确定所述目标变电站的起火点位置。
在其中一个实施例中,所述基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果,包括:
基于所述火焰标注区域,在所述变电站监控图像中确定出火焰区域图像;
获取所述火焰区域图像中的火焰区域面积,以及,获取所述火焰区域图像的灰度信息;
根据所述火焰区域面积和所述灰度信息,确定所述目标变电站的火势等级。
在其中一个实施例中,所述灰度信息包括所述火焰区域图像各个像素的灰度值,所述根据所述火焰区域面积和所述灰度信息,确定所述目标变电站的火势等级,包括:
获取所述火焰区域面积与所述变电站监控图像的图像面积之间的比值,以及,获取各个像素的灰度值的平均灰度值;
查询所述比值和所述平均灰度值对应的目标火势等级,作为所述目标变电站的火势等级。
在其中一个实施例中,所述获取所述火焰区域图像中的火焰区域面积,包括:
将所述火焰区域图像输入火焰语义分割模型,得到所述火焰区域图像中的第一火焰区域;
基于所述火焰区域图像对所述第一火焰区域进行引导滤波处理,得到引导滤波后的火焰区域;
确定所述引导滤波后的火焰区域在所述火焰区域图像中的面积,得到所述火焰区域面积。
在其中一个实施例中,所述基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果,包括:
根据所述目标变电站的起火点位置和所述目标变电站的火势等级,在预设的起火原因数据库中查询对应的目标起火原因;
将所述目标起火原因作为所述目标变电站的起火原因。
在其中一个实施例中,在所述基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果的步骤之后,所述还包括:
发送所述火灾检测结果至目标主站;所述目标主站用于向用户展示所述火灾检测结果。
一种基于末端电力业务边缘计算的变电站火灾检测装置,应用于智能网关,所述智能网关包括边缘计算单元,所述装置包括:
接收模块,用于接收图像采集设备发送的变电站监控图像;所述变电站监控图像为所述图像采集设备实时对目标变电站进行拍摄得到的图像;
发送模块,用于将所述变电站监控图像发送至所述边缘计算单元;
标注模块,用于通过所述边缘计算单元,将所述变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;所述火焰检测结果为所述预训练的火焰检测模型对所述变电站监控图像中的火焰区域进行标注得到的结果;
生成模块,用于基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果;所述火灾检测结果包括起火点位置、起火原因、火势等级中的至少一种。
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上述的方法的步骤。
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上述的方法的步骤。
上述基于末端电力业务边缘计算的变电站火灾检测方法、装置、计算机设备和存储介质,通过图像采集设备实时采集目标变电站的变电站监控图像,将变电站监控图像发送至具备边缘计算能力的智能网关;所述智能网关将变电站图像输入至边缘计算模块;所述边缘计算模块用于将所述变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;基于火焰检测结果,生成针对所述目标变电站的火灾检测结果;所述火灾检测结果包括起火位置、起火原因、火势等级中的至少一种;实现了自动化火灾巡检,避免消耗大量人力资源。
附图说明
图1为一个实施例中一种变电站火灾检测方法的应用环境图;
图2为一个实施例中一种变电站火灾检测方法的流程示意图;
图3为另一个实施例中一种变电站火灾检测法的流程示意图;
图4为一个实施例中一种变电站火灾检测装置的结构框图;
图5为一个实施例中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。
本申请提供的基于末端电力业务边缘计算的变电站火灾检测方法,可以应用于如图1所示的应用环境中。其中,图像采集设备110通过网络与智能网关120进行通信。其中,智能网关120接收图像采集设备110发送的变电站监控图像;变电站监控图像为图像采集设备实时对目标变电站进行拍摄得到的图像;将变电站监控图像发送至边缘计算单元;智能网关120通过边缘计算单元,将变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;火焰检测结果为预训练的火焰检测模型对变电站监控图像中的火焰区域进行标注得到的结果;智能网关120基于火焰检测结果,生成针对目标变电站的火灾检测结果;火灾检测结果包括起火点位置、起火原因、火势等级中的至少一种。
在一个实施例中,如图2所示,提供了一种基于末端电力业务边缘计算的变电站火灾检测方法,以该方法应用于图1中的智能网关为例进行说明,该智能网关包括边缘计算单元,包括以下步骤:
步骤S210,接收图像采集设备发送的变电站监控图像;变电站监控图像为图像采集设备实时对目标变电站进行拍摄得到的图像。
其中,图像采集设备可以是摄像机、照相机等。
具体实现中,当对目标变电站进行火灾检测时,可以采用图像采集设备实时对目标变电站进行拍摄得到进而得到变电站监控图像,然后,图像采集设备将采集到的变电站监控图像发送至智能网关,进而使智能网关接收图像采集设备发送的变电站监控图像。
步骤S220,将变电站监控图像发送至边缘计算单元。
其中,边缘计算单元可以是指使智能网关实现边缘计算功能的计算单元。
具体实现中,智能网关在接收到变电站监控图像后,智能网关则将该变电站监控图像输入至边缘计算单元。
步骤S230,通过边缘计算单元,将变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;火焰检测结果为预训练的火焰检测模型对变电站监控图像中的火焰区域进行标注得到的结果。
其中,预训练的火焰检测模型可以是指预训练的yolov3模型。
具体实现中,智能网关在将该变电站监控图像输入至边缘计算单元后,智能网关则通过边缘计算单元,将变电站监控图像输入至预训练的火焰检测模型,通过该预训练的火焰检测模型对变电站监控图像中的火焰区域进行标注,进而得到火焰检测结果。实际应用中,火焰检测结果可以包括火焰标注区域等信息。
步骤S240,基于火焰检测结果,生成针对目标变电站的火灾检测结果;火灾检测结果包括起火点位置、起火原因、火势等级中的至少一种。
具体实现中,智能网关在得到火焰检测结果后,智能网关可以基于火焰检测结果中的火焰标注区域,确定出目标变电站的起火点位置、起火原因、火势等级中的至少一种,进而生成针对目标变电站的火灾检测结果。
上述基于末端电力业务边缘计算的变电站火灾检测方法中,通过图像采集设备实时采集目标变电站的变电站监控图像,将变电站监控图像发送至具备边缘计算能力的智能网关;所述智能网关将变电站图像输入至边缘计算模块;所述边缘计算模块用于将所述变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;基于火焰检测结果,生成针对所述目标变电站的火灾检测结果;所述火灾检测结果包括起火位置、起火原因、火势等级中的至少一种;实现了自动化火灾巡检,避免消耗大量人力资源。
在另一个实施例中,火焰检测结果包括火焰标注区域,基于火焰检测结果,生成针对目标变电站的火灾检测结果,包括:获取火焰标注区域于变电站监控图像的第一位置信息,以及,获取目标变电站于变电站监控图像的第二位置信息;根据第一位置信息和第二位置信息,确定目标变电站的起火点位置。
具体实现中,智能网关在基于火焰检测结果,生成针对目标变电站的火灾检测结果的过程中,智能网关可以获取火焰标注区域于变电站监控图像的第一位置信息,以及,获取目标变电站于变电站监控图像的第二位置信息;最后,智能网关再根据第一位置信息和第二位置信息之间的相对位置关系,确定目标变电站的起火点位置。
本实施例的技术方案,通过获取火焰标注区域于变电站监控图像的第一位置信息,以及,获取目标变电站于变电站监控图像的第二位置信息;根据第一位置信息和第二位置信息之间的相对位置关系,实现准确地定位出目标变电站的起火点位置。
在另一个实施例中,基于火焰检测结果,生成针对目标变电站的火灾检测结果,包括:基于火焰标注区域,在变电站监控图像中确定出火焰区域图像;获取火焰区域图像中的火焰区域面积,以及,获取火焰区域图像的灰度信息;根据火焰区域面积和灰度信息,确定目标变电站的火势等级。
具体实现中,智能网关在基于火焰检测结果,生成针对目标变电站的火灾检测结果的过程中,智能网关可以基于火焰标注区域,在变电站监控图像中确定出火焰区域图像。然后,智能网关可以获取火焰区域图像中的火焰区域面积,以及,获取火焰区域图像的灰度信息。最后,智能网关根据火焰区域面积和灰度信息,确定目标变电站的火势等级。
本实施例的技术方案,通过基于火焰标注区域,在变电站监控图像中确定出火焰区域图像,并获取火焰区域图像中的火焰区域面积,进而实现基于该火焰区域面积确定当前火灾的着火面积,以及,基于火焰区域图像的灰度信息,确定当前火灾的火焰强度,从而实现准确地判断出目标变电站的火势等级。
在另一个实施例中,根据火焰区域面积和灰度信息,确定目标变电站的火势等级,包括:获取火焰区域面积与变电站监控图像的图像面积之间的比值,以及,获取各个像素的灰度值的平均灰度值;查询比值和平均灰度值对应的目标火势等级,作为目标变电站的火势等级。
其中,灰度信息包括火焰区域图像各个像素的灰度值。
具体实现中,智能网关在根据火焰区域面积和灰度信息,确定目标变电站的火势等级的过程中,智能网关可以获取火焰区域面积与变电站监控图像的图像面积之间的比值;以及,智能网关在灰度信息中确定火焰区域图像各个像素的灰度值,并计算各个像素的灰度值的平均值,得到平均灰度值。然后,智能网关可以在预设的映射关系表中,查询与该比值和平均灰度值对应的目标火势等级。最后,智能网关将该目标火势等级,作为目标变电站的火势等级。
本实施例的技术方案,通过获取火焰区域面积与变电站监控图像的图像面积之间的比值,以及,获取各个像素的灰度值的平均灰度值;查询比值和平均灰度值对应的目标火势等级,作为目标变电站的火势等级,如此,可以及时地确定出目标变电站的火势等级。
在另一个实施例中,获取火焰区域图像中的火焰区域面积,包括:将火焰区域图像输入火焰语义分割模型,得到火焰区域图像中的第一火焰区域;基于火焰区域图像对第一火焰区域进行引导滤波处理,得到引导滤波后的火焰区域;确定引导滤波后的火焰区域在火焰区域图像中的面积,得到火焰区域面积。
具体实现中,智能网关在获取火焰区域图像中的火焰区域面积的过程中,智能网关可以将火焰区域图像输入预训练的火焰语义分割模型,通过该火焰语义分割模型确定出火焰区域图像中的第一火焰区域。然后,智能网关基于火焰区域图像对第一火焰区域进行引导滤波处理,得到引导滤波后的火焰区域。实际应用中,智能网关可以对火焰区域图像的图像对比度进行调整,以提高该火焰区域图像的对比度。然后,智能网关再采用该调整后的火焰区域图像对第一火焰区域进行引导滤波处理,得到引导滤波后的火焰区域。
最后,智能网关再确定出引导滤波后的火焰区域在火焰区域图像中的面积,得到火焰区域面积。
本实施例的技术方案,通过将火焰区域图像输入火焰语义分割模型,得到火焰区域图像中的第一火焰区域;基于火焰区域图像对第一火焰区域进行引导滤波处理,得到引导滤波后的火焰区域,使得引导滤波后的火焰区域的边缘更加锐利,并基于该引导滤波后的火焰区域在火焰区域图像中的面积,作为火焰区域面积,实现更为准确地确定火焰区域在在火焰区域图像中的面积。
在另一个实施例中,基于火焰检测结果,生成针对目标变电站的火灾检测结果,包括:根据目标变电站的起火点位置和目标变电站的火势等级,在预设的起火原因数据库中查询对应的目标起火原因;将目标起火原因作为目标变电站的起火原因。
具体实现中,智能网关在基于火焰检测结果,生成针对目标变电站的火灾检测结果的过程中,智能网关在确定目标变电站的起火点位置和目标变电站的火势等级后,智能网关可以根据目标变电站的起火点位置和目标变电站的火势等级,在预设的起火原因数据库中查询对应的目标起火原因;最后,智能网关将目标起火原因作为目标变电站的起火原因。
本实施例的技术方案,通过根据目标变电站的起火点位置和目标变电站的火势等级,在预设的起火原因数据库中查询对应的目标起火原因,并将目标起火原因作为目标变电站的起火原因,实现基于起火点位置和火势等级快速地确定出目标变电站的起火原因,进而实现及时供用户参考。
在另一个实施例中,在基于火焰检测结果,生成针对目标变电站的火灾检测结果的步骤之后,还包括:发送火灾检测结果至目标主站;目标主站用于向用户展示火灾检测结果。
具体实现中,智能网关在基于火焰检测结果,生成针对目标变电站的火灾检测结果之后,智能网关还可以将火灾检测结果发送至目标主站。实际应用中,智能网关可以通过消息队列遥测传输协议,将火灾检测结果发送至目标主站,以供目标主站进行接收。目标主站接收到该火灾检测结果后,目标主站可以通过显示屏显示出该火灾检测结果,例如,目标主站可以通过显示屏中显示出当前起火点位置、起火原因、火势等级等信息,进而及时提示用户目标变电站的当前火情。
本实施例的技术方案,通过将火灾检测结果发送至目标主站,用于供目标主站向用户进行展示,进而实现及时提示用户目标变电站的当前火情,及时前往现场进行灭火作业。
在另一个实施例中,如图3所示,提供了一种基于末端电力业务边缘计算的变电站火灾检测方法,以该方法应用于图1中的智能网关为例进行说明,智能网关包括边缘计算单元,包括以下步骤:步骤S310,接收图像采集设备发送的变电站监控图像;所述变电站监控图像为所述图像采集设备实时对目标变电站进行拍摄得到的图像。步骤S320,将所述变电站监控图像发送至所述边缘计算单元。步骤S330,通过所述边缘计算单元,将所述变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;所述火焰检测结果为所述预训练的火焰检测模型对所述变电站监控图像中的火焰区域进行标注得到的结果;所述火焰检测结果包括火焰标注区域。步骤S340,基于所述火焰标注区域,在所述变电站监控图像中确定出火焰区域图像。步骤S350,将所述火焰区域图像输入火焰语义分割模型,得到所述火焰区域图像中的第一火焰区域。步骤S360,基于所述火焰区域图像对所述第一火焰区域进行引导滤波处理,得到引导滤波后的火焰区域。步骤S370,确定所述引导滤波后的火焰区域在所述火焰区域图像中的面积,得到火焰区域面积,以及,获取所述火焰区域图像的灰度信息。步骤S380,根据所述火焰区域面积和所述灰度信息,确定所述目标变电站的火势等级,得到火灾检测结果。步骤S390,发送所述火灾检测结果至目标主站;所述目标主站用于向用户展示所述火灾检测结果。需要说明的是,上述步骤的具体限定可以参见上文对一种基于末端电力业务边缘计算的变电站火灾检测方法的具体限定。
应该理解的是,虽然图2和图3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,图2和图3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。
在一个实施例中,如图4所示,提供了一种基于末端电力业务边缘计算的变电站火灾检测装置,应用于智能网关,所述智能网关包括边缘计算单元,所述装置包括:
接收模块410,用于接收图像采集设备发送的变电站监控图像;所述变电站监控图像为所述图像采集设备实时对目标变电站进行拍摄得到的图像;
发送模块420,用于将所述变电站监控图像发送至所述边缘计算单元;
标注模块430,用于通过所述边缘计算单元,将所述变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;所述火焰检测结果为所述预训练的火焰检测模型对所述变电站监控图像中的火焰区域进行标注得到的结果;
生成模块440,用于基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果;所述火灾检测结果包括起火点位置、起火原因、火势等级中的至少一种。
在其中一个实施例中,所述火焰检测结果包括火焰标注区域,所述生成模块,具体用于获取所述火焰标注区域于所述变电站监控图像的第一位置信息,以及,获取所述目标变电站于所述变电站监控图像的第二位置信息;根据所述第一位置信息和所述第二位置信息,确定所述目标变电站的起火点位置。
在其中一个实施例中,所述生成模块440,具体用于基于所述火焰标注区域,在所述变电站监控图像中确定出火焰区域图像;获取所述火焰区域图像中的火焰区域面积,以及,获取所述火焰区域图像的灰度信息;根据所述火焰区域面积和所述灰度信息,确定所述目标变电站的火势等级。
在其中一个实施例中,所述灰度信息包括所述火焰区域图像各个像素的平均灰度值,所述生成模块440,具体用于获取所述火焰区域面积与所述变电站监控图像的图像面积之间的比值;查询所述比值和所述平均灰度值对应的目标火势等级,作为所述目标变电站的火势等级。
在其中一个实施例中,所述,所述生成模块440,具体用于将所述火焰区域图像输入火焰语义分割模型,得到所述火焰区域图像中的第一火焰区域;基于所述火焰区域图像对所述第一火焰区域进行引导滤波处理,得到引导滤波后的火焰区域;确定所述引导滤波后的火焰区域在所述火焰区域图像中的面积,得到所述火焰区域面积。
在其中一个实施例中,所述生成模块440,具体用于根据所述目标变电站的起火点位置和所述目标变电站的火势等级,在预设的起火原因数据库中查询对应的目标起火原因;将所述目标起火原因作为所述目标变电站的起火原因。
在其中一个实施例中,所述装置包括:返回模块,用于发送所述火灾检测结果至目标主站;所述目标主站用于向用户展示所述火灾检测结果。
关于基于末端电力业务边缘计算的变电站火灾检测装置的具体限定可以参见上文中对于基于末端电力业务边缘计算的变电站火灾检测方法的限定,在此不再赘述。上述基于末端电力业务边缘计算的变电站火灾检测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,其内部结构图可以如图5所示。该计算机设备包括通过***总线连接的处理器、存储器和网络接口。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基于末端电力业务边缘计算的变电站火灾检测数据。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一种基于末端电力业务边缘计算的变电站火灾检测方法。
本领域技术人员可以理解,图5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,存储器存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述一种基于末端电力业务边缘计算的变电站火灾检测方法的步骤。此处一种基于末端电力业务边缘计算的变电站火灾检测方法的步骤可以是上述各个实施例的一种基于末端电力业务边缘计算的变电站火灾检测方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述一种基于末端电力业务边缘计算的变电站火灾检测方法的步骤。此处一种基于末端电力业务边缘计算的变电站火灾检测方法的步骤可以是上述各个实施例的一种基于末端电力业务边缘计算的变电站火灾检测方法中的步骤。
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-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。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。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 Random Access Memory,DRAM)等。
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 (10)
1.一种基于末端电力业务边缘计算的变电站火灾检测方法,其特征在于,应用于智能网关,所述智能网关包括边缘计算单元,所述方法包括:
接收图像采集设备发送的变电站监控图像;所述变电站监控图像为所述图像采集设备实时对目标变电站进行拍摄得到的图像;
将所述变电站监控图像发送至所述边缘计算单元;
通过所述边缘计算单元,将所述变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;所述火焰检测结果为所述预训练的火焰检测模型对所述变电站监控图像中的火焰区域进行标注得到的结果;
基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果;所述火灾检测结果包括起火点位置、起火原因、火势等级中的至少一种。
2.根据权利要求1所述的方法,其特征在于,所述火焰检测结果包括火焰标注区域,所述基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果,包括:
获取所述火焰标注区域于所述变电站监控图像的第一位置信息,以及,获取所述目标变电站于所述变电站监控图像的第二位置信息;
根据所述第一位置信息和所述第二位置信息,确定所述目标变电站的起火点位置。
3.根据权利要求2所述的方法,其特征在于,所述基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果,包括:
基于所述火焰标注区域,在所述变电站监控图像中确定出火焰区域图像;
获取所述火焰区域图像中的火焰区域面积,以及,获取所述火焰区域图像的灰度信息;
根据所述火焰区域面积和所述灰度信息,确定所述目标变电站的火势等级。
4.根据权利要求3所述的方法,其特征在于,所述灰度信息包括所述火焰区域图像各个像素的灰度值,所述根据所述火焰区域面积和所述灰度信息,确定所述目标变电站的火势等级,包括:
获取所述火焰区域面积与所述变电站监控图像的图像面积之间的比值,以及,获取各个像素的灰度值的平均灰度值;
查询所述比值和所述平均灰度值对应的目标火势等级,作为所述目标变电站的火势等级。
5.根据权利要求3所述的方法,其特征在于,所述获取所述火焰区域图像中的火焰区域面积,包括:
将所述火焰区域图像输入火焰语义分割模型,得到所述火焰区域图像中的第一火焰区域;
基于所述火焰区域图像对所述第一火焰区域进行引导滤波处理,得到引导滤波后的火焰区域;
确定所述引导滤波后的火焰区域在所述火焰区域图像中的面积,得到所述火焰区域面积。
6.根据权利要求3所述的方法,其特征在于,所述基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果,包括:
根据所述目标变电站的起火点位置和所述目标变电站的火势等级,在预设的起火原因数据库中查询对应的目标起火原因;
将所述目标起火原因作为所述目标变电站的起火原因。
7.根据权利要求1所述的方法,其特征在于,在所述基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果的步骤之后,所述还包括:
发送所述火灾检测结果至目标主站;所述目标主站用于向用户展示所述火灾检测结果。
8.一种基于末端电力业务边缘计算的变电站火灾检测装置,其特征在于,应用于智能网关,所述智能网关包括边缘计算单元,所述装置包括:
接收模块,用于接收图像采集设备发送的变电站监控图像;所述变电站监控图像为所述图像采集设备实时对目标变电站进行拍摄得到的图像;
发送模块,用于将所述变电站监控图像发送至所述边缘计算单元;
标注模块,用于通过所述边缘计算单元,将所述变电站监控图像输入至预训练的火焰检测模型,得到火焰检测结果;所述火焰检测结果为所述预训练的火焰检测模型对所述变电站监控图像中的火焰区域进行标注得到的结果;
生成模块,用于基于所述火焰检测结果,生成针对所述目标变电站的火灾检测结果;所述火灾检测结果包括起火点位置、起火原因、火势等级中的至少一种。
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 |
---|---|---|---|
CN202111085000.2A CN113762197A (zh) | 2021-09-16 | 2021-09-16 | 基于末端电力业务边缘计算的变电站火灾检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111085000.2A CN113762197A (zh) | 2021-09-16 | 2021-09-16 | 基于末端电力业务边缘计算的变电站火灾检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113762197A true CN113762197A (zh) | 2021-12-07 |
Family
ID=78795928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111085000.2A Pending CN113762197A (zh) | 2021-09-16 | 2021-09-16 | 基于末端电力业务边缘计算的变电站火灾检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113762197A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998831A (zh) * | 2022-05-23 | 2022-09-02 | 重庆科技学院 | 基于边缘计算及改进的YOLOv3的火灾检测方法及*** |
CN115331384A (zh) * | 2022-08-22 | 2022-11-11 | 重庆科技学院 | 基于边缘计算的作业平台火灾事故预警*** |
CN115938065A (zh) * | 2022-09-21 | 2023-04-07 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的消防车智能识别*** |
-
2021
- 2021-09-16 CN CN202111085000.2A patent/CN113762197A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114998831A (zh) * | 2022-05-23 | 2022-09-02 | 重庆科技学院 | 基于边缘计算及改进的YOLOv3的火灾检测方法及*** |
CN115331384A (zh) * | 2022-08-22 | 2022-11-11 | 重庆科技学院 | 基于边缘计算的作业平台火灾事故预警*** |
CN115938065A (zh) * | 2022-09-21 | 2023-04-07 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的消防车智能识别*** |
CN115938065B (zh) * | 2022-09-21 | 2023-09-15 | 慧之安信息技术股份有限公司 | 一种基于边缘计算的消防车智能识别*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113762197A (zh) | 基于末端电力业务边缘计算的变电站火灾检测方法和装置 | |
CN109711744B (zh) | 保洁任务自动生成、执行评价方法、保洁方法及装置 | |
US11461995B2 (en) | Method and apparatus for inspecting burrs of electrode slice | |
CN110719332B (zh) | 数据传输方法、装置、***、计算机设备和存储介质 | |
CN107967205A (zh) | 一种内存分析方法、装置、***以及计算设备 | |
CN111768608B (zh) | 基于双芯智能电表的数据传输方法、装置和计算机设备 | |
CN111554219A (zh) | 一种显示设备的测试方法、装置、电子产品及存储介质 | |
CN109460365B (zh) | 一种***性能测试方法、装置、设备及存储介质 | |
CN109698798B (zh) | 一种应用的识别方法、装置、服务器和存储介质 | |
CN113252701B (zh) | 基于云边协同的输电线路绝缘子自爆缺陷检测***及方法 | |
CN113096158A (zh) | 运动对象的识别方法、装置、电子设备及可读存储介质 | |
CN114463948A (zh) | 一种地质灾害监测预警方法及*** | |
CN114964650A (zh) | 一种基于声学成像的气体泄漏报警方法及装置 | |
CN110647806B (zh) | 对象行为监测方法、装置、设备、***及存储介质 | |
CN112749746A (zh) | 一种缺陷样本迭代更新方法、***及装置 | |
CN111399732A (zh) | 网页截图方法、装置、计算机设备和存储介质 | |
CN114205526B (zh) | 一种网络摄像机算法接入方法、***、介质及电子终端 | |
CN112581001B (zh) | 设备的评估方法及装置、电子设备、可读存储介质 | |
CN109255016A (zh) | 基于深度学习的应答方法、装置及计算机可读存储介质 | |
CN113079063A (zh) | 充电设备的离线判断方法、***、设备及计算机存储介质 | |
CN110751184A (zh) | 一种公务用车信息管理方法、服务器及存储介质 | |
CN111008604A (zh) | 预测图像获取方法、装置、计算机设备和存储介质 | |
CN111949516A (zh) | 页面测试方法、装置及电子设备 | |
CN116630543B (zh) | 基于bs架构的三维实景一站式处理平台 | |
CN116028258B (zh) | 基于深度学习的设备故障诊断方法及*** |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230411 Address after: Full Floor 14, Unit 3, Building 2, No. 11, Middle Spectra Road, Huangpu District, Guangzhou, Guangdong 510700 Applicant after: China Southern Power Grid Digital Grid Technology (Guangdong) Co.,Ltd. Address before: Room 86, room 406, No.1, Yichuang street, Zhongxin Guangzhou Knowledge City, Huangpu District, Guangzhou City, Guangdong Province Applicant before: Southern Power Grid Digital Grid Research Institute Co.,Ltd. |
|
TA01 | Transfer of patent application right |