发明内容
本发明提供了一种基于精确对准摄像的变电站设备状态监测方法和***,用于解决现有的变电站设备状态监测方法成本高昂,易受预设航线规划的GPS定位偏差恶劣天气的影响,稳定性不高,以及易受到机器人定位和行进姿态偏差的影响,以及需要提前对图像进行预设分区,影响目标设备的定位准确率的技术问题。
有鉴于此,本发明第一方面提供了一种基于精确对准摄像的变电站设备状态监测方法,包括:
搭建用于变电站设备状态监测的摄像监控***,摄像监控***包括三轴增稳云台、安装在三轴增稳云台上的高清夜视网络摄像头和与高清夜视网络摄像头通信连接的后台处理终端;
后台处理终端通过高清夜视网络摄像头采集变电站设备的图像,构建第一图像数据集和第二图像数据集,第一图像数据集中的图像样本为高清夜视网络摄像头采集并进行图像预处理后的包含变电站设备的图像样本,第二图像数据集中的图像样本为将第一图像数据集中的图像样本中的变电站设备区域裁剪得到的图像样本;
后台处理终端使用第一图像数据集和第二图像数据集分别训练第一Efficientdet网络模型和第二Efficientdet网络模型,得到用于检测目标位置的设备本体检测Efficientdet模型和用于检测目标状态的设备状态检测Efficientdet模型;
后台处理终端控制高清夜视网络摄像头按照预设巡视策略采集预设点的图像;
后台处理终端将预设点的图像输入设备本体检测Efficientdet模型中检测预设点的图像中是否存在目标设备,若否,则重新采集预设点的图像,若是,则根据预设点的图像中存在的目标设备数量定位目标设备中心点;
后台处理终端根据目标设备中心点的像素计算目标设备的x轴位置调整量和y轴位置调整量;
后台处理终端根据x轴位置调整量和y轴位置调整量将目标设备调整至预设点的图像的中心位置,得到第一目标图像;
后台处理终端根据第一目标图像中的目标设备的宽度和高度,计算目标设备在第一目标图像中的占比;
后台处理终端根据占比和像素变焦系数的对应关系系数,计算摄像头焦距变化量,根据摄像头焦距变化量调整摄像头焦距并对第一目标图像进行自动对焦,得到第二目标图像;
后台处理终端将第二目标图像输入设备状态检测Efficientdet模型中识别目标设备的状态。
可选地,后台处理终端将第二目标图像输入设备状态检测Efficientdet模型中识别目标设备的状态之后,还包括:
判断目标设备是否发生状态异常,若是,则发出目标设备状态异常告警信息,目标设备状态异常告警信息包括目标设备的名称和状态。
可选地,后台处理终端将预设点的图像输入设备本体检测Efficientdet模型中检测预设点的图像中是否存在目标设备,若否,则重新采集预设点的图像,若是,则根据预设点的图像中存在的目标设备数量定位目标设备中心点,包括:
后台处理终端将预设点的图像输入设备本体检测Efficientdet模型中检测预设点的图像中是否存在目标设备,若否,则重新采集预设点的图像,若是,则判断预设点的图像中是否有且仅有一个目标设备,若是,则直接定位目标设备中心点,否则,计算每个目标设备的置信度,当置信度大于0.8的目标设备有且仅有一个时,直接定位目标设备中心点,当置信度大于0.8的目标设备不止一个时,计算每个目标设备的面积,取面积最大的目标设备定位目标设备中心点。
可选地,根据摄像头的布点位置和被监测设备的位置计算布点位置与被监测设备的距离的计算公式为:
其中,
为被监测设备的位置,
d为布点位置与被监测设备的距离。
可选地,后台处理终端根据目标设备中心点的像素计算目标设备的x轴位置调整量和y轴位置调整量,包括:
后台处理终端根据目标设备中心点的像素计算中心像素偏差,计算公式为:
其中,
为x轴中心像素偏差,
为y轴中心像素偏差,
为目标设备中心点的x轴像素,
为目标设备中心点的y轴像素,
为预设点的图像的中心位置的x轴像素,
为预设点的图像的中心位置的y轴像素;
后台处理终端根据x轴中心像素偏差
与x轴位置调整量的第一对应关系系数,计算目标设备的x轴位置调整量,第一对应关系系数为:
其中,
为目标设备的x轴位置调整量,
为第一对应关系系数,
,
为拍摄时的摄像头焦距;
后台处理终端根据y轴中心像素偏差
与y轴位置调整量的第二对应关系系数,计算目标设备的y轴位置调整量,第二对应关系系数为:
其中,
为目标设备的y轴位置调整量,
为第二对应关系系数,
。
可选地,后台处理终端根据第一目标图像中的目标设备的宽度和高度,计算目标设备在第一目标图像中的占比,包括:
后台处理终端将第一目标图像输入设备本体检测Efficientdet模型中,检测目标设备的宽度w和高度h;
后台处理终端根据宽度w和高度h计算高度占比和宽度占比,取高度占比和宽度占比二者的最大值作为目标设备在图像中的占比,高度占比和宽度占比的计算公式为:
其中,
为高度占比,
b为宽度占比,
H为第一目标图像的高度,
W为第一目标图像的宽度。
可选地,摄像头焦距变化量的计算公式为:
其中,
为摄像头焦距变化量,
为占比和像素变焦系数的对应关系系数,
。
本发明第二方面提供了一种基于精确对准摄像的变电站设备状态监测***,包括三轴增稳云台、安装在三轴增稳云台上的高清夜视网络摄像头和与高清夜视网络摄像头通信连接的后台处理终端;
三轴增稳云台用于搭载高清夜视网络摄像头,调整高清夜视网络摄像头视角;
高清夜视网络摄像头用于巡视采集变电站设备的图像;
后台处理终端用于:
获取高清夜视网络摄像头采集的变电站设备的图像,构建第一图像数据集和第二图像数据集,第一图像数据集中的图像样本为高清夜视网络摄像头采集并进行图像预处理后的包含变电站设备的图像样本,第二图像数据集中的图像样本为将第一图像数据集中的图像样本中的变电站设备区域裁剪得到的图像样本;
使用第一图像数据集和第二图像数据集分别训练第一Efficientdet网络模型和第二Efficientdet网络模型,得到用于检测目标位置的设备本体检测Efficientdet模型和用于检测目标状态的设备状态检测Efficientdet模型;
控制高清夜视网络摄像头按照预设巡视策略采集预设点的图像;
判断预设点的图像中是否存在目标设备,若否,则重新采集预设点的图像,若是,则根据预设点的图像中存在的目标设备数量定位目标设备中心点;
根据目标设备中心点的像素计算目标设备的x轴位置调整量和y轴位置调整量;
根据x轴位置调整量和y轴位置调整量将目标设备调整至预设点的图像的中心位置,得到第一目标图像;
将第一目标图像输入设备本体检测Efficientdet模型中,检测目标设备的宽度和高度,得到目标设备在图像中的占比;
根据占比和像素变焦系数的对应关系系数,计算摄像头焦距变化量,根据摄像头焦距变化量调整摄像头焦距并对第一目标图像进行自动对焦,得到第二目标图像;
将第二目标图像输入设备状态检测Efficientdet模型中识别目标设备的状态。
可选地,后台处理终端还用于:
在将第二目标图像输入设备状态检测Efficientdet模型中识别目标设备的状态之后,判断目标设备是否发生状态异常,若是,则发出目标设备状态异常告警信息,目标设备状态异常告警信息包括目标设备的名称和状态。
可选地,判断预设点的图像中是否存在目标设备,若否,则重新采集预设点的图像,若是,则根据预设点的图像中存在的目标设备数量定位目标设备中心点,包括:
判断预设点的图像中是否存在目标设备,若否,则重新采集预设点的图像,若是,则判断预设点的图像中是否有且仅有一个目标设备,若是,则直接定位目标设备中心点,否则,计算每个目标设备的置信度,当置信度大于0.8的目标设备有且仅有一个时,直接定位目标设备中心点,当置信度大于0.8的目标设备不止一个时,计算每个目标设备的面积,取面积最大的目标设备定位目标设备中心点。
可选地,根据目标设备中心点的像素计算目标设备的x轴位置调整量和y轴位置调整量,包括:
根据目标设备中心点的像素计算中心像素偏差,计算公式为:
其中,
为x轴中心像素偏差,
为y轴中心像素偏差,
为目标设备中心点的x轴像素,
为目标设备中心点的y轴像素,
为预设点的图像的中心位置的x轴像素,
为预设点的图像的中心位置的y轴像素;
后台处理终端根据x轴中心像素偏差
与x轴位置调整量的第一对应关系系数,计算目标设备的x轴位置调整量,第一对应关系系数为:
其中,
为目标设备的x轴位置调整量,
为第一对应关系系数,
,
为拍摄时的摄像头焦距;
后台处理终端根据y轴中心像素偏差
与y轴位置调整量的第二对应关系系数,计算目标设备的y轴位置调整量,第二对应关系系数为:
其中,
为目标设备的y轴位置调整量,
为第二对应关系系数,
。
从以上技术方案可以看出,本发明提供的基于精确对准摄像的变电站设备状态监测方法具有以下优点:
本发明提供的基于精确对准摄像的变电站设备状态监测方法,构建两个图像数据集,分别对两个Efficientdet网络模型进行训练,得到设备本体检测Efficientdet模型和设备状态检测Efficientdet模型,通过设备本体检测Efficientdet模型在广角情况下检测目标设备位置用于对准目标进行角度调整和焦距调整,通过设备状态检测Efficientdet模型对目标设备状态进行识别,不需要对场景图像进行分区,可以适应新场景,具有很好的迁移性,准确率高,且使用三轴增稳云台固定的高清夜视网络摄像头相比于无人机搭载摄像头和巡检机器人的方式,降低了成本,摄像头稳定性高,不易受预设航线规划的GPS定位偏差和大风暴雨等极端天气影响,也不存在由于定位和行进姿态带来的偏差问题,解决了现有的变电站设备状态监测方法成本高昂,易受预设航线规划的GPS定位偏差恶劣天气的影响,稳定性不高,以及易受到机器人定位和行进姿态偏差的影响,以及需要提前对图像进行预设分区,影响目标设备的定位准确率的技术问题。
本发明提供的基于精确对准摄像的变电站设备状态监测***,用于执行本发明提供的基于精确对准摄像的变电站设备状态监测方法,其原理和达到的技术效果与本发明提供的基于精确对准摄像的变电站设备状态监测方法相同,在此不再进行赘述。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了便于理解,请参阅图1,本发明中提供了一种基于精确对准摄像的变电站设备状态监测方法的实施例,包括:
步骤101、搭建用于变电站设备状态监测的摄像监控***,摄像监控***包括三轴增稳云台、安装在三轴增稳云台上的高清夜视网络摄像头和与高清夜视网络摄像头通信连接的后台处理终端。
需要说明的是,本发明实施例中,首先搭建用于变电站设备状态监测的摄像监控***,摄像监控***包括三轴增稳云台、安装在三轴增稳云台上的高清夜视网络摄像头和与高清夜视网络摄像头通信连接的后台处理终端,三轴增稳云台搭载高清夜视网络摄像头,支持调整高清夜视网络摄像头视角。高清夜视网络摄像头通过三轴增稳云台设置在变电站内的预置拍摄点位处,用于巡视采集变电站设备的图像。后台处理终端用于获取高清夜视网络摄像头采集的图像,并对图像进行预设处理分析。
步骤102、后台处理终端通过高清夜视网络摄像头采集变电站设备的图像,构建第一图像数据集和第二图像数据集,第一图像数据集中的图像样本为高清夜视网络摄像头采集并进行图像预处理后的包含变电站设备的图像样本,第二图像数据集中的图像样本为将第一图像数据集中的图像样本中的变电站设备区域裁剪得到的图像样本。
需要说明的是,后台处理终端获取到高清夜视网络摄像头采集变电站设备的图像之后,构建第一图像数据集和第二图像数据集,第一图像数据集中的图像样本为高清夜视网络摄像头采集并进行图像预处理后的包含变电站设备的图像样本,第二图像数据集中的图像样本为将第一图像数据集中的图像样本中的变电站设备区域裁剪得到的图像样本。高清夜视网络摄像头采集变电站设备的图像,经数据清洗后,筛选出清晰可辨且焦距正确的图像进行标注,标注出图像中设备的位置、名称和状态,以作为第一图像数据集中的图像样本。将第一图像数据集中的图像样本中的设备区域裁剪出来,得到的新的图像样本作为第二图像数据集中的图像样本。第二图像数据集中的图像样本标注设备名称和状态。
步骤103、后台处理终端使用第一图像数据集和第二图像数据集分别训练第一Efficientdet网络模型和第二Efficientdet网络模型,得到用于检测目标位置的设备本体检测Efficientdet模型和用于检测目标状态的设备状态检测Efficientdet模型。
需要说明的是,Efficientdet网络模型属于深度学习目标检测one-stage算法,相比于two-stage算法,采用one-stage算法有更快的检测速度,识别的准确度效果好。将第一图像数据集中的图像样本和第二图像数据集中的图像样本分别划分为80%的训练集、10%的测试集和10%的验证集,分别对第一Efficientdet网络模型和第二Efficientdet网络模型进行训练,完成训练后即可得到用于检测目标位置的设备本体检测Efficientdet模型和用于检测目标状态的设备状态检测Efficientdet模型。
具体地,用第一图像数据集对第一Efficientdet网络模型进行训练、用第二图像数据集对第二Efficientdet网络模型进行训练,两个模型皆设置输入图片尺寸为600×600,最大训练轮次50轮,每轮训练进行一次测试,学***缓时停止训练,最后得到设备本体检测Efficientdet模型与设备状态检测Efficientdet模型。
使用训练好的模型在测试集上进行测试。利用第一图像数据集划分出来的测试集对设备本体检测Efficientdet模型进行测试,利用第二图像数据集划分出来的测试集对设备状态检测Efficientdet模型进行测试,分析模型召回率、准确度等评价指标,针对测试集中出现的漏检误报情况,进行参数调整等处理方式,进行重复相关训练直到评价指标达到一个比较好的效果。
由于不同任务场景下,待检测目标设备的大小尺寸有所不同,所以在训练Efficientdet网络模型前,要根据不同的训练数据集聚类出9个不同大小和宽高比的anchor(在目标检测任务中,输入图像经过骨干网络提取得到特征图,特征图上的每个像素点,即为anchor锚点;或者说在feature map使用滑动窗口的操作方式,当前滑窗的中心在原像素空间的映射点就称为anchor;简单来说RPN(Region Proposal Network)依靠一个在共享特征图上滑动的窗口,为每个位置(即:anchor)生成9种预先设置好长宽比与面积的目标框。这9种初始anchor包含三种面积(128×128,256×256,512×512),每种面积又包含三种长宽比(1:1,1:2,2:1),即 anchor boxes),以提高检测准确率。
步骤104、后台处理终端控制高清夜视网络摄像头按照预设巡视策略采集预设点的图像。
需要说明的是,高清夜视网络摄像头按照预设巡视策略(如指定角度30°进行旋转)采集预设点的图像,将采集到的预设点的图像传送至后台处理终端。
步骤105、后台处理终端将预设点的图像输入设备本体检测Efficientdet模型中检测预设点的图像中是否存在目标设备,若否,则重新采集预设点的图像,若是,则根据预设点的图像中存在的目标设备数量定位目标设备中心点。
需要说明的是,后台处理终端可以通过设备本体检测Efficientdet模型对预设点的图像进行目标设备的识别,如图2所示,若预设点的图像中不存在目标设备,则控制高清夜视网络摄像头按照预设巡视策略继续采集预设点的图像,若存在目标设备,则根据预设点的图像中存在的目标设备数量定位目标设备中心点。具体地,判断预设点的图像中是否有且仅有一个目标设备,若是,则直接定位目标设备中心点,否则,计算每个目标设备的置信度,当置信度大于0.8的目标设备有且仅有一个时,直接定位目标设备中心点,当置信度大于0.8的目标设备不止一个时,计算每个目标设备的面积,计算方式为:
其中,S为目标设备的面积,w为目标设备的宽度,h为目标设备的高度。
取面积最大的目标设备定位目标设备中心点。
步骤106、后台处理终端根据目标设备中心点的像素计算目标设备的x轴位置调整量和y轴位置调整量。
需要说明的是,在确定预设点的图像的目标设备以及定位目标设备中心点之后,需将目标设备调整至预设点的图像的中心位置。因此,需要计算目标设备的x轴位置调整量和y轴位置调整量,根据目标设备的x轴位置调整量和y轴位置调整量将目标设备调整至预设点的图像中心位置。
具体地,计算设备本体检测Efficientdet模型检测到的目标设备中心点位置的像素与预设点的图像的中心点的像素两者的中心像素偏差,计算公式为:
其中,
为x轴中心像素偏差,
为y轴中心像素偏差,
为目标设备中心点的x轴像素,
为目标设备中心点的y轴像素,
为预设点的图像的中心位置的x轴像素,
为预设点的图像的中心位置的y轴像素;
后台处理终端根据x轴中心像素偏差
与x轴位置调整量的第一对应关系系数,计算目标设备的x轴位置调整量,第一对应关系系数为:
其中,
为目标设备的x轴位置调整量,
为第一对应关系系数,
,
为拍摄时的摄像头焦距;
后台处理终端根据y轴中心像素偏差
与y轴位置调整量的第二对应关系系数,计算目标设备的y轴位置调整量,第二对应关系系数为:
其中,
为目标设备的y轴位置调整量,
为第二对应关系系数,
,
为拍摄时的摄像头焦距。
步骤107、后台处理终端根据x轴位置调整量和y轴位置调整量将目标设备调整至预设点的图像的中心位置,得到第一目标图像。
需要说明的是,根据x轴位置调整量和y轴位置调整量将目标设备调整至预设点的图像的中心位置,可得到第一目标图像以及第一目标图像中的目标设备的中心点位置信息和尺寸信息(以像素计量的目标设备的高度和宽度)。
步骤108、后台处理终端根据第一目标图像中的目标设备的宽度和高度,计算目标设备在第一目标图像中的占比。
需要说明的是,根据第一目标图像中的目标设备的宽度w和高度h计算高度占比和宽度占比,取高度占比和宽度占比二者的最大值作为目标设备在图像中的占比。高度占比和宽度占比的计算公式为:
其中,
为高度占比,
b为宽度占比,
H为第一目标图像的高度,
W为第一目标图像的宽度。
取高度占比和宽度占比二者的最大值作为目标设备在图像中的占比,即:
其中,c为目标设备在图像中的占比。
步骤109、后台处理终端根据占比和像素变焦系数的对应关系系数,计算摄像头焦距变化量,根据摄像头焦距变化量调整摄像头焦距并对第一目标图像进行自动对焦,得到第二目标图像。
需要说明的是,基于目标设备在图像中的占比
c与像素变焦系数的对应关系系数
,计算摄像头焦距变化量
。计算公式为:
其中,
为摄像头焦距变化量,
为占比和像素变焦系数的对应关系系数,
。
摄像头焦距变化量
调整摄像头焦距并对第一目标图像进行自动对焦,即可得到清晰的第二目标图像。
步骤110、后台处理终端将第二目标图像输入设备状态检测Efficientdet模型中识别目标设备的状态。
需要说明的是,将第二目标图像输入设备状态检测Efficientdet模型,即可得到第二目标图像中的目标设备中的状态信息,从而实现目标设备的状态监测。
在一个实施例中,在识别出目标设备的状态之后,可以判断目标设备是否发生状态异常,若是,则发出目标设备状态异常告警信息,以便于通知管理人员进行复核和维护,目标设备状态异常告警信息包括目标设备的名称和状态。
本发明实施例提供的基于精确对准摄像的变电站设备状态监测方法,构建两个图像数据集,分别对两个Efficientdet网络模型进行训练,得到设备本体检测Efficientdet模型和设备状态检测Efficientdet模型,通过设备本体检测Efficientdet模型在广角情况下检测目标设备位置用于对准目标进行角度调整和焦距调整,通过设备状态检测Efficientdet模型对目标设备状态进行识别,不需要对场景图像进行分区,可以适应新场景,具有很好的迁移性,准确率高,且使用三轴增稳云台固定的高清夜视网络摄像头相比于无人机搭载摄像头和巡检机器人的方式,降低了成本,摄像头稳定性高,不易受预设航线规划的GPS定位偏差和大风暴雨等极端天气影响,也不存在由于定位和行进姿态带来的偏差问题,解决了现有的变电站设备状态监测方法成本高昂,易受预设航线规划的GPS定位偏差恶劣天气的影响,稳定性不高,以及易受到机器人定位和行进姿态偏差的影响,以及需要提前对图像进行预设分区,影响目标设备的定位准确率的技术问题。
为了便于理解,请参阅图3,本发明中还提供了一种基于精确对准摄像的变电站设备状态监测***的实施例,包括三轴增稳云台、安装在三轴增稳云台上的高清夜视网络摄像头和与高清夜视网络摄像头通信连接的后台处理终端;
三轴增稳云台用于搭载高清夜视网络摄像头,调整高清夜视网络摄像头视角;
高清夜视网络摄像头用于巡视采集变电站设备的图像;
后台处理终端用于:
获取高清夜视网络摄像头采集的变电站设备的图像,构建第一图像数据集和第二图像数据集,第一图像数据集中的图像样本为高清夜视网络摄像头采集并进行图像预处理后的包含变电站设备的图像样本,第二图像数据集中的图像样本为将第一图像数据集中的图像样本中的变电站设备区域裁剪得到的图像样本;
使用第一图像数据集和第二图像数据集分别训练第一Efficientdet网络模型和第二Efficientdet网络模型,得到用于检测目标位置的设备本体检测Efficientdet模型和用于检测目标状态的设备状态检测Efficientdet模型;
控制高清夜视网络摄像头按照预设巡视策略采集预设点的图像;
判断预设点的图像中是否存在目标设备,若否,则重新采集预设点的图像,若是,则根据预设点的图像中存在的目标设备数量定位目标设备中心点;
根据目标设备中心点的像素计算目标设备的x轴位置调整量和y轴位置调整量;
根据x轴位置调整量和y轴位置调整量将目标设备调整至预设点的图像的中心位置,得到第一目标图像;
将第一目标图像输入设备本体检测Efficientdet模型中,检测目标设备的宽度和高度,得到目标设备在图像中的占比;
根据占比和像素变焦系数的对应关系系数,计算摄像头焦距变化量,根据摄像头焦距变化量调整摄像头焦距并对第一目标图像进行自动对焦,得到第二目标图像;
将第二目标图像输入设备状态检测Efficientdet模型中识别目标设备的状态。
后台处理终端还用于:
在将第二目标图像输入设备状态检测Efficientdet模型中识别目标设备的状态之后,判断目标设备是否发生状态异常,若是,则发出目标设备状态异常告警信息,目标设备状态异常告警信息包括目标设备的名称和状态。
判断预设点的图像中是否存在目标设备,若否,则重新采集预设点的图像,若是,则根据预设点的图像中存在的目标设备数量定位目标设备中心点,包括:
判断预设点的图像中是否存在目标设备,若否,则重新采集预设点的图像,若是,则判断预设点的图像中是否有且仅有一个目标设备,若是,则直接定位目标设备中心点,否则,计算每个目标设备的置信度,当置信度大于0.8的目标设备有且仅有一个时,直接定位目标设备中心点,当置信度大于0.8的目标设备不止一个时,计算每个目标设备的面积,取面积最大的目标设备定位目标设备中心点。
根据目标设备中心点的像素计算目标设备的x轴位置调整量和y轴位置调整量,包括:
根据目标设备中心点的像素计算中心像素偏差,计算公式为:
其中,
为x轴中心像素偏差,
为y轴中心像素偏差,
为目标设备中心点的x轴像素,
为目标设备中心点的y轴像素,
为预设点的图像的中心位置的x轴像素,
为预设点的图像的中心位置的y轴像素;
后台处理终端根据x轴中心像素偏差
与x轴位置调整量的第一对应关系系数,计算目标设备的x轴位置调整量,第一对应关系系数为:
其中,
为目标设备的x轴位置调整量,
为第一对应关系系数,
,
为拍摄时的摄像头焦距;
后台处理终端根据y轴中心像素偏差
与y轴位置调整量的第二对应关系系数,计算目标设备的y轴位置调整量,第二对应关系系数为:
其中,
为目标设备的y轴位置调整量,
为第二对应关系系数,
,
为拍摄时的摄像头焦距。
根据第一目标图像中的目标设备的宽度和高度,计算目标设备在第一目标图像中的占比,包括:
后台处理终端将第一目标图像输入设备本体检测Efficientdet模型中,检测目标设备的宽度w和高度h;
后台处理终端根据宽度w和高度h计算高度占比和宽度占比,取高度占比和宽度占比二者的最大值作为目标设备在图像中的占比,高度占比和宽度占比的计算公式为:
其中,
为高度占比,
b为宽度占比,
H为第一目标图像的高度,
W为第一目标图像的宽度。
摄像头焦距变化量的计算公式为:
其中,
为摄像头焦距变化量,
为占比和像素变焦系数的对应关系系数,
。
本发明实施例提供的基于精确对准摄像的变电站设备状态监测***,构建两个图像数据集,分别对两个Efficientdet网络模型进行训练,得到设备本体检测Efficientdet模型和设备状态检测Efficientdet模型,通过设备本体检测Efficientdet模型在广角情况下检测目标设备位置用于对准目标进行角度调整和焦距调整,通过设备状态检测Efficientdet模型对目标设备状态进行识别,不需要对场景图像进行分区,可以适应新场景,具有很好的迁移性,准确率高,且使用三轴增稳云台固定的高清夜视网络摄像头相比于无人机搭载摄像头和巡检机器人的方式,降低了成本,摄像头稳定性高,不易受预设航线规划的GPS定位偏差和大风暴雨等极端天气影响,也不存在由于定位和行进姿态带来的偏差问题,解决了现有的变电站设备状态监测方法成本高昂,易受预设航线规划的GPS定位偏差恶劣天气的影响,稳定性不高,以及易受到机器人定位和行进姿态偏差的影响,以及需要提前对图像进行预设分区,影响目标设备的定位准确率的技术问题。
本发明提供的基于精确对准摄像的变电站设备状态监测***,用于执行本发明提供的基于精确对准摄像的变电站设备状态监测方法,其原理和达到的技术效果与本发明提供的基于精确对准摄像的变电站设备状态监测方法相同,在此不再进行赘述。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。