CN114842426B - 一种基于精确对准摄像的变电站设备状态监测方法和*** - Google Patents

一种基于精确对准摄像的变电站设备状态监测方法和*** Download PDF

Info

Publication number
CN114842426B
CN114842426B CN202210785448.3A CN202210785448A CN114842426B CN 114842426 B CN114842426 B CN 114842426B CN 202210785448 A CN202210785448 A CN 202210785448A CN 114842426 B CN114842426 B CN 114842426B
Authority
CN
China
Prior art keywords
target
image
equipment
target equipment
axis
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.)
Active
Application number
CN202210785448.3A
Other languages
English (en)
Other versions
CN114842426A (zh
Inventor
黄汉生
甘文琪
陈方正
黄德华
刘永浩
李俊华
甘焯坤
覃肇安
吴立帆
陈壹锋
车濡均
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Zhaoqing Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202210785448.3A priority Critical patent/CN114842426B/zh
Publication of CN114842426A publication Critical patent/CN114842426A/zh
Application granted granted Critical
Publication of CN114842426B publication Critical patent/CN114842426B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种基于精确对准摄像的变电站设备状态监测方法和***，涉及变电站监测技术领域，通过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，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。

Description

一种基于精确对准摄像的变电站设备状态监测方法和***
技术领域
本发明涉及变电站监测技术领域，尤其涉及一种基于精确对准摄像的变电站设备状态监测方法和***。
背景技术
当前变电站采用先进的摄像头监控***按照预设路线和榆社店进行自动化巡视和智能分析，但随着时间的推移，摄像头云台会出现一定程度的磨损，使得摄像头不能精确对准目标。为解决此问题，有的现有技术采用宽视场镜头与长焦变倍镜头组合的摄像机对变电站目标设备进行对准，组合摄像头安装在三轴增稳云台上，将云台安装在无人机上，无人机再按照预设路线和预设点进行巡视，在巡视点宽视场镜头利用图像处理模块发现待检测目标，长焦变倍镜头通过云台调整角度，并通过变焦对准目标得到细节图像，再利用图像处理模块进行目标识别。这种高空检测方法提高了巡视效率，但成本较高，且易受到预设航线规划和GPS定位偏差恶劣天气的影响，稳定性不高。有的现有技术利用巡检机器人按照预设路线对变电站进行巡视，巡检机器人云台位于预置位置时拍摄待巡检设备得到第一图片，根据预置分区方式将第一图片进行分区，通过计算各分区与待检测目标图像的相似度，对目标进行定位，根据此定位调整摄像头角度，使目标位于图像中心，再利用第二焦距得到目标的细节图像。这种方法会受到机器人定位和行进姿态偏差的影响，导致待检测目标在成像区域出现较大的偏移，影响准确率，并且此方法的目标定位需要提前对图像进行预设分区，预设分区需要人工完成，每个场景的分区不同，导致分区的迁移性差，通过计算分区图像与目标基准图像相似度的方式确定目标位置的方法由于受分区划分的影响准确率不高。
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和***，用于解决以上现有技术中存在的无人机巡检方式成本高昂，且易受预设航线规划的GPS定位偏差恶劣天气的影响，稳定性不高的问题，以及利用巡检机器人按照预设路线对变电站进行巡视的方式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问题。
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：
Figure 144673DEST_PATH_IMAGE001
其中，
Figure 246228DEST_PATH_IMAGE002
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：
Figure 952016DEST_PATH_IMAGE003
Figure 287182DEST_PATH_IMAGE004
其中，
Figure 78421DEST_PATH_IMAGE005
为x轴中心像素偏差，
Figure 219552DEST_PATH_IMAGE006
为y轴中心像素偏差，
Figure 717530DEST_PATH_IMAGE007
为目标设备中心点的x轴像素，
Figure 787379DEST_PATH_IMAGE008
为目标设备中心点的y轴像素，
Figure 65914DEST_PATH_IMAGE009
为预设点的图像的中心位置的x轴像素，
Figure 948419DEST_PATH_IMAGE010
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
Figure 363220DEST_PATH_IMAGE005
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：
Figure 368085DEST_PATH_IMAGE011
其中，
Figure 806020DEST_PATH_IMAGE012
为目标设备的x轴位置调整量，
Figure 805067DEST_PATH_IMAGE013
为第一对应关系系数，
Figure 277636DEST_PATH_IMAGE014
，
Figure 187824DEST_PATH_IMAGE015
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
Figure 175371DEST_PATH_IMAGE006
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：
Figure 399679DEST_PATH_IMAGE016
其中，
Figure 352854DEST_PATH_IMAGE017
为目标设备的y轴位置调整量，
Figure 699522DEST_PATH_IMAGE018
为第二对应关系系数，
Figure 174365DEST_PATH_IMAGE019
。
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：
Figure 999102DEST_PATH_IMAGE020
Figure 180685DEST_PATH_IMAGE021
其中，
Figure 196789DEST_PATH_IMAGE022
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：
Figure 96612DEST_PATH_IMAGE023
其中，
Figure 725039DEST_PATH_IMAGE024
为摄像头焦距变化量，
Figure 761128DEST_PATH_IMAGE025
为占比和像素变焦系数的对应关系系数，
Figure 449598DEST_PATH_IMAGE026
。
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：
Figure 899034DEST_PATH_IMAGE003
Figure 3257DEST_PATH_IMAGE004
其中，
Figure 723213DEST_PATH_IMAGE005
为x轴中心像素偏差，
Figure 520268DEST_PATH_IMAGE006
为y轴中心像素偏差，
Figure 191421DEST_PATH_IMAGE007
为目标设备中心点的x轴像素，
Figure 427230DEST_PATH_IMAGE008
为目标设备中心点的y轴像素，
Figure 437911DEST_PATH_IMAGE009
为预设点的图像的中心位置的x轴像素，
Figure 468184DEST_PATH_IMAGE010
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
Figure 564316DEST_PATH_IMAGE005
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：
Figure 577052DEST_PATH_IMAGE011
其中，
Figure 707819DEST_PATH_IMAGE012
为目标设备的x轴位置调整量，
Figure 908994DEST_PATH_IMAGE013
为第一对应关系系数，
Figure 492422DEST_PATH_IMAGE014
，
Figure 804454DEST_PATH_IMAGE015
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
Figure 852045DEST_PATH_IMAGE006
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：
Figure 161803DEST_PATH_IMAGE016
其中，
Figure 796309DEST_PATH_IMAGE017
为目标设备的y轴位置调整量，
Figure 912033DEST_PATH_IMAGE018
为第二对应关系系数，
Figure 751813DEST_PATH_IMAGE019
。
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。
附图说明
为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明中提供的一种基于精确对准摄像的变电站设备状态监测方法的流程示意图；
图2为本发明中提供的基于精确对准摄像的变电站设备状态监测方法的后台处理终端的数据处理逻辑示意图；
图3为本发明中提供的一种基于精确对准摄像的变电站设备状态监测***的结构示意图。
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：
Figure 294790DEST_PATH_IMAGE027
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：
Figure 649548DEST_PATH_IMAGE003
Figure 506645DEST_PATH_IMAGE004
其中，
Figure 761784DEST_PATH_IMAGE005
为x轴中心像素偏差，
Figure 413345DEST_PATH_IMAGE006
为y轴中心像素偏差，
Figure 520978DEST_PATH_IMAGE007
为目标设备中心点的x轴像素，
Figure 916188DEST_PATH_IMAGE008
为目标设备中心点的y轴像素，
Figure 527297DEST_PATH_IMAGE009
为预设点的图像的中心位置的x轴像素，
Figure 677656DEST_PATH_IMAGE010
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
Figure 944689DEST_PATH_IMAGE005
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：
Figure 441792DEST_PATH_IMAGE011
其中，
Figure 110671DEST_PATH_IMAGE012
为目标设备的x轴位置调整量，
Figure 431931DEST_PATH_IMAGE013
为第一对应关系系数，
Figure 982998DEST_PATH_IMAGE014
，
Figure 985589DEST_PATH_IMAGE015
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
Figure 571291DEST_PATH_IMAGE006
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：
Figure 735556DEST_PATH_IMAGE016
其中，
Figure 532174DEST_PATH_IMAGE017
为目标设备的y轴位置调整量，
Figure 72877DEST_PATH_IMAGE018
为第二对应关系系数，
Figure 513086DEST_PATH_IMAGE019
，
Figure 176148DEST_PATH_IMAGE015
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：
Figure 639490DEST_PATH_IMAGE020
Figure 46201DEST_PATH_IMAGE021
其中，
Figure 544178DEST_PATH_IMAGE022
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：
Figure 614028DEST_PATH_IMAGE028
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
Figure 830246DEST_PATH_IMAGE025
，计算摄像头焦距变化量
Figure 775068DEST_PATH_IMAGE024
。计算公式为：
Figure 127552DEST_PATH_IMAGE023
其中，
Figure 866838DEST_PATH_IMAGE024
为摄像头焦距变化量，
Figure 367089DEST_PATH_IMAGE025
为占比和像素变焦系数的对应关系系数，
Figure 614137DEST_PATH_IMAGE026
。
摄像头焦距变化量
Figure 821128DEST_PATH_IMAGE024
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：
Figure 996894DEST_PATH_IMAGE003
Figure 922125DEST_PATH_IMAGE004
其中，
Figure 208750DEST_PATH_IMAGE005
为x轴中心像素偏差，
Figure 598143DEST_PATH_IMAGE006
为y轴中心像素偏差，
Figure 882494DEST_PATH_IMAGE007
为目标设备中心点的x轴像素，
Figure 593223DEST_PATH_IMAGE008
为目标设备中心点的y轴像素，
Figure 621222DEST_PATH_IMAGE009
为预设点的图像的中心位置的x轴像素，
Figure 865121DEST_PATH_IMAGE010
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
Figure 320373DEST_PATH_IMAGE005
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：
Figure 282513DEST_PATH_IMAGE011
其中，
Figure 910941DEST_PATH_IMAGE012
为目标设备的x轴位置调整量，
Figure 947030DEST_PATH_IMAGE013
为第一对应关系系数，
Figure 139895DEST_PATH_IMAGE014
，
Figure 261434DEST_PATH_IMAGE015
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
Figure 693553DEST_PATH_IMAGE006
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：
Figure 912044DEST_PATH_IMAGE016
其中，
Figure 709099DEST_PATH_IMAGE017
为目标设备的y轴位置调整量，
Figure 380252DEST_PATH_IMAGE018
为第二对应关系系数，
Figure 288165DEST_PATH_IMAGE019
，
Figure 862628DEST_PATH_IMAGE015
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：
Figure 830584DEST_PATH_IMAGE020
Figure 989033DEST_PATH_IMAGE021
其中，
Figure 700637DEST_PATH_IMAGE022
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：
Figure 893721DEST_PATH_IMAGE023
其中，
Figure 94895DEST_PATH_IMAGE024
为摄像头焦距变化量，
Figure 412744DEST_PATH_IMAGE025
为占比和像素变焦系数的对应关系系数，
Figure 488891DEST_PATH_IMAGE026
。
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。

Claims (8)

1.一种基于精确对准摄像的变电站设备状态监测方法，其特征在于，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；
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：
Figure 321311DEST_PATH_IMAGE001
Figure 271949DEST_PATH_IMAGE002
其中，
Figure 718236DEST_PATH_IMAGE003
为x轴中心像素偏差，
Figure 133037DEST_PATH_IMAGE004
为y轴中心像素偏差，
Figure 137902DEST_PATH_IMAGE005
为目标设备中心点的x轴像素，
Figure 575837DEST_PATH_IMAGE006
为目标设备中心点的y轴像素，
Figure 58771DEST_PATH_IMAGE007
为预设点的图像的中心位置的x轴像素，
Figure 109771DEST_PATH_IMAGE008
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
Figure 36270DEST_PATH_IMAGE003
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：
Figure 961500DEST_PATH_IMAGE009
其中，
Figure 248125DEST_PATH_IMAGE010
为目标设备的x轴位置调整量，
Figure 371939DEST_PATH_IMAGE011
为第一对应关系系数，
Figure 656290DEST_PATH_IMAGE012
，
Figure 629669DEST_PATH_IMAGE013
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
Figure 719984DEST_PATH_IMAGE004
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：
Figure 963884DEST_PATH_IMAGE014
其中，
Figure 215874DEST_PATH_IMAGE015
为目标设备的y轴位置调整量，
Figure 115696DEST_PATH_IMAGE016
为第二对应关系系数，
Figure 245589DEST_PATH_IMAGE017
。
2.根据权利要求1所述的基于精确对准摄像的变电站设备状态监测方法，其特征在于，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。
3.根据权利要求1所述的基于精确对准摄像的变电站设备状态监测方法，其特征在于，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。
4.根据权利要求1所述的基于精确对准摄像的变电站设备状态监测方法，其特征在于，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：
Figure 609574DEST_PATH_IMAGE018
Figure 32465DEST_PATH_IMAGE019
其中，
Figure 481901DEST_PATH_IMAGE020
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。
5.根据权利要求4所述的基于精确对准摄像的变电站设备状态监测方法，其特征在于，摄像头焦距变化量的计算公式为：
Figure 851702DEST_PATH_IMAGE021
其中，
Figure 309009DEST_PATH_IMAGE022
为摄像头焦距变化量，
Figure 168381DEST_PATH_IMAGE023
为占比和像素变焦系数的对应关系系数，
Figure 777217DEST_PATH_IMAGE024
。
6.一种基于精确对准摄像的变电站设备状态监测***，其特征在于，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；
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：
Figure 13026DEST_PATH_IMAGE001
Figure 86024DEST_PATH_IMAGE002
其中，
Figure 617762DEST_PATH_IMAGE003
为x轴中心像素偏差，
Figure 713894DEST_PATH_IMAGE004
为y轴中心像素偏差，
Figure 487815DEST_PATH_IMAGE005
为目标设备中心点的x轴像素，
Figure 415320DEST_PATH_IMAGE006
为目标设备中心点的y轴像素，
Figure 554177DEST_PATH_IMAGE007
为预设点的图像的中心位置的x轴像素，
Figure 199922DEST_PATH_IMAGE008
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
Figure 10490DEST_PATH_IMAGE003
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：
Figure 58080DEST_PATH_IMAGE009
其中，
Figure 430156DEST_PATH_IMAGE010
为目标设备的x轴位置调整量，
Figure 500880DEST_PATH_IMAGE011
为第一对应关系系数，
Figure 616604DEST_PATH_IMAGE012
，
Figure 20165DEST_PATH_IMAGE013
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
Figure 563142DEST_PATH_IMAGE004
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：
Figure 855583DEST_PATH_IMAGE014
其中，
Figure 774998DEST_PATH_IMAGE015
为目标设备的y轴位置调整量，
Figure 531601DEST_PATH_IMAGE016
为第二对应关系系数，
Figure 738155DEST_PATH_IMAGE017
。
7.根据权利要求6所述的基于精确对准摄像的变电站设备状态监测***，其特征在于，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。
8.根据权利要求6所述的基于精确对准摄像的变电站设备状态监测***，其特征在于，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。
CN202210785448.3A 2022-07-06 2022-07-06 一种基于精确对准摄像的变电站设备状态监测方法和*** Active CN114842426B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210785448.3A CN114842426B (zh) 2022-07-06 2022-07-06 一种基于精确对准摄像的变电站设备状态监测方法和***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210785448.3A CN114842426B (zh) 2022-07-06 2022-07-06 一种基于精确对准摄像的变电站设备状态监测方法和***

Publications (2)

Publication Number Publication Date
CN114842426A CN114842426A (zh) 2022-08-02
CN114842426B true CN114842426B (zh) 2022-10-04

Family

ID=82575308

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210785448.3A Active CN114842426B (zh) 2022-07-06 2022-07-06 一种基于精确对准摄像的变电站设备状态监测方法和***

Country Status (1)

Country Link
CN (1) CN114842426B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111263066A (zh) * 2020-02-18 2020-06-09 Oppo广东移动通信有限公司 构图指导方法、装置、电子设备及存储介质
CN112561986A (zh) * 2020-12-02 2021-03-26 南方电网电力科技股份有限公司 巡检机器人云台的二次对准方法、装置、设备和存储介质
CN113643359A (zh) * 2021-08-26 2021-11-12 广州文远知行科技有限公司 一种目标对象定位方法、装置、设备及存储介质
WO2022021739A1 (zh) * 2020-07-30 2022-02-03 国网智能科技股份有限公司 一种语义智能变电站机器人仿人巡视作业方法及***
CN114114002A (zh) * 2021-11-26 2022-03-01 国网安徽省电力有限公司马鞍山供电公司 一种氧化物避雷器在线故障诊断与状态评估方法
CN114627360A (zh) * 2020-12-14 2022-06-14 国电南瑞科技股份有限公司 基于级联检测模型的变电站设备缺陷识别方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110807353B (zh) * 2019-09-03 2023-12-19 国网辽宁省电力有限公司电力科学研究院 一种基于深度学习的变电站异物识别方法、装置及***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111263066A (zh) * 2020-02-18 2020-06-09 Oppo广东移动通信有限公司 构图指导方法、装置、电子设备及存储介质
WO2022021739A1 (zh) * 2020-07-30 2022-02-03 国网智能科技股份有限公司 一种语义智能变电站机器人仿人巡视作业方法及***
CN112561986A (zh) * 2020-12-02 2021-03-26 南方电网电力科技股份有限公司 巡检机器人云台的二次对准方法、装置、设备和存储介质
CN114627360A (zh) * 2020-12-14 2022-06-14 国电南瑞科技股份有限公司 基于级联检测模型的变电站设备缺陷识别方法
CN113643359A (zh) * 2021-08-26 2021-11-12 广州文远知行科技有限公司 一种目标对象定位方法、装置、设备及存储介质
CN114114002A (zh) * 2021-11-26 2022-03-01 国网安徽省电力有限公司马鞍山供电公司 一种氧化物避雷器在线故障诊断与状态评估方法

Also Published As

Publication number Publication date
CN114842426A (zh) 2022-08-02

Similar Documents

Publication Publication Date Title
WO2022082856A1 (zh) 一种巡检目标自动识别跟踪的方法、***及机器人
CN108279428B (zh) 地图数据评测装置及***、数据采集***及采集车和采集基站
CN110418957B (zh) 对具有运行机构的设施进行状态监控的方法和装置
CN113759960B (zh) 基于无人机的风机叶片及塔筒巡检识别***及方法
CN112164015A (zh) 单目视觉自主巡检图像采集方法、装置及电力巡检无人机
CN110207832A (zh) 基于无人机的高压线路巡检***及其巡检方法
CN112327906A (zh) 一种基于无人机的智能自动巡检***
CN111311597A (zh) 一种缺陷绝缘子的无人机巡检方法与***
CN111311967A (zh) 基于无人机的电力线路巡检***及方法
CN110085029A (zh) 基于轨道式巡检机器人的高速公路巡检***与方法
CN109979468B (zh) 一种雷击光学路径监测***及方法
KR102061264B1 (ko) C-its 기반 차량위치정보를 이용한 돌발 상황 감지시스템
CN112802004B (zh) 便携式输电线路和杆塔健康智能视频检测装置
CN111244822B (zh) 一种复杂地理环境的固定翼无人机巡线方法、***和装置
CN113759961A (zh) 基于无人机ai巡检控制的输电线路全景巡检方法及***
CN109712188A (zh) 一种目标跟踪方法及装置
CN112067137A (zh) 一种基于无人机巡线的电力线路自动测温方法
CN111046121A (zh) 环境监控方法、装置和***
CN113763484A (zh) 基于视频图像分析技术的船舶目标定位及速度估算方法
WO2020239088A1 (zh) 一种保险理赔处理方法及装置
WO2022247597A1 (zh) 一种基于无人机的papi飞行校验方法和***
CN114708520A (zh) 一种输电线路上电力金具缺陷图像识别处理方法
CN113780246A (zh) 无人机三维航迹监测方法、***以及三维监测装置
CN113449688B (zh) 一种基于影像和激光点云数据融合的输电树障识别***
CN114842426B (zh) 一种基于精确对准摄像的变电站设备状态监测方法和***

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240411

Address after: No. 757, Dongfeng East Road, Yuexiu District, Guangzhou City, Guangdong Province, 510699

Patentee after: GUANGDONG POWER GRID Co.,Ltd.

Country or region after: China

Patentee after: GUANGDONG POWER GRID Co.,Ltd. ZHAOQING POWER SUPPLY BUREAU

Address before: 526000 88 Xin'an Road, 77 Duanzhou District, Zhaoqing City, Guangdong Province

Patentee before: GUANGDONG POWER GRID Co.,Ltd. ZHAOQING POWER SUPPLY BUREAU

Country or region before: China