CN114022797A - 保护压板状态检测方法、装置 - Google Patents
保护压板状态检测方法、装置 Download PDFInfo
- Publication number
- CN114022797A CN114022797A CN202111269558.6A CN202111269558A CN114022797A CN 114022797 A CN114022797 A CN 114022797A CN 202111269558 A CN202111269558 A CN 202111269558A CN 114022797 A CN114022797 A CN 114022797A
- Authority
- CN
- China
- Prior art keywords
- pressing plate
- protection pressing
- protection
- protective
- state
- 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
- 238000003825 pressing Methods 0.000 title claims abstract description 555
- 238000001514 detection method Methods 0.000 title claims abstract description 366
- 230000001681 protective effect Effects 0.000 claims abstract description 157
- 238000000034 method Methods 0.000 claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 230000004927 fusion Effects 0.000 claims description 82
- 238000012360 testing method Methods 0.000 claims description 54
- 238000010586 diagram Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 23
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000009466 transformation Effects 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 12
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 9
- 238000004590 computer program Methods 0.000 description 24
- 238000011176 pooling Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 239000011800 void material Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000000670 limiting effect Effects 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
- 230000036961 partial effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000001131 transforming effect Effects 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
本申请涉及一种保护压板状态检测方法、装置。利用计算机设备获取目标保护屏柜中的保护压板图像,将保护压板图像输入至预设的状态检测网络中,通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果,根据各保护压板的状态检测结果与预设标准状态进行匹配,将不匹配的保护压板确定为状态异常保护压板。在本实施例中,利用状态检测网络对保护压板的状态信息进行核对,不需要运维人员人工逐一巡查,提高了保护压板的状态信息核对的效率,具有较好的实时性与便捷性;且,状态检测网络以预设的特征信息检测方式对保护压板进行特征检测,进一步提高了保护压板的状态信息核对的准确率。
Description
技术领域
本申请涉及电网***技术领域,特别是涉及一种保护压板状态检测方法、装置。
背景技术
保护压板在保护回路中起接入和断开的作用,其正确投退对于电网的安全运行至关重要。而且随着电网规模的不断扩大,保护压板数量成倍增长,越来越多,设备检修工作越来越繁重,极大加重了电网运维人员压板核对任务的工作负担。
目前,各个保护屏柜的压板状态核对工作主要由变电站的运维人员来负责,且多采取人工逐一巡查的方式来开展工作。即运维人员根据计划巡视周期对保护屏柜的压板状态进行排查,肉眼判断压板的投退状态。
但是,现有技术中,利用人工核对压板状态信息的方法存在效率低下和准确度低的问题。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高电网***中保护压板状态检测效率和准确度的保护压板状态检测方法、装置。
第一方面,本申请实施例提供一种保护压板状态检测方法,该方法包括:
获取目标保护屏柜中的保护压板图像;保护压板图像中包括至少一个保护压板;
将保护压板图像输入至预设的状态检测网络中,通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果;状态检测网络用于以预设的特征信息检测方式对各保护压板所在区域进行特征检测;
根据各保护压板的状态检测结果与各保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
在其中一个实施例中,上述状态检测网络包括新增特征融合路径,预设的特征信息检测方式包括:通过新增特征融合路径从状态检测网络的浅层网络输出的特征图中各保护压板所在区域进行特征检测。
在其中一个实施例中,上述状态检测网络包括特征融合网络结构,预设的特征信息检测方式包括:通过特征融合网络结构将检测的各保护压板所在区域的局部特征与全局特征进行融合,得到融合特征信息。
在其中一个实施例中,通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果,包括:
通过预设的检测优化算法,识别保护压板图像中各保护压板的候选区域,并根据识别的保护压板图像中各保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各保护压板的所在区域;
对各保护压板的所在区域进行特征检测,得到各保护压板的状态检测结果。
在其中一个实施例中,根据各保护压板的状态检测结果与各保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板,包括:
根据目标保护屏柜上的图像码,获取各保护压板的预设标准状态和各保护压板在目标保护屏柜中的实际坐标位置;根据保护压板图像获取各保护压板在保护压板图像中的检测坐标位置;
根据实际坐标位置和检测坐标位置,将各保护压板的状态检测结果对应与各保护压板的预设标准状态进行核对,确定与预设标准状态不匹配的保护压板;
将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
在其中一个实施例中,根据保护压板图像获取各保护压板在保护压板图像中的检测坐标位置,包括:
获取保护压板图像的预设数量的第一坐标点和预设的标准保护压板图像的预设数量的第二坐标点;
根据第一坐标点和第二坐标点,确定保护压板图像与标准保护压板图像之间的透视变换矩阵;
根据透视变换矩阵和保护压板图像中各保护压板的图像坐标位置,确定保护压板图像中各保护压板的检测坐标位置。
在其中一个实施例中,状态检测网络的构建过程包括:
获取多个样本保护压板图像和各保护压板图像中各样本保护压板的样本标准状态;
将多个样本保护压板图像输入至初始状态检测网络中,对初始状态检测网络进行训练,获取初始状态检测网络输出的各样本保护压板的测试检测结果;
若初始状态检测网络输出的各样本保护压板的测试检测结果与各样本保护压板的样本标准状态满足预设的收敛条件,得到状态检测网络。
在其中一个实施例中,初始状态检测网络包括初始新增特征融合路径,和/或,初始特征融合网络结构;
则获取初始状态检测网络输出的各样本保护压板的测试检测结果包括:
通过初始新增特征融合路径,从初始状态检测网络的浅层网络的输出中检测各样本保护压板所在区域的测试特征信息;和/或,
通过初始特征融合网络结构,检测的各样本保护压板的所在区域的融合特征信息;
基于各样本保护压板所在区域的测试特征信息,和/或,各样本保护压板所在区域的融合特征信息,确定各样本保护压板的测试检测结果。
在其中一个实施例中,通过预设的检测优化算法,识别样本保护压板图像中各样本保护压板的候选区域,并根据识别的各样本保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各样本保护压板的所在区域。
第二方面,本申请实施例提供一种保护压板状态检测装置,该装置包括:
第一获取模块,用于获取目标保护屏柜中的保护压板图像;保护压板图像中包括至少一个保护压板;
检测模块,用于将保护压板图像输入至预设的状态检测网络中,通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果;状态检测网络用于以预设的特征信息检测方式对各保护压板所在区域进行特征检测;
确定模块,用于根据各保护压板的状态检测结果与各保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
第三方面,本申请实施例提供一种计算机设备,包括存储器和处理器,存储器存储有计算机程序,处理器执行计算机程序时实现上述第一方面中任一实施例提供的步骤。
第四方面,本申请实施例提供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上述第一方面中任一实施例提供的步骤。
上述保护压板状态检测方法、装置,利用计算机设备获取目标保护屏柜中的保护压板图像,将保护压板图像输入至预设的状态检测网络中,通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果,根据各保护压板的状态检测结果与各保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。在本实施例中,利用状态检测网络对保护压板的状态信息进行核对,不需要运维人员人工逐一巡查,提高了保护压板的状态信息核对的效率,具有较好的实时性与便捷性;而且,状态检测网络用于以预设的特征信息检测方式对保护压板进行特征检测,进一步提高了保护压板的状态信息核对的准确率。
附图说明
图1为一个实施例中保护压板状态检测方法的应用环境图;
图2为一个实施例中保护压板状态检测方法的流程示意图;
图3为一个实施例中状态检测网络结构图;
图4为一个实施例中空洞卷积网络结构图;
图5为一个实施例中特征融合网络结构图;
图6为一个实施例中确定保护压板的状态检测结果的流程示意图;
图7为一个实施例中保护压板的状态检测结果示意图;
图8为另一个实施例中保护压板的状态检测结果示意图;
图9为一个实施例中确定异常保护压板的流程示意图;
图10为一个实施例中确定目标保护屏柜的编码规则示意图;
图11为一个实施例中确定检测坐标位置的流程示意图;
图12为一个实施例中目标保护屏柜中的保护压板图像示意图;
图13为一个实施例中校正后的目标保护屏柜中的保护压板图像示意图;
图14为一个实施例中确定状态检测网络的流程示意图;
图15为一个实施例中样本保护压板图像示意图;
图16为一个实施例中确定测试检测结果的流程示意图;
图17为一个实施例中NMS算法IOU值计算示意;
图18为一个实施例中保护压板状态检测装置的结构框图;
图19为另一个实施例中保护压板状态检测装置的结构框图;
图20为另一个实施例中保护压板状态检测装置的结构框图;
图21为另一个实施例中保护压板状态检测装置的结构框图;
图22为另一个实施例中保护压板状态检测装置的结构框图;
图23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。
本申请提供的保护压板状态检测方法,可以应用于计算机设备中,计算机设备可以但不限于是终端、各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备。如图1所示,提供了一种计算机设备内部结构图。该计算机设备包括通过***总线连接的处理器、存储器、通信接口、显示屏和输入装置。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***和计算机程序。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、运营商网络、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保护压板状态检测方法。该计算机设备的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。
相关技术中,各个保护屏柜的保护压板的状态核对工作主要由变电站的运维人员来负责,且多采取人工逐一巡查的方式来开展工作。即运维人员根据计划巡视周期对保护屏柜的压板状态进行排查,肉眼判断压板的投退状态。
然而,不同地区,巡视周期各异。若周期较长,不利于风险漏洞的及时排除;若缩短周期,则会增加巡视的工作强度,造成人员疲劳,存在安全隐患。新变电站投产,都会新增成百上千个保护压板,且排列密集,采取常规的人工巡检方式,效率低下,且高强度的核对工作环境下,人员易疲劳,遗漏或看错的风险随之增加,留下重大电力事故隐患。例如,湛江供电局220kV霞山变电站以及钦州供电局220kV龙湾变电站都曾出现过因工作人员定检漏退保护压板,巡视未查出而导致的电网事故。如此,利用相关技术中的人工逐一巡查的方式存在效率低下和准确度低的问题。
基于此,本申请实施例提供一种保护压板状态检测方法、装置,能够实现对保护压板状态智能巡检和核对,从而提高电网***中保护压板状态检测效率和准确度。
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终端,其内部结构图可以如图1所示。在一个实施例中,如图2所示,提供了一种保护压板状态检测方法,以该方法应用于图1中的计算机设备为例进行说明,包括以下步骤:
S201,获取目标保护屏柜中的保护压板图像;保护压板图像中包括至少一个保护压板。
其中,屏柜是电力***中放置各种设备的一种设备屏柜,保护屏柜中包括各种保护压板,保护压板也叫保护连片,或称跳闸压板,是保护装置联系外部接线的桥梁和纽带,关系到保护的功能和动作出口能否正常发挥作用。保护压板是等距、规则的矩阵排列,即各保护压板彼此间的水平和纵向距离都是相等且固定的。其中,保护压板包括“压板型”和“连片型”,同一类型的保护压板外观也会存在不同程度的差异,例如,压板型可分为压板型投入和压板型退出;连片型可分为连片型投入、连片型退出和连片型备用。
在本实施例中,利用终端设备获取目标保护屏柜中的保护压板图像,可以使用手机、平板等移动终端设备获取目标保护屏柜中的保护压板图像,现场对目标保护屏柜中的保护压板进行拍摄;也可以在变电站等现场,安装RGB等摄像设备拍摄,运维人员远程操作进行获取,可以实时性获取目标保护屏柜中的保护压板图像,也可以周期性获取目标保护屏柜中的保护压板图像,或者触发相应指令获取目标保护屏柜中的保护压板图像。
S202,将保护压板图像输入至预设的状态检测网络中,通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果;状态检测网络用于以预设的特征信息检测方式对各保护压板所在区域进行特征检测。
其中,预设的状态检测网络为已经根据样本保护压板图像训练完成的、检测效果最优的网络模型。
在本实施例中,将获取到的保护压板图像直接输入至预设的状态检测网络中,状态检测网络识别保护压板图像中各保护压板的所在区域,对保护压板图像中各保护压板所在区域进行特征信息提取,得到各保护压板的状态检测结果。例如,获取的保护压板图像是一个包含三行两列保护压板的保护压板图像,共6个保护压板,按行别记为保护压板1、保护压板2、保护压板3、保护压板4、保护压板5、保护压板6,将保护压板图像直接输入至状态检测网络,状态检测网络经过识别压板区域、特征提取等网络运行操作,最终直接输出6个保护压板的状态检测结果,状态检测结果分别为压板型投入、压板型退出、连片型投入、压板型投入、连片型退出和连片型备用状态。获取6个保护压板的状态检测结果可以采用以下方式,将各保护压板识别的候选区域保留类别置信度值最大的那一类别边界框作为所在区域,对所在区域进行特征检测,得到各保护压板的状态检测结果;也可以是在状态检测网络中新增一条特征融合路径,引入浅层网络特征信息,保证保护压板图像被提取到更多的图像特征信息;或者是状态检测网络包括特征融合网络结构,对状态检测网络中的部分网络结构进行改进,减少特征信息的损失。
S203,根据各保护压板的状态检测结果与各保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
其中,预设标准状态为各保护压板正常使用时的状态,可以包括压板型投入状态、压板型退出状态、连片型投入状态、连片型退出状态以及连片型备用状态等。
在本实施例中,假设,根据上述得到的目标保护屏柜中6个保护压板的状态检测结果分别为压板型投入、压板型退出、连片型投入、压板型投入、连片型退出和连片型备用状态,若6个保护压板的预设标准状态为压板型投入、压板型退出、连片型投入、压板型投入、连片型退出和连片型备用状态,将保护压板的状态检测结果与预设标准状态进行核对,则该压板保护图像中不包含状态异常保护压板;若6个保护压板的预设标准状态为压板型投入、压板型退出、连片型退出、压板型投入、连片型退出和连片型备用状态,将保护压板的状态检测结果与预设标准状态进行核对,则该压板保护图像中第一行第三列的保护压板3为状态异常保护压板。
上述保护压板状态检测方法中,利用计算机设备获取目标保护屏柜中的保护压板图像,将保护压板图像输入至预设的状态检测网络中,通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果,根据各保护压板的状态检测结果与各保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。在本实施例中,利用状态检测网络对保护压板的状态信息进行核对,不需要运维人员人工逐一巡查,提高了保护压板的状态信息核对的效率,具有较好的实时性与便捷性;而且,状态检测网络用于以预设的特征信息检测方式对保护压板进行特征检测,进一步提高了保护压板的状态信息核对的准确率。
上述实施例主要介绍了保护压板的状态检测方法,利用通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果共包括以下三种方式:
第一种方式:状态检测网络包括新增特征融合路径,预设的特征信息检测方式包括:通过新增特征融合路径从状态检测网络的浅层网络输出的特征图中各保护压板所在区域进行特征检测。
在本实施例中,针对保护压板检测过程中小目标检测效果不佳的问题,采用空洞卷积层技术,以便能在不降低图像分辨率的情况下获得较大的感受野,从而使每次卷积能够提取到更多的特征信息。如图3所示,在原有的网络结构中,新增一条特征融合路径,即图3中矩形框部分。该特征融合路径采用带有混合空洞卷积层的特征提取网络对大小为160*160的特征图进行特征提取,之后经过两倍下采样后,再与大小为80*80的特征图进行特征融合,得到一个新的大小为80*80的特征图,以补充高层语义信息。混合空洞卷积示意图如图4所示,具体结构参数如表1所示,引入一个三层的混合空洞卷积网络结构,卷积核大小不变,随着网络加深,扩张率不断增大,避免一直使用固定膨胀率的空洞卷积层而导致的“栅格效应”,即最浅层特征图上每个网格彼此独立,缺少联系,损失特征信息的连续性。其中,表1中Layername表示混合空洞卷积结构的层名,Conv1、Conv2、Conv3分别代表第一层卷积层、第二层卷积层和第三层卷积层;k_size表示卷积核算子大小,三层卷积层都采用3*3的卷积核;dilated表示空洞率,指的是卷积核元素的间隔数量,间隔的大小取决于空洞率,正常的卷积空洞率为1,从表中可知,三层卷积层空洞率分别为1、2、5。假设,输入特征图为7*7,若卷积层卷积核大小为3*3,空洞率为1,卷积核的元素之间都是相邻的,卷积核第一行第二个元素对特征图第一行第二个像素进行卷积操作。若空洞率为2,卷积核的元素间隔为1,卷积核第一行第二个元素对特征图第一行第三个像素进行卷积操作。
表1
第二种方式:状态检测网络包括特征融合网络结构,预设的特征信息检测方式包括:通过特征融合网络结构将检测的各保护压板所在区域的局部特征与全局特征进行融合,得到融合特征信息。
在本实施例中,特征融合网络结构指利用带有空洞卷积的空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)网络结构代替原网络中的空间金字塔池化(Spatial Pyramid Pooling,SPP)的网络结构。SPP网络结构采用三层的一个最大池化结构,最大池化过程扩大了感受野,使得每个卷积输出都包含较大范围的信息,对于提取抽象化信息有很大帮助,但在这个过程中,图像的分辨率不断下降,包含的信息越来越抽象,而图像的局部信息与细节信息会逐渐丢失,因此将最大池化层替换为相应的空洞卷积层,如图5所示,利用四层的空洞卷积层和全局平均池化、卷积层、上采样确定一个五层的ASPP网络结构,空洞卷积能扩大感受野而不改变特征图原有大小的特性,以避免池化过程中造成的信息丢失,实现局部特征与全局特征的融合。
上述实施例介绍了两种状态网络的检测方式,如图6所示,第三种通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果包括以下步骤:
S601,通过预设的检测优化算法,识别保护压板图像中各保护压板的候选区域,并根据识别的保护压板图像中各保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各保护压板的所在区域。
在本实施例中,如图7所示,共6个保护压板,分别记为保护压板1、保护压板2、保护压板3、保护压板4、保护压板5及保护压板6。通过预设的检测优化算法,识别保护压板图像中各保护压板的候选区域,从图中可知,保护压板2、保护压板4和保护压板5的候选区域为1个,保护压板1、保护压板3和保护压板6的候选区域为2个。候选区域为1的不进行改变,对各保护压板候选区域大于1的冗余区域进行剔除,以保护压板3为例,识别出两种状态类型,分别为连片型退出状态和连片型投入状态,剔除不满足预设剔除阈值的冗余区域,得到保护压板3的所在区域。
S602,对各保护压板的所在区域进行特征检测,得到各保护压板的状态检测结果。
在本实施例中,如图8所示,保护压板1、保护压板2和保护压板3分别存在冗余区域,对冗余区域进行剔除,对各保护压板的所在区域进行特征检测。则保护压板1、保护压板2和保护压板3的状态检测结果分别为连片型退出状态、连片型退出状态、连片型退出状态。
在本实施例中,利用三种方法获取各保护压板的状态检测结果时可以单独使用,也可以任意两种方式进行结合,或者三种方式同时使用,本申请对此不作限定。
本实施例中,利用三种不同的方法获取各保护压板的状态检测结果,新增融合路径的方法使得提取的特征信息更多,避免了小目标检测不佳的问题;特征融合网络结构的方法实现了全局特征与局部特征的融合;通过优化检测算法避免了重复检测的问题,三种获取各保护压板的状态检测结果的方法都使得状态检测结果更加精确。
上述实施例主要介绍通过预设的检测优化算法,获取状态检测结果,接下来重点介绍确定为状态异常保护压板,如图9所示,包括以下步骤:
S901,根据目标保护屏柜上的图像码,获取各保护压板的预设标准状态和各保护压板在目标保护屏柜中的实际坐标位置;根据保护压板图像获取各保护压板在保护压板图像中的检测坐标位置。
其中,图像码可以为二维码,也可以为条形码,也可以为其他具有用某种特定的,可以记录数据信息的图形。
在本实施例中,根据目标保护屏柜上的图像码获取保护屏柜的唯一编码,以作为索引调取数据库中的保护屏柜各保护压板的预设标准状态和各保护压板在目标保护屏柜中的实际坐标位置。如图10所示,每段编码由4位有效字符组成,其中第一位置为26个字母中的一个,代表对应变电站。剩下的为3位有效数字,代表该保护屏柜在站内的屏号,则图1代表目标保护屏柜为A变电站的第36号保护屏柜,从而获取各保护压板的预设标准状态和各保护压板在目标保护屏柜中的实际坐标位置;将保护压板图像输入至预设的状态检测网络获取各保护压板在保护压板图像中的检测坐标位置。
S902,根据实际坐标位置和检测坐标位置,将各保护压板的状态检测结果对应与各保护压板的预设标准状态进行核对,确定与预设标准状态不匹配的保护压板。
在本实施例中,根据实际坐标位置和检测坐标位置,将各保护压板的状态检测结果对应与各保护压板的预设标准状态进行核对,每一个实际坐标位置代表了保护压板所处的位置,对应该实际坐标位置上各保护压板状态为预设标准状态。假设实际坐标位置为a1、a2、a3,分别代表第一行第一列的保护压板、第一行第二列的保护压板和第一行第三列的保护压板,三个保护压板的预设标准状态分别为连片型投入状态、压板型投入状态、连片型退出状态。根据状态检测网络获取检测坐标位置和状态检测结果,检测坐标位置为b1、b2、b3,该检测坐标位置对应的状态检测结果分别为连片型投入状态、压板型投入状态、连片型备用状态。检测坐标位置b1对应于实际坐标位置a1、检测坐标位置b2对应于实际坐标位置a2、检测坐标位置b3对应于实际坐标位置a3,即b1、b2、b3分别代表第一行第一列的保护压板、第一行第二列的保护压板和第一行第三列的保护压板。将检测坐标位置b1、b2、b3的状态检测结果与实际坐标位置a1、a2、a3的检测结果进行核对,可得检测坐标位置b3和实际坐标位置a3的状态检测结果不匹配。
S903,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
在本实施例中,根据上述步骤可得检测坐标位置b3和实际坐标位置a3的状态检测结果不匹配,则检测坐标位置b3的保护压板为状态异常保护压板,即第一行第三列的保护压板为状态异常保护压板。
本实施例中,根据目标保护屏柜上的图像码,获取各保护压板的预设标准状态实际坐标位置,利用状态检测网络获取目标保护屏柜各保护压板状态检测结果和检测坐标位置,根据实际坐标位置和检测坐标位置对各保护压板状态信息进行核对,确定状态异常保护压板。该方法只需输入保护压板图片及相应图像码,便能自动检测、核对保护压板的投退状态,检测效率高。
上述实施例主要介绍确定为状态异常保护压板,接下来重点介绍获取检测坐标位置的具体实施过程,如图11所示,包括以下步骤:
S1101,获取保护压板图像的预设数量的第一坐标点和预设的标准保护压板图像的预设数量的第二坐标点。
其中,预设数量为大于等于3;第一坐标点为需要进行检测的目标保护屏柜中的保护压板图像上的坐标点,可以利用目标检测网络直接获取;第二坐标点为预设的标准保护压板图像上的坐标点,不是真实的具体坐标,可以将预设的标准保护压板图像中,将保护压板矩阵的行宽、列高设定为某一固定值,进而得到第二坐标点。
在本实施例中,获取保护压板图像如图12所示,假设,预设数量为4,利用目标检测网络直接获取目标保护屏柜中的保护压板图像上4个顶角的坐标,则第一坐标点分别为(3,2,1)、(5,4,1)、(6,2,1)、(5,3,1),预设的标准保护压板图像中,将保护压板矩阵的行宽设置为5,列宽为4,则第二坐标点分别为(0,0,1)(4,0,1)(0,5,1)(4,5,1)。
S1102,根据第一坐标点和第二坐标点,确定保护压板图像与标准保护压板图像之间的透视变换矩阵。
其中,透视变换是指利用透视中心、像点、目标点三点共线的条件,按透视旋转定律使承影面(透视面)绕迹线(透视轴)旋转某一角度,破坏原有的投影光线束,仍能保持承影面上投影几何图形不变的变换,从而将保护压板图像投影变换到标准保护压板图像,透视变换矩阵则是将保护压板图像变换到标准保护压板图像所需要的变换矩阵。
在本实施例中,假设,利用上述的四个第一坐标点(3,2,1)、(5,4,1)、(6,2,1)、(5,3,1)和四个第二坐标点0,0,1)(4,0,1)(0,5,1)(4,5,1),根据公式计算出一个3*3的透视变换矩阵m。
S1103,根据透视变换矩阵和保护压板图像中各保护压板的图像坐标位置,确定保护压板图像中各保护压板的检测坐标位置。
在本实施例中,首先根据保护压板图像中各保护压板的图像坐标位置和上述方法计算得到的透视变换矩阵m,分别计算各保护压板的图像坐标位置在预设的标准保护压板图像中的坐标位置,将具有拍摄倾角的保护压板图像转换为正视图像,即标准保护压板图像,如图13所示。因为保护屏柜上各保护压板是按照矩阵形式等距、规则排列的,所以根据4个顶角处保护压板的位置坐标构建一个矩形网格,之后其他各保护压板的坐标位置也能等距确定下来,将保护压板的图像坐标位置和标准保护压板图像的坐标位置分别计算其欧式距离,距离最小者确定为该保护压板的检测坐标位置。以三个点为例,假设经过透视变换矩阵变换之后各保护压板的图像坐标位置分别为a1(3.5,3,1)b1(2,5.2,1)c1(3.4,2.6,1),标准保护压板图像的坐标位置分别为a2(3,4,1)第三行第四列、b2(2,4,1)第二行第四列、c2(3,1,1)第三行第一列,分别计算a1和a2、a1和b2、a1和c2,b1和a2、b1和b2、b1和c2,c1和a2、c1和b2、c1和c2之间的欧式距离,坐标位置a1的欧式距离分别为1、1.2、1.5;坐标位置b1的欧式距离分别为1.3、1.2、1;坐标位置c1的欧式距离分别为1.2、0.8、1.5;则坐标位置a1的保护压板的检测坐标位置位于a2第三行第四列,坐标位置b1的保护压板的检测坐标位置位于c2第三行第一列,坐标位置c1的保护压板的检测坐标位置位于b2第二行第四列。
在本实施例中,根据目标保护压板图像的预设数量的第一坐标点和预设的标准保护压板图像的预设数量的第二坐标点,计算保护压板图像和预设的标准保护压板图像之间的透视变换矩阵,从而确定保护压板图像中各保护压板的检测坐标位置。利用透视变换矩阵将带有倾斜角度的目标保护压板图像进行正视化,纠正拍摄倾角的影响,方便对各目标保护压板图像的所在区域进行识别,得到更加精确的检测坐标位置。
上述实施例主要介绍如何获取检测坐标位置,接下来重点介绍训练状态检测网络的具体实施过程,如图14所示,包括以下步骤:
S1401,获取多个样本保护压板图像和各保护压板图像中各样本保护压板的样本标准状态。
其中,样本标准状态如图15所示,其中,图15中的(a)为压板型投入状态、图15中的(b)为压板型退出状态、图15中的(c)为连片型投入状态、图15中的(d)为连片型退出状态以及图15中的(e)为连片型备用状态,本申请对样本标准状态的类型不作限定。
在本实施例中,终端设备可以实地拍摄,获取各个变电站的保护屏柜中的多个样本保护压板图像,也可以利用浏览器等网络***获取多个样本保护压板图像。每个保护屏柜包括了一个或多个样本保护压板图像,对多个样本保护压板图像进行标签标注,每个样本保护压板图像利用锚框进行区分,将每个锚框视为一个训练样本,并标注其标准样本状态。例如,按照上述5种样本标准状态,所有的锚框分为五类,将压板型投入状态记为标签1,压板型退出状态记为2,连片型投入状态记为3,连片型退出状态记为4以及连片型备用状态记为5。
S1402,将多个样本保护压板图像输入至初始状态检测网络中,对初始状态检测网络进行训练,获取初始状态检测网络输出的各样本保护压板的测试检测结果。
在本实施例中,将多个样本保护压板图像随机分为训练集和测试集,将训练集的多个样本保护压板图像输入至初始状态检测网络中,对初始状态检测网络进行训练,经过多次迭代训练,获取初始状态检测网络输出的各样本保护压板的测试检测结果。
S1403,若初始状态检测网络输出的各样本保护压板的测试检测结果与各样本保护压板的样本标准状态满足预设的收敛条件,得到状态检测网络。
在本实施例中,初始状态检测网络输出的各样本保护压板的测试检测结果与各样本保护压板的样本标准状态满足预设的收敛条件,初始状态检测网络迭代训练结束。将测试集的多个样本保护压板图像输入至已经训练过的初始状态检测网络中,用于对已经训练过的初始状态检测网络的性能进行检测,若测试集的多个样本保护压板图像测试检测结果与各样本保护压板的样本标准状态同样满足预设的收敛条件,则证明该训练过的初始状态检测网络为所求得状态检测网络。若测试集的多个样本保护压板图像测试检测结果与各样本保护压板的样本标准状态同样不满足预设的收敛条件,证明该训练过的初始状态检测网络不是所求得状态检测网络,则返回步骤S1402,利用训练集的多个样本保护压板图像对初始状态检测网络重新训练,直至测试集的多个样本保护压板图像也满足预设收敛条件为止。
在本实施例中,根据获取的多个样本保护压板图像和各保护压板图像中各样本保护压板的样本标准状态,将样本保护压板图像输入至初始状态检测网络中,当初始状态检测网络输出的测试检测结果与样本标准状态满足预设的收敛条件,得到状态检测网络。该方法利用样本保护压板图像对初始状态检测网络迭代训练,样本数据充分、获取方法简单,而且根据收敛条件进行判定,使得目标状态检测网络的更具鲁棒性。
上述实施例介绍了确定状态检测网络得过程,接下来,主要介绍根据初始状态检测网络输出的各样本保护压板的测试检测结果的具体过程,如图16所示,包括以下步骤:
S1601,通过初始新增特征融合路径,从初始状态检测网络的浅层网络的输出中检测各样本保护压板所在区域的测试特征信息;和/或,通过初始特征融合网络结构,检测的各样本保护压板的所在区域的融合特征信息。
在本实施例中,初始状态检测网络包括初始新增特征融合路径,和/或,初始特征融合网络结构。可以通过初始新增特征融合路径,在原网络基础上,新增一条特征融合路径,构建初始状态检测网络。利用原网络结构和新增的特征提取路径,检测各样本保护压板所在区域的测试特征信息;也可以通过初始特征融合网络结构,对原网络中的空间金字塔池化网络结构进行改进,利用空洞卷积层代替最大池化层,构建初始状态检测网络,检测各样本保护压板的所在区域的融合特征信息;或者,初始初始状态检测网络同时包括初始新增特征融合路径和初始特征融合网络结构,获取保护压板所在区域的测试特征信息和融合特征信息。
S1602,基于各样本保护压板所在区域的测试特征信息,和/或,各样本保护压板所在区域的融合特征信息,确定各样本保护压板的测试检测结果。
在本实施例中,根据上述步骤可以获得可以保护压板所在区域的测试特征信息和融合特征信息。在确定各样本保护压板的测试检测结果时,可以利用各样本保护压板所在区域的测试特征信息,确定各样本保护压板的测试检测结果;也可以利用各样本保护压板所在区域的融合特征信息,确定各样本保护压板的测试检测结果;或者根据保护压板所在区域的测试特征信息和融合特征信息,同时确定各样本保护压板的测试检测结果。
本实施例中,在初始状态检测网络中,添加初始新增特征融合路径、改变初始特征融合网络结构去构建初始状态检测网络,因保护压板图像为小目标,包含的像素信息少,利用该方法可以提取到更多的图像特征信息,避免特征信息丢失,而造成的漏检或错检。
在一个实施例中,通过预设的检测优化算法,识别样本保护压板图像中各样本保护压板的候选区域,并根据识别的各样本保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各样本保护压板的所在区域。
其中,预设的检测优化算法为基于改进的非极大值抑制(Non-MaximumSuppression,NMS)算法,针对NMS算法中交并比的计算公式进行了改进。
在本实施例中,如上述图8所示,保护压板3为连片型退出保护压板,存在两个候选区域,根据原NMS算法进行计算,此时IOU值约等于0.5,但不足0.5。若IOU阈值为0.6,显然,IOU值达不到阈值,此时NMS算法剔除冗余区域的作用失效,因此被误认为是连片型退出与连片型备用两种保护压板的重叠情况。NMS算法交并比IOU的原计算公式如式(1)所示:
其中,A,B分别为保护压板候选区域,inter为A,B的交集,对IOU原计算公式进行改进,优化后的IOU计算公式如式(2)所示:
在本实施例中,如图17所示,当两边界框属于包含关系时,其中,图17中的(a)为分子inter部分面积即为A框面积,而分母则为被包含边界框的面积,即A的面积,故这种情况下,不论大边界框B的面积如何变化,IOU值的大小将恒为1,总是大于IOU筛选阈值,完成筛选目标。而对于图17中的(b)为正常情况,优化后的IOU相较于原计算公式分母变小,更加灵敏。
本实施例中,利用优化后的交并比算法识别的各样本保护压板的候选区域,将不满足预设条件的冗余区域进行剔除,得到各样本保护压板的所在区域。利用该方法获取的所在区域更加精确,避免了重复检测问题。
应该理解的是,虽然上述实施例中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,上述实施例中流程图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18所示,提供了一种保护压板状态检测装置,该装置包括:第一获取模块11、检测模块12和确定模块13,其中:
第一获取模块11,用于获取目标保护屏柜中的保护压板图像;保护压板图像中包括至少一个保护压板;
检测模块12,用于将保护压板图像输入至预设的状态检测网络中,通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果;状态检测网络用于以预设的特征信息检测方式对各保护压板所在区域进行特征检测;
确定模块13,用于根据各保护压板的状态检测结果与各保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
在一个实施例中,状态检测网络包括新增特征融合路径,预设的特征信息检测方式包括:通过新增特征融合路径从状态检测网络的浅层网络输出的特征图中各保护压板所在区域进行特征检测。
在一个实施例中,状态检测网络包括特征融合网络结构,预设的特征信息检测方式包括:通过特征融合网络结构将检测的各保护压板所在区域的局部特征与全局特征进行融合,得到融合特征信息。
在一个实施例中,如图19所示,检测模块12,包括:
识别单元121,用于通过预设的检测优化算法,识别保护压板图像中各保护压板的候选区域,并根据识别的保护压板图像中各保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各保护压板的所在区域;
检测单元122,用于对各保护压板的所在区域进行特征检测,得到各保护压板的状态检测结果。
在一个实施例中,如图20所示,确定模块13,包括:
获取单元131,用于根据目标保护屏柜上的图像码,获取各保护压板的预设标准状态和各保护压板在目标保护屏柜中的实际坐标位置;根据保护压板图像获取各保护压板在保护压板图像中的检测坐标位置;
核对单元132,用于根据实际坐标位置和检测坐标位置,将各保护压板的状态检测结果对应与各保护压板的预设标准状态进行核对,确定与预设标准状态不匹配的保护压板;
第一确定单元133,用于将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
在一个实施例中,核对单元132,用于获取保护压板图像的预设数量的第一坐标点和预设的标准保护压板图像的预设数量的第二坐标点;根据第一坐标点和第二坐标点,确定保护压板图像与标准保护压板图像之间的透视变换矩阵;根据透视变换矩阵和保护压板图像中各保护压板的图像坐标位置,确定保护压板图像中各保护压板的检测坐标位置。
在一个实施例中,如图21所示,提供了一种保护压板状态检测装置,该装置还包括:
第二获取模块14,用于获取多个样本保护压板图像和各保护压板图像中各样本保护压板的样本标准状态;
第三获取模块15,用于将多个样本保护压板图像输入至初始状态检测网络中,对初始状态检测网络进行训练,获取初始状态检测网络输出的各样本保护压板的测试检测结果;
获得模块16,用于若初始状态检测网络输出的各样本保护压板的测试检测结果与各样本保护压板的样本标准状态满足预设的收敛条件,得到状态检测网络。
在一个实施例中,如图22所示,第三获取模块15,包括:
输出单元151,用于通过初始新增特征融合路径,从初始状态检测网络的浅层网络的输出中检测各样本保护压板所在区域的测试特征信息;和/或,
通过初始特征融合网络结构,检测的各样本保护压板的所在区域的融合特征信息;
第二确定单元152,用于基于各样本保护压板所在区域的测试特征信息,和/或,各样本保护压板所在区域的融合特征信息,确定各样本保护压板的测试检测结果。
在一个实施例中,通过预设的检测优化算法,识别样本保护压板图像中各样本保护压板的候选区域,并根据识别的各样本保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各样本保护压板的所在区域。
关于保护压板状态检测装置的具体限定可以参见上文中对于保护压板状态检测方法的限定,在此不再赘述。上述保护压板状态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23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保护压板数据。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保护压板状态检测方法。
本领域技术人员可以理解,图23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:
获取目标保护屏柜中的保护压板图像;保护压板图像中包括至少一个保护压板;
将保护压板图像输入至预设的状态检测网络中,通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果;状态检测网络用于以预设的特征信息检测方式对各保护压板所在区域进行特征检测;
根据各保护压板的状态检测结果与各保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
在一个实施例中,状态检测网络包括新增特征融合路径,预设的特征信息检测方式包括:通过新增特征融合路径从状态检测网络的浅层网络输出的特征图中各保护压板所在区域进行特征检测。
在一个实施例中,状态检测网络包括特征融合网络结构,预设的特征信息检测方式包括:通过特征融合网络结构将检测的各保护压板所在区域的局部特征与全局特征进行融合,得到融合特征信息。
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:
通过预设的检测优化算法,识别保护压板图像中各保护压板的候选区域,并根据识别的保护压板图像中各保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各保护压板的所在区域;
对各保护压板的所在区域进行特征检测,得到各保护压板的状态检测结果。
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:
根据目标保护屏柜上的图像码,获取各保护压板的预设标准状态和各保护压板在目标保护屏柜中的实际坐标位置;根据保护压板图像获取各保护压板在保护压板图像中的检测坐标位置;
根据实际坐标位置和检测坐标位置,将各保护压板的状态检测结果对应与各保护压板的预设标准状态进行核对,确定与预设标准状态不匹配的保护压板;
将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
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:
获取保护压板图像的预设数量的第一坐标点和预设的标准保护压板图像的预设数量的第二坐标点;
根据第一坐标点和第二坐标点,确定保护压板图像与标准保护压板图像之间的透视变换矩阵;
根据透视变换矩阵和保护压板图像中各保护压板的图像坐标位置,确定保护压板图像中各保护压板的检测坐标位置。
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:
获取多个样本保护压板图像和各保护压板图像中各样本保护压板的样本标准状态;
将多个样本保护压板图像输入至初始状态检测网络中,对初始状态检测网络进行训练,获取初始状态检测网络输出的各样本保护压板的测试检测结果;
若初始状态检测网络输出的各样本保护压板的测试检测结果与各样本保护压板的样本标准状态满足预设的收敛条件,得到状态检测网络。
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:
通过初始新增特征融合路径,从初始状态检测网络的浅层网络的输出中检测各样本保护压板所在区域的测试特征信息;和/或,
通过初始特征融合网络结构,检测的各样本保护压板的所在区域的融合特征信息;
基于各样本保护压板所在区域的测试特征信息,和/或,各样本保护压板所在区域的融合特征信息,确定各样本保护压板的测试检测结果。
在一个实施例中,通过预设的检测优化算法,识别样本保护压板图像中各样本保护压板的候选区域,并根据识别的各样本保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各样本保护压板的所在区域。
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:
获取目标保护屏柜中的保护压板图像;保护压板图像中包括至少一个保护压板;
将保护压板图像输入至预设的状态检测网络中,通过状态检测网络对保护压板图像中各保护压板所在区域进行特征检测,得到各保护压板的状态检测结果;状态检测网络用于以预设的特征信息检测方式对各保护压板所在区域进行特征检测;
根据各保护压板的状态检测结果与各保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
在一个实施例中,上述状态检测网络包括新增特征融合路径,预设的特征信息检测方式包括:通过新增特征融合路径从状态检测网络的浅层网络输出的特征图中各保护压板所在区域进行特征检测。
在一个实施例中,上述状态检测网络包括特征融合网络结构,预设的特征信息检测方式包括:通过特征融合网络结构将检测的各保护压板所在区域的局部特征与全局特征进行融合,得到融合特征信息。
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:
通过预设的检测优化算法,识别保护压板图像中各保护压板的候选区域,并根据识别的保护压板图像中各保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各保护压板的所在区域;
对各保护压板的所在区域进行特征检测,得到各保护压板的状态检测结果。
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:
根据目标保护屏柜上的图像码,获取各保护压板的预设标准状态和各保护压板在目标保护屏柜中的实际坐标位置;根据保护压板图像获取各保护压板在保护压板图像中的检测坐标位置;
根据实际坐标位置和检测坐标位置,将各保护压板的状态检测结果对应与各保护压板的预设标准状态进行核对,确定与预设标准状态不匹配的保护压板;
将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
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:
获取保护压板图像的预设数量的第一坐标点和预设的标准保护压板图像的预设数量的第二坐标点;
根据第一坐标点和第二坐标点,确定保护压板图像与标准保护压板图像之间的透视变换矩阵;
根据透视变换矩阵和保护压板图像中各保护压板的图像坐标位置,确定保护压板图像中各保护压板的检测坐标位置。
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:
获取多个样本保护压板图像和各保护压板图像中各样本保护压板的样本标准状态;
将多个样本保护压板图像输入至初始状态检测网络中,对初始状态检测网络进行训练,获取初始状态检测网络输出的各样本保护压板的测试检测结果;
若初始状态检测网络输出的各样本保护压板的测试检测结果与各样本保护压板的样本标准状态满足预设的收敛条件,得到状态检测网络。
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:
通过初始新增特征融合路径,从初始状态检测网络的浅层网络的输出中检测各样本保护压板所在区域的测试特征信息;和/或,
通过初始特征融合网络结构,检测的各样本保护压板的所在区域的融合特征信息;
基于各样本保护压板所在区域的测试特征信息,和/或,各样本保护压板所在区域的融合特征信息,确定各样本保护压板的测试检测结果。
在一个实施例中,通过预设的检测优化算法,识别样本保护压板图像中各样本保护压板的候选区域,并根据识别的各样本保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各样本保护压板的所在区域。
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,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-OnlyMemory,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)
1.一种保护压板状态检测方法,其特征在于,所述方法包括:
获取目标保护屏柜中的保护压板图像;所述保护压板图像中包括至少一个保护压板;
将所述保护压板图像输入至预设的状态检测网络中,通过所述状态检测网络对所述保护压板图像中各保护压板所在区域进行特征检测,得到各所述保护压板的状态检测结果;所述状态检测网络用于以预设的特征信息检测方式对各所述保护压板所在区域进行特征检测;
根据各所述保护压板的状态检测结果与各所述保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
2.根据权利要求1所述的方法,其特征在于,所述状态检测网络包括新增特征融合路径,所述预设的特征信息检测方式包括:通过所述新增特征融合路径从所述状态检测网络的浅层网络输出的特征图中各所述保护压板所在区域进行特征检测。
3.根据权利要求1或2所述的方法,其特征在于,所述状态检测网络包括特征融合网络结构,所述预设的特征信息检测方式包括:通过所述特征融合网络结构将检测的各所述保护压板所在区域的局部特征与全局特征进行融合,得到融合特征信息。
4.根据权利要求1或2所述的方法,其特征在于,所述通过所述状态检测网络对所述保护压板图像中各保护压板所在区域进行特征检测,得到各所述保护压板的状态检测结果,包括:
通过预设的检测优化算法,识别所述保护压板图像中各保护压板的候选区域,并根据识别的所述保护压板图像中各保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各所述保护压板的所在区域;
对各所述保护压板的所在区域进行特征检测,得到各所述保护压板的状态检测结果。
5.根据权利要求1或2所述的方法,其特征在于,所述根据各所述保护压板的状态检测结果与各所述保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板,包括:
根据所述目标保护屏柜上的图像码,获取各所述保护压板的预设标准状态和各所述保护压板在所述目标保护屏柜中的实际坐标位置;根据所述保护压板图像获取各所述保护压板在所述保护压板图像中的检测坐标位置;
根据所述实际坐标位置和所述检测坐标位置,将各所述保护压板的状态检测结果对应与各所述保护压板的预设标准状态进行核对,确定与预设标准状态不匹配的保护压板;
将与所述预设标准状态不匹配的保护压板确定为状态异常保护压板。
6.根据权利要求5所述的方法,其特征在于,所述根据所述保护压板图像获取各所述保护压板在所述保护压板图像中的检测坐标位置,包括:
获取所述保护压板图像的预设数量的第一坐标点和预设的标准保护压板图像的所述预设数量的第二坐标点;
根据所述第一坐标点和所述第二坐标点,确定所述保护压板图像与所述标准保护压板图像之间的透视变换矩阵;
根据所述透视变换矩阵和所述保护压板图像中各保护压板的图像坐标位置,确定所述保护压板图像中各保护压板的检测坐标位置。
7.根据权利要求1或2所述的方法,其特征在于,所述状态检测网络的构建过程包括:
获取多个样本保护压板图像和各所述保护压板图像中各样本保护压板的样本标准状态;
将所述多个样本保护压板图像输入至初始状态检测网络中,对所述初始状态检测网络进行训练,获取所述初始状态检测网络输出的各样本保护压板的测试检测结果;
若所述初始状态检测网络输出的各样本保护压板的测试检测结果与各样本保护压板的样本标准状态满足预设的收敛条件,得到所述状态检测网络。
8.根据权利要求7所述的方法,其特征在于,所述初始状态检测网络包括初始新增特征融合路径,和/或,初始特征融合网络结构;
则所述获取所述初始状态检测网络输出的各样本保护压板的测试检测结果包括:
通过所述初始新增特征融合路径,从所述初始状态检测网络的浅层网络的输出中检测各所述样本保护压板所在区域的测试特征信息;和/或,
通过所述初始特征融合网络结构,检测的各所述样本保护压板的所在区域的融合特征信息;
基于各所述样本保护压板所在区域的测试特征信息,和/或,各所述样本保护压板所在区域的融合特征信息,确定各样本保护压板的测试检测结果。
9.根据权利要求8所述的方法,其特征在于,所述方法还包括:
通过预设的检测优化算法,识别所述样本保护压板图像中各样本保护压板的候选区域,并根据识别的各样本保护压板的候选区域,剔除不满足预设剔除阈值的冗余区域,得到各所述样本保护压板的所在区域。
10.一种保护压板状态检测装置,其特征在于,所述装置包括:
第一获取模块,用于获取目标保护屏柜中的保护压板图像;所述保护压板图像中包括至少一个保护压板;
检测模块,用于将所述保护压板图像输入至预设的状态检测网络中,通过所述状态检测网络对所述保护压板图像中各保护压板所在区域进行特征检测,得到各所述保护压板的状态检测结果;所述状态检测网络用于以预设的特征信息检测方式对各所述保护压板所在区域进行特征检测;
确定模块,用于根据各所述保护压板的状态检测结果与各所述保护压板的预设标准状态,将与预设标准状态不匹配的保护压板确定为状态异常保护压板。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111269558.6A CN114022797A (zh) | 2021-10-29 | 2021-10-29 | 保护压板状态检测方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111269558.6A CN114022797A (zh) | 2021-10-29 | 2021-10-29 | 保护压板状态检测方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114022797A true CN114022797A (zh) | 2022-02-08 |
Family
ID=80058724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111269558.6A Pending CN114022797A (zh) | 2021-10-29 | 2021-10-29 | 保护压板状态检测方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114022797A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115138596A (zh) * | 2022-06-07 | 2022-10-04 | 上海壹佰米网络科技有限公司 | 一种视觉检测的方法及装置 |
-
2021
- 2021-10-29 CN CN202111269558.6A patent/CN114022797A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115138596A (zh) * | 2022-06-07 | 2022-10-04 | 上海壹佰米网络科技有限公司 | 一种视觉检测的方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Simultaneously detecting and counting dense vehicles from drone images | |
WO2015028978A1 (en) | Method and system for the inspection and/or the maintenance of an electrical panel by means of augmented reality | |
KR20160006114A (ko) | 원자력 연료 어셈블리 변형 측정을 위한 시스템 및 방법 | |
CN103854283A (zh) | 一种基于在线学习的移动增强现实跟踪注册方法 | |
CN112258507B (zh) | 互联网数据中心的目标对象检测方法、装置和电子设备 | |
CN111770450B (zh) | 一种车间生产监控服务器、移动终端及应用 | |
CN113010805B (zh) | 指标数据的处理方法、装置、设备及存储介质 | |
CN107229887A (zh) | 多码扫描设备及多码扫描方法 | |
CN108876857A (zh) | 无人驾驶车辆的定位方法、***、设备及存储介质 | |
WO2010082226A1 (en) | Pointing device, graphic interface and process implementing the said device | |
CN113382200A (zh) | 摄像机布局方法及装置 | |
CN111832561B (zh) | 基于计算机视觉的字符序列识别方法、装置、设备和介质 | |
CN111553176B (zh) | 一种适用于变电站屏柜接线的无线传输检查方法及*** | |
CN114022797A (zh) | 保护压板状态检测方法、装置 | |
CN107316298A (zh) | 一种焊接间隙的实时测量方法、装置及电子设备 | |
CN112861998A (zh) | 神经网络模型构建方法、安全通道异常监测方法及*** | |
Yan et al. | Deep learning‐based substation remote construction management and AI automatic violation detection system | |
CN112288883A (zh) | 作业指导信息的提示方法、装置、电子设备及存储介质 | |
CN115439543A (zh) | 孔洞位置的确定方法和元宇宙中三维模型的生成方法 | |
CN109977853B (zh) | 一种基于多辨识设备的井下工人全景监控方法 | |
Xu et al. | A novel computer vision‐based approach for monitoring safety harness use in construction | |
CN117173791A (zh) | 一种基于动作识别的配网施工人员违规检测方法及*** | |
Choi et al. | Deep‐learning‐based nuclear power plant fault detection using remote light‐emitting diode array data transmission | |
CN113569594A (zh) | 一种人脸关键点的标注方法及装置 | |
CN111107307A (zh) | 基于单应性变换的视频融合方法、***、终端及介质 |
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 |