CN114781846A - 一种架空输电线路缺陷辨识培训用评价方法及*** - Google Patents
一种架空输电线路缺陷辨识培训用评价方法及*** Download PDFInfo
- Publication number
- CN114781846A CN114781846A CN202210384027.XA CN202210384027A CN114781846A CN 114781846 A CN114781846 A CN 114781846A CN 202210384027 A CN202210384027 A CN 202210384027A CN 114781846 A CN114781846 A CN 114781846A
- Authority
- CN
- China
- Prior art keywords
- image
- defect
- transmission line
- overhead transmission
- marked
- 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
- 230000007547 defect Effects 0.000 title claims abstract description 148
- 238000012549 training Methods 0.000 title claims abstract description 71
- 230000005540 biological transmission Effects 0.000 title claims abstract description 69
- 238000011156 evaluation Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000012360 testing method Methods 0.000 claims description 31
- 238000013523 data management Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 9
- 238000007689 inspection Methods 0.000 description 6
- 230000002950 deficient Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012905 input function Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 241000209128 Bambusa Species 0.000 description 1
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
- G06Q50/2057—Career enhancement or continuing education service
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B23/00—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes
- G09B23/06—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics
- G09B23/18—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics for electricity or magnetism
- G09B23/188—Models for scientific, medical, or mathematical purposes, e.g. full-sized devices for demonstration purposes for physics for electricity or magnetism for motors; for generators; for power supplies; for power distribution
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Mathematical Optimization (AREA)
- Power Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Primary Health Care (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种架空输电线路缺陷辨识培训用评价方法及***,包括:获取架空输电线路相关的图像;对获取的图像进行归类和规范化命名;对归类和规范化命名的图像进行缺陷标记;并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,建立包括标记区域中心和半径的数据库;根据所述数据库对培训中的考核数据进行评价;本发明通过图像标记技术,以及相关图像的处理,提高了培训用数据库的规范化,利用规范化的数据库开展针对性学习、培训和日常训练,掌握架空输电线路缺陷识别的基本技能,提高了缺陷识别速度和准确率,为核对工作打下坚实基础,确保架空输电线路缺陷无漏报,减少误报。
Description
技术领域
本发明属于在线培训技术领域,尤其涉及一种架空输电线路缺陷辨识培训用评价方法及***。
背景技术
在构建以新能源为主体的新型电力***大背景下,为了提高架空输电线路的稳定性和安全性,要求输电线路运维人员,在线路日常巡视、日常检测过程中,及时发现线路本体、附属设施以及通道环境等存在的缺陷和隐患,并及时采取有力措施,开展缺陷和隐患的消除,从而保证输电线路正常稳定运行,确保电力供应。近年来,直升机、无人机广泛应用于输电线路日常巡视过程中,通过直升机、无人机近距离定点拍摄,可以通过高清照片清晰反映输电线路各部件缺陷状态,便于辅助巡线人员发现地面难以发现的缺陷。如此庞大的照片数量,完全通过人工辨别难度大。目前开发的应用缺陷识别云平台,智能辅助识别无人机、直升机巡检影像,但截至目前算法总体发现率为60%左右。因此,在目前情况下,由于影像智能辅助识别还存在较高的误报率,尤其是还存在较大的漏报率,还需要开展大量的人员核对工作,这就对缺陷识别人员提出了很高的要求。
发明人发现,现有的架空输电线路缺陷辨识培训方式,除了庞大的照片数量完全通过人工辨别难度大外,现存的培训平台也存在,识别速度慢和准确率低的问题,容易出现对架空输电线路漏报、误报的问题;同时,目前针对输电线路缺陷辨识技能提升的培训方式主要以规程中文字描述学习为主,也有通过图像展示的形式,强化缺陷辨识能力的提升训练,但图像库有限,学习效率较差,学习过程繁琐,学习效果也无法考证。
发明内容
本发明为了解决上述问题,提出了一种架空输电线路缺陷辨识培训用评价方法及***,本发明通过图像标记技术,以及相关图像的处理,提高了培训用数据库的规范化,利用规范化的数据库开展针对性学***。
为了实现上述目的,本发明是通过如下的技术方案来实现:
第一方面,本发明提供了一种架空输电线路缺陷辨识培训用评价方法,包括:
获取培训中的待考核数据;
根据预设数据库对培训中的考核数据进行评价,得到评价结果;
其中,预设数据库的建立包括:获取架空输电线路相关的图像;对获取的图像进行归类和规范化命名;对归类和规范化命名的图像进行缺陷标记;并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,建立包括标记区域中心和半径的数据库。
进一步的,对获取的图像进行归类,包括架空输电线路基础、杆塔、导地线、各类金具、接地装置中的一种或多种,以及附属设施和外部隐患。
进一步的,规范化命名依据的原则是,依据缺陷位置、缺陷部件、缺陷类别、缺陷程度、缺陷备注和缺陷分级进行命名。
进一步的,所述未标记图像和所述已标记图像,分别指未标记版缺陷图像以及与未标记版缺陷图像对应的标记版缺陷图像。
第二方面,本发明还提供了一种架空输电线路缺陷辨识培训***,包括:
管理平台,至少包括考试对象基本信息数据管理模块、考试数据管理模块、试题图像预处理模块和自动阅卷模块中的一种或几种;
考试平台,至少包括模拟练习模块、考试模块和自学模块中的一种或几种;
其中,所述考试数据管理模块,被配置为:获取培训中的待考核数据;根据预设数据库对培训中的考核数据进行评价,得到评价结果;其中,预设数据库的建立包括:获取架空输电线路相关的图像;对获取的图像进行归类和规范化命名;对归类和规范化命名的图像进行缺陷标记;并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,建立包括标记区域中心和半径的数据库。
进一步的,所述考试对象基本信息数据管理模块,被配置为:添加、编辑、删除和检索参加考试对象的基本信息,批量上传参加考试对象的基本信息,检索参加考试对象的考试成绩;
所述考试数据管理模块,还被配置为:添加、编辑、删除和检索试题,添加、编辑、删除和检索试卷,以及对已经标记的图像,采用数字图像处理算法,自动识别标记区位置及半径;
试题图像预处理模块,被配置为:对架空输电线路相关的图像进行归类和规范化命名;
自动阅卷模块,被配置为:可对参加考试对象答题时做的标记进行记录,与正确答案进行比对评分。
进一步的,所述模拟练习模块,被配置为:进行随机抽题,依据浏览器页面进行答题;答题完成后,自动评分,实时反馈正确答案和题目解析;
所述考试模块,被配置为:按既定试卷规则组题,开始答题时,答题时间倒计时,计时结束自动交卷,交卷后,自动评分,并记录考试成绩;
所述自学模块,被配置为:进行图像预览、文字学习、图像标记、客观题答题等全面学习,可以按照缺陷类型、缺陷名称等进行搜索定位后,进行针对性学习。
第三方面,本发明还提供了一种架空输电线路缺陷辨识培训用评价***,包括:
数据采集模块,被配置为:获取培训中的待考核数据;
评价模块,被配置为:根据预设数据库对培训中的考核数据进行评价,得到评价结果;
其中,预设数据库的建立包括:获取架空输电线路相关的图像;对获取的图像进行归类和规范化命名;对归类和规范化命名的图像进行缺陷标记;并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,建立包括标记区域中心和半径的数据库。
第四方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现了第一方面所述的架空输电线路缺陷辨识培训用评价方法的步骤。
第五方面,本发明还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现了第一方面所述的架空输电线路缺陷辨识培训用评价方法的步骤。
与现有技术相比,本发明的有益效果为:
1、本发明在对图像进行归类和规范化命名的基础上,通过图像标记技术,以及将未标记和已标记图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,将标记的区域中心和半径保存在数据库中,提高了培训用数据库的规范化,利用规范化的数据库开展针对性学***;
2、本发明通过应用适合于输电线路运维人员缺陷辨识能力提升的仿真培训***,开展针对性培训教学,集自学、自测、考核等于一体,摆脱了传统书本、教材、规程等内容学***,对于保证架空输电线路乃至大电网的安全、稳定、可靠运行具有十分重要的意义,具有明显的经济效益和社会效益。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解,本实施例的示意性实施例及其说明用于解释本实施例,并不构成对本实施例的不当限定。
图1为本发明实施例1的流程图;
图2为本发明实施例2的自学模式界面;
图3为本发明实施例2的练习和考试模式界面;
具体实施方式:
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
实施例1:
如图1所示,本实施例提供了一种架空输电线路缺陷辨识培训用评价方法,包括:
获取架空输电线路相关的图像;
对获取的图像进行归类和规范化命名;
对归类和规范化命名的图像进行缺陷标记;并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,建立包括标记区域中心和半径的数据库;
根据所述数据库对培训中的考核数据进行评价;
本实施例中,通过对图像的归类和命名实现了图像的规范化,在此基础上进行图像的处理时,可以按名称、缺陷等分类后的图像进行针对性处理,提高了度图像的处理速度,并且可以提高图像处理的针对性、准确性;在规范化的基础上,进行评价用数据库建立时,通过并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,对缺陷区域实现了准确性标记,提高了评价对比时的准确性,降低了漏检和误检的出现概率。
本实施例中,获取架空输电线路相关的图像时,可以依托电力行业人工巡视、直升机巡检作业、无人机巡检作业等拍摄的照片影像库中开展筛查、筛选工作;可以选取具有代表性的图片添加至架空输电线路缺陷辨识培训用资源库,所述资源库中可以包括基础、杆塔、导线、地线(OPGW)、绝缘子、金具、接地装置、拉线等在内的本体缺陷;还可以包括附加在线路本体上的线路标识、安全标志牌、各种技术监测或具有特殊用途的设备(如在线监测、防雷、防鸟装置等)等在内的附属设施缺陷;以及包括在线路保护区内违章建房、种植树竹、堆物、取土及各种施工作业等在内的外部隐患。
各类缺陷可以包括危急、严重和一般缺陷,各类缺陷数量不低于200个(危急缺陷类除外),另外应包含无缺陷图片至少200个;充分考虑目前的智能识别***对于销钉类缺陷的准确识别率较低,因此此类缺陷图比重适当加大;其中,危急缺陷可以理解为,被检测缺陷所在的对象即将失去原有功能而失效(比如销钉的裂),需要理解进行维修或替换等工作;严重缺陷可以理解为,被检测缺陷所在对象存在失效的概率较高,需要加大检测频率或力度;一般缺陷可以理解为,出现缺陷,但是缺陷在短时间内不会出现失效等重大事故。
本实施例中,规范化命名依据的原则是,依据缺陷位置、缺陷部件、缺陷类别、缺陷程度、缺陷备注和缺陷分级进行命名;可以对有缺陷图片按统一标准进行标注,以及对缺陷图片进行统一命名,规范化命名的原则可以根据“缺陷位置+缺陷部件+缺陷类别+缺陷程度+缺陷备注+缺陷分级”进行,其中:缺陷位置指缺陷发生的位置,位置要求描述准确、清晰;缺陷部件指缺陷发生的部件;缺陷类别指基于缺陷部件发生的缺陷内容;缺陷程度指缺陷的严重程度,可量化的使用量化数据表示,比如缺陷出现面积的长、宽、直径、面积以及裂纹深度等;缺陷备注指缺陷的另外需要表述的重要信息,比如缺陷原因、类型不确定等信息;缺陷分级指按缺陷分级标准对缺陷的最终定性,缺陷分级标准可以是通过缺陷程度确定,也可以是按照缺陷程度与不同缺陷位置及缺陷部件进行权重取值后确定。
本实施例中,所述未标记图像和所述已标记图像,可以分别指未标记版缺陷图像以及与未标记版缺陷图像对应的标记版缺陷图像;缺陷标记,可以通过图像处理的方式实现,对缺陷部位进行标记,也可以通过对缺陷区域进行人工/自动划线的方式实现对缺陷区域的标记;按同样要求网格化,可以理解为,对图像进行网格划分时,网格中单元格的中点、形状、尺寸和方向等相同,对未标记和已标记图像进行减法运算,可以理解的是,首先,对已标记图像、未标记图像分别进行阈值运算,提取图像中的标记图形,比如图1中的椭圆圈内图像;具体原理为:如图1所示,可以标记圆圈图形为红色或其他颜色,在彩色RGB颜色模型中,标记的红色(或其他颜色)与标记未使用的其他颜色具有明显区别,可依据这一区别,将红色标记图形与背景图像,按颜色色彩进行区别提取,按颜色色彩值识别图形与背景,称为阈值运算;其次,经阈值运算后,已标记图像、未标记图像分别显示为含红色标记和未含红色标记的图像,两类图像的背景基本被去除掉;最后,将两类图像,对对应位置像素灰度值进行减法,减法运算后,两类图像形成一幅仅含标记图形的图像,可由此确定标记图形的位置,包括中心点和半径。
实施例2:
本实施例提供了一种架空输电线路缺陷辨识培训***,包括:
管理平台,至少包括考试对象基本信息数据管理模块、考试数据管理模块、试题图像预处理模块和自动阅卷模块中的一种或几种;
考试平台,至少包括模拟练习模块、考试模块和自学模块中的一种或几种;
其中,所述考试数据管理模块,被配置为:获取培训中的待考核数据;根据预设数据库对培训中的考核数据进行评价,得到评价结果;其中,预设数据库的建立包括:获取架空输电线路相关的图像;对获取的图像进行归类和规范化命名;对归类和规范化命名的图像进行缺陷标记;并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,建立包括标记区域中心和半径的数据库。
在本实施例中考试对象可以是学生,将未标记版缺陷照片进行网格拆分,与对应标记版缺陷照片形成对比,将规范化命名纳入***可选下拉菜单,搭建缺陷辨识***平台;***由考试管理平台、学生考试平台2大模块组成;其中,考试管理平台主要包括学生数据管理功能、考试数据管理功能、试题图片预处理功能、自动阅卷功能等,学生考试平台主要包括模拟练习功能、正式考试功能、自学功能等。
在本实施例中,所述考试对象基本信息数据管理模块,被配置为:添加、编辑、删除和检索参加考试对象的基本信息,批量上传参加考试对象的基本信息,检索参加考试对象的考试成绩,按学生检索、试卷检索等;
所述考试数据管理模块,还被配置为:添加、编辑、删除和检索试题,添加、编辑、删除和检索试卷,以及对已经标记的图像,采用数字图像处理算法,自动识别标记区位置及半径;图像处理算法可以是前述中的减法运算;
试题图像预处理模块,被配置为:对架空输电线路相关的图像进行归类和规范化命名;
自动阅卷模块,被配置为:可对参加考试对象答题时做的标记进行记录,与正确答案进行比对评分,对与图片相关的选择题目的答题进行比对评分,对选择题进行比对时,可以直接将答案与预存的正确答案进行对比。
在本实施例中,所述模拟练习模块,被配置为:进行随机抽题,学生在WEB浏览器页面进行答题操作,学生答题完成后,***可自动评分,实时反馈正确答案和题目解析;
所述考试模块,被配置为:可按既定试卷规则组题,学生开始答题时,答题时间倒计时,计时结束自动交卷,交卷后,后台自动评分,并记录考试成绩;开放后台录入功能,便于后期对资源库进行补充;既定试卷规则可以设定为在几种不同类型中进行随机选取一种类型的试卷进行考试,也可以是在预设的题库中进行一定数据的题目随机筛选实现试卷的组题。
所述自学模块,被配置为:可以通过在浏览器上进行图像预览、文字学习、图像标记、客观题答题等全面学习,可以按照缺陷类型、缺陷名称等进行搜索定位后,进行针对性学习;此模块中,可以对图像中的缺陷类型、标注区域、注意事项客观题等进行解答和详解等工作。
本实施例中,***后台数据库的整理,将现有的架空输电线路常见缺陷资源库进行归类整理,从庞大的图片库中选取具有代表性的、清晰的图片,覆盖架空输电线路基础、杆塔、导地线、各类金具、接地装置等本体设施,以及附属设施和外部隐患等,且各类缺陷应包含危急、严重、一般缺陷在内,在原图的基础上进行标记,根据目前电力***相关要求,可以使用规范的标记方法、规范的命名方法对图片进行规范化命名,用于架空输电线路缺陷辨识培训***后台数据库的建档。
本实施例中,输电线路缺陷辨识培训***的开发,缺陷辨识培训***应具备随机组卷、自动判分等功能,并具备学习模式、考试模式双模式。
本实施例中,可以使用HTMLJavaJavaScriptSQL等编程语言,借鉴目前流行的图片“找不同”思路,将未标记和已标记照片按同样要求网格化,对未标记和已标记照片进行减法运算,获得已标记图片中的标记区域,将标记的区域中心和半径保存在数据库中,由此对学生答题结果进行比较判定;
本实施例中,应用输电线路缺陷辨识培训***开展培训教学,为满足日常培训教学的需求,同时做到与时俱进、不断完善,需开放输电线路缺陷辨识培训***后台录入功能,便于后期对资源库进行补充、对界面进行完善等。
所述***的工作方法与实施例1的架空输电线路缺陷辨识培训用评价方法相同,这里不再赘述。
实施例3:
第三方面,本实施例提供了一种架空输电线路缺陷辨识培训用评价***,包括:
数据采集模块,被配置为:获取培训中的待考核数据;
评价模块,被配置为:根据预设数据库对培训中的考核数据进行评价,得到评价结果;
其中,预设数据库的建立包括:获取架空输电线路相关的图像;对获取的图像进行归类和规范化命名;对归类和规范化命名的图像进行缺陷标记;并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,建立包括标记区域中心和半径的数据库。
所述***的工作方法与实施例1的架空输电线路缺陷辨识培训用评价方法相同,这里不再赘述。
实施例4:
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现了实施例1所述的架空输电线路缺陷辨识培训用评价方法的步骤。
实施例5:
本实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现了实施例1所述的架空输电线路缺陷辨识培训用评价方法的步骤。
以上所述仅为本实施例的优选实施例而已,并不用于限制本实施例,对于本领域的技术人员来说,本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本实施例的保护范围之内。
Claims (10)
1.一种架空输电线路缺陷辨识培训用评价方法,其特征在于,包括:
获取培训中的待考核数据;
根据预设数据库对培训中的考核数据进行评价,得到评价结果;
其中,预设数据库的建立包括:获取架空输电线路相关的图像;对获取的图像进行归类和规范化命名;对归类和规范化命名的图像进行缺陷标记;并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,建立包括标记区域中心和半径的数据库。
2.如权利要求1所述的一种架空输电线路缺陷辨识培训用评价方法,其特征在于,对获取的图像进行归类,包括架空输电线路基础、杆塔、导地线、各类金具、接地装置中的一种或多种,以及附属设施和外部隐患。
3.如权利要求1所述的一种架空输电线路缺陷辨识培训用评价方法,其特征在于,规范化命名依据的原则是,依据缺陷位置、缺陷部件、缺陷类别、缺陷程度、缺陷备注和缺陷分级进行命名。
4.如权利要求1所述的一种架空输电线路缺陷辨识培训用评价方法,其特征在于,所述未标记图像和所述已标记图像,分别指未标记版缺陷图像以及与未标记版缺陷图像对应的标记版缺陷图像。
5.一种架空输电线路缺陷辨识培训***,其特征在于,包括:
管理平台,至少包括考试对象基本信息数据管理模块、考试数据管理模块、试题图像预处理模块和自动阅卷模块中的一种或几种;
考试平台,至少包括模拟练习模块、考试模块和自学模块中的一种或几种;
其中,所述考试数据管理模块,被配置为:获取培训中的待考核数据;根据预设数据库对培训中的考核数据进行评价,得到评价结果;其中,预设数据库的建立包括:获取架空输电线路相关的图像;对获取的图像进行归类和规范化命名;对归类和规范化命名的图像进行缺陷标记;并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,建立包括标记区域中心和半径的数据库。
6.如权利要求5所述的一种架空输电线路缺陷辨识培训***,其特征在于,所述考试对象基本信息数据管理模块,被配置为:添加、编辑、删除和检索参加考试对象的基本信息,批量上传参加考试对象的基本信息,检索参加考试对象的考试成绩;
所述考试数据管理模块,还被配置为:添加、编辑、删除和检索试题,添加、编辑、删除和检索试卷,以及对已经标记的图像,采用数字图像处理算法,自动识别标记区位置及半径;
试题图像预处理模块,被配置为:对架空输电线路相关的图像进行归类和规范化命名;
自动阅卷模块,被配置为:可对参加考试对象答题时做的标记进行记录,与正确答案进行比对评分。
7.如权利要求5所述的一种架空输电线路缺陷辨识培训用评价***,其特征在于,
所述模拟练习模块,被配置为:进行随机抽题,依据浏览器页面进行答题;答题完成后,自动评分,实时反馈正确答案和题目解析;
所述考试模块,被配置为:按既定试卷规则组题,开始答题时,答题时间倒计时,计时结束自动交卷,交卷后,自动评分,并记录考试成绩;
所述自学模块,被配置为:进行图像预览、文字学习、图像标记、客观题答题等全面学习,可以按照缺陷类型、缺陷名称等进行搜索定位后,进行针对性学习。
8.一种架空输电线路缺陷辨识培训***,其特征在于,包括:
数据采集模块,被配置为:获取培训中的待考核数据;
评价模块,被配置为:根据预设数据库对培训中的考核数据进行评价,得到评价结果;
其中,预设数据库的建立包括:获取架空输电线路相关的图像;对获取的图像进行归类和规范化命名;对归类和规范化命名的图像进行缺陷标记;并将未标记图像和已标图像按同样要求网格化,对未标记和已标记图像进行减法运算,获得已标记图像中的标记区域,建立包括标记区域中心和半径的数据库。
9.一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,该程序被处理器执行时实现了如权利要求1-4任一项所述的架空输电线路缺陷辨识培训用评价方法的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现了如权利要求1-4任一项所述的架空输电线路缺陷辨识培训用评价方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210384027.XA CN114781846A (zh) | 2022-04-13 | 2022-04-13 | 一种架空输电线路缺陷辨识培训用评价方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210384027.XA CN114781846A (zh) | 2022-04-13 | 2022-04-13 | 一种架空输电线路缺陷辨识培训用评价方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114781846A true CN114781846A (zh) | 2022-07-22 |
Family
ID=82429839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210384027.XA Pending CN114781846A (zh) | 2022-04-13 | 2022-04-13 | 一种架空输电线路缺陷辨识培训用评价方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114781846A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446697A (zh) * | 2018-03-06 | 2018-08-24 | 平安科技(深圳)有限公司 | 图片处理方法、电子装置及存储介质 |
CN112801211A (zh) * | 2021-03-02 | 2021-05-14 | 贵州电网有限责任公司 | 基于图像识别技术的电网缺陷精确识别方法 |
CN113178106A (zh) * | 2021-03-11 | 2021-07-27 | 贵州电网有限责任公司 | 一种仿真变电站的培训评价考核方法 |
CN114119534A (zh) * | 2021-11-24 | 2022-03-01 | 易思维(杭州)科技有限公司 | 一种基于三维点云的焊缝缺陷检测方法 |
CN114170432A (zh) * | 2021-11-24 | 2022-03-11 | 奥比中光科技集团股份有限公司 | 一种图像处理方法、图像识别方法及相关装置 |
-
2022
- 2022-04-13 CN CN202210384027.XA patent/CN114781846A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446697A (zh) * | 2018-03-06 | 2018-08-24 | 平安科技(深圳)有限公司 | 图片处理方法、电子装置及存储介质 |
CN112801211A (zh) * | 2021-03-02 | 2021-05-14 | 贵州电网有限责任公司 | 基于图像识别技术的电网缺陷精确识别方法 |
CN113178106A (zh) * | 2021-03-11 | 2021-07-27 | 贵州电网有限责任公司 | 一种仿真变电站的培训评价考核方法 |
CN114119534A (zh) * | 2021-11-24 | 2022-03-01 | 易思维(杭州)科技有限公司 | 一种基于三维点云的焊缝缺陷检测方法 |
CN114170432A (zh) * | 2021-11-24 | 2022-03-11 | 奥比中光科技集团股份有限公司 | 一种图像处理方法、图像识别方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112906769A (zh) | 一种基于CycleGAN的输变电设备图像缺陷样本增广方法 | |
CN108763588A (zh) | 一种知识点量化分析方法及装置 | |
CN112381099A (zh) | 一种基于数字教育资源的录题*** | |
CN111144749A (zh) | 电网图像智能标注众包平台及工作方法 | |
CN117057636A (zh) | 一种基于数字技术的公路建设工程安全动态评价监控方法 | |
CN113298077A (zh) | 一种基于深度学习的变电站异物识别定位方法及装置 | |
CN115062950A (zh) | 一种基于数字化智能学习培训管理*** | |
CN108428073A (zh) | 一种用于教师教学质量的智能评价*** | |
CN114781846A (zh) | 一种架空输电线路缺陷辨识培训用评价方法及*** | |
CN112085479A (zh) | 可离线设置考点分值后自动评分并复核的scd考核*** | |
CN111507534A (zh) | 基于学生学习数据的知识点掌握情况的预测分析算法 | |
CN112015830B (zh) | 适用于自适应学习的题目存储方法 | |
CN114926152A (zh) | 一种电网施工安全考核培训方法、***及电子设备 | |
CN109829887A (zh) | 一种基于深度神经网络的图像质量评估方法 | |
KR101199029B1 (ko) | 언어 영역의 학습 정도를 진단하기 위한 시스템 및 방법 | |
CN113920450A (zh) | 基于本征图像分解的绝缘子rtv涂层识别方法及装置 | |
CN112598553A (zh) | 一种基于在线学习与智能评测的服务*** | |
CN110069783A (zh) | 一种答题内容评测方法及装置 | |
CN116579609B (zh) | 一种基于巡检过程中的违规操作分析方法 | |
CN117874565B (zh) | 一种基于神经网络的工作票准确性检测方法 | |
CN117911741A (zh) | 一种基于机器学习的输气管线违章占压检测方法及*** | |
CN116777696B (zh) | 法律知识自动化学习***及方法 | |
CN110222968B (zh) | 一种基于测评中用户信息的技能测评抄袭甄别方法与装置 | |
CN115472046A (zh) | 一种在线艺术培训***及培训方法 | |
CN115240494A (zh) | 基于大数据的线上教育成果分析方法 |
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 |