CN115063362A - 配电箱门检测方法、***、电子设备、介质和程序产品 - Google Patents

Abstract

本申请公开了一种配电箱门检测方法、***、电子设备、介质和程序产品，该方法包括：获取配电箱处的至少一帧图像；其中，所述至少一帧图像中具有所述配电箱和配电箱门；识别所述至少一帧图像中的所述配电箱门，得到包含目标对象的目标框；其中，所述目标对象包含所述配电箱门，以及与所述配电箱门连接的配电箱；根据所述目标对象的尺寸，确定所述配电箱门的开闭状态。以实现高效、低成本的检测配电箱门是否关闭的效果。

Description

配电箱门检测方法、***、电子设备、介质和程序产品

技术领域

本申请涉及深度学习技术领域，具体涉及一种配电箱门检测方法、***、电子设备、介质和程序产品。

背景技术

配电箱门作为配电箱的门禁开关发挥着及其重要的作用。若配电箱门未关闭，则导致配电箱内的配电设备丢失，甚至可能会有用户触摸配电箱内的供电设备，如此威胁到了用户的生命。因此，如何检测配电箱门是否关闭是现如今重要的研究课题。

目前，在检测配电箱门是否关闭时，通常是工作人员前往配电箱位置处查看配电箱门是否关闭，如此导致检测效率低，且人力成本高。

发明内容

本申请实施例的目的是提供一种配电箱门检测方法、***、电子设备、介质和程序产品，以实现高效、低成本的检测配电箱门是否关闭的效果。

本申请的技术方案如下：

第一方面，提供了一种配电箱门检测方法，该方法包括：

获取配电箱处的至少一帧图像；其中，所述至少一帧图像中具有所述配电箱和配电箱门；

识别所述至少一帧图像中的所述配电箱门，得到包含目标对象的目标框；其中，所述目标对象包含所述配电箱门，以及与所述配电箱门连接的配电箱；

根据所述目标对象的尺寸，确定所述配电箱门的开闭状态。

第二方面，提供了一种配电箱门检测装置，该装置包括：

第一获取模块，用于获取配电箱处的至少一帧图像；其中，所述至少一帧图像中具有所述配电箱和配电箱门；

第一确定模块，用于识别所述至少一帧图像中的所述配电箱门，得到包含目标对象的目标框；其中，所述目标对象包含所述配电箱门，以及与所述配电箱门连接的配电箱；

第二确定模块，用于根据所述目标对象的尺寸，确定所述配电箱门的开闭状态。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现本申请实施例任一所述的配电箱门检测方法的步骤。

第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现本申请实施例任一所述的配电箱门检测方法的步骤。

第五方面，本申请实施例提供了一种计算机程序产品，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备能够执行本申请实施例任一所述的配电箱门检测方法的步骤。

本申请的实施例提供的技术方案至少带来以下有益效果：

本申请实施例中，通过识别获取的配电箱处的具有配电箱和配电箱门的至少一帧图像中的配电箱门，得到包含配电箱门和与配电箱门连接的配电箱的目标框，然后根据配电箱门和配电箱的尺寸，可确定配电箱门的开闭状态，如此无需人工去检测配电箱门是否关闭，节省了人力成本，同时也提升了配电箱门是否关闭的检测效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，并不构成对本申请的不当限定。

图1是本申请涉及的检测模型的训练过程流程示意图；

图2是本申请第一方面实施例提供的一种配电箱门检测方法的流程示意图；

图3是本申请第一方面实施例涉及的配电箱、配电箱门和目标框的示意图；

图4是本申请第二方面实施例提供的一种配电箱门检测装置的结构示意图；

图5是本申请第三方面实施例提供的一种电子设备的结构示意图。

具体实施方式

为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的例子。

如背景技术部分所述，现有技术中在检测配电箱门是否关闭时，存在检测效率低，且人力成本高的问题，为了解决上述问题，本申请实施例提供了一种配电箱门检测方法、***、电子设备、介质和程序产品，通过识别获取的配电箱处的具有配电箱和配电箱门的至少一帧图像中的配电箱门，得到包含配电箱门和与配电箱门连接的配电箱的目标框，然后根据配电箱门和配电箱的尺寸，可确定配电箱门的开闭状态，如此无需人工去检测配电箱门是否关闭，节省了人力成本，同时也提升了配电箱门是否关闭的检测效率。

下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的配电箱门检测方法进行详细地说明。

在介绍本申请的配电箱门检测方法之前，首先介绍一下本申请所要用到的检测模型的训练过程：

图1是本申请实施例所提供的一种检测模型的训练过程的流程示意图，如图1所示，检测模型的训练过程包括步骤110-步骤130。

步骤110、获取配电箱处的多个历史图像，以及与每个历史图像对应的历史标签图像。

其中，历史图像可以是之前获取的配电箱处的图像。

历史标签图像可以是将历史图像中的目标对象(即配电箱门和配电箱)标注出来，且标注出目标对象的尺寸的图像。

在本申请的一些实施例中，配电箱处的至少一帧历史图像可以是基于设置于配电箱处的摄像头获取的视频截取得到，具体的可以是摄像头位于配电箱100米内。

在本申请的一些实施例中，由于摄像头的采集帧率较高，如果对于采集的全部的视频帧进行处理，对于服务器整体的计算要求比较高，而且实际情况中，连续图像帧之间的差别通常是微小的，并不会对整体准确率产生影响。

因此，在步骤110之后，上述所涉及的配电箱门检测方法还可以包括：

对至少一帧历史图像进行抽帧处理，得到至少一帧目标历史图像。

其中，目标历史图像可以是对至少一帧图像进行抽帧处理后所得到的图像。

在本申请的一些实施例中，具体的可以是使用抽帧算法对至少一帧图像进行抽帧处理。如此提升了抽帧的效率，进而提升了配电箱门检测的效率。

在本申请的一些实施例中，在对历史图像中的配电箱门进行标注得到历史标签图像后，可将其中75％的样本数据作为训练样本，剩下的25％的样本数据作为测试样本。

步骤120、分别将每个历史图像，以及每个历史图像对应的历史标签图像构建训练样本。

在本申请的一些实施例中，为了进一步提升检测模型的检测正确率，在步骤120之后，还可以包括：

对历史图像和历史标签图像进行下采样，得到对应的特征图。具体的可以是进行8倍、16倍和32倍的下采样。具体的进行多少倍的下采样可根据用户需求自行设置，这里不做限定。

步骤130、根据多个训练样本，训练检测模型，直至满足训练停止条件，得到训练后的检测模型。

在本申请的一些实施例中，针对每个训练样本，可以分别执行如下步骤对检测模型进行迭代训练：

将训练样本输入至预设的检测模型中，得到与训练样本中的历史监控图像中配电箱门的历史预测位置信息；

基于历史预测位置信息，确定配电箱和配电箱门的历史总尺寸；

根据各训练样本的历史总尺寸和历史标签图像，确定预设的检测模型的损失函数值；

在损失函数值不满足训练停止条件的情况下，调整预设的检测模型的模型参数，并利用训练样本训练参数调整后的检测模型，直至满足训练停止条件，得到训练后的检测模型。

其中，历史预测位置信息可以是基于检测模型预测出的历史监控图像中配电箱门的历史预测位置信息。

历史总尺寸可以是根据历史预测位置信息，确定的配电箱和配电箱门(即目标对象)的总尺寸。

在本申请的一些实施例中，由于摄像头拍摄的图像会随着天气的变化而变化，如此在根据拍摄的图像进行特征识别时，可能会有误差，为了解决上述问题，在步骤110中获取配电箱处的多个历史图像之后，上述的检测模型的训练过程还可以包括：

针对每个历史图像，对历史图像进行图像处理，得到不同天气条件下的第一目标历史图像；

对应的，获取与每个历史图像对应的历史标签图像，具体可以包括：

获取与每个第一目标历史图像对应的第一目标历史标签图像；

对应的，所述分别将每个历史图像，以及每个历史图像对应的历史标签构建训练样本，具体可以包括：

分别将每个第一目标历史图像，以及每个第一目标历史图像对应的第一目标历史标签构建训练样本。

其中，第一目标历史图像可以是对历史图像进行图像处理后，所得到的不同天气条件下的历史图像。

在本申请的一些实施例中，可以但不限于对历史图像进行如下的处理：改变亮度、色调和饱和度，如此可仿真得到不同天气条件下的历史图像(即第一目标历史图像)。

在本申请的实施例中，针对每个历史图像，对历史图像进行图像处理，得到不同天气条件下的第一目标历史图像，如此可增强检测模型的检测正确率，避免不同天气条件的图像对检测结果的影响。

在本申请的一些实施例中，检测模型中可以包括卷积层，该卷积层中可以包括M个卷积核。为了保持检测模型的轻量化，在步骤130之后，上述的方法还可以包括：

计算各卷积核对应的L1范数；

将各卷积核对应的L1范数按照从大到小的顺序进行排序，将排序前N的L1范数对应的卷积核筛选出来，得到目标卷积核；

将目标卷积核作为检测模型的卷积层。

其中，N为正整数，且N≤M；

目标卷积核可以是将各卷积核对应的L1范数按照从大到小的顺序进行排序后，筛选出的排序前N的L1范数对应的卷积核。

在本申请的实施例中，通过各卷积核对应的L1范数，可筛选出L1范数较高的卷积核作为检测模型的卷积层，如此将检测模型进行修剪，修改后的检测模型在网络结构上与原来的检测模型无区域，仅是内存占用减少了，如此实现了检测模型的轻量化。

在本申请的一些实施例中，本申请中的检测模型可以是YOLOV5网络架构构建神经网络模型。这里可以使用带有线性整流函数(Linear rectification function，relu)激活的全连接层(Dense)。检测模型可以使用2个中间层，每层都有16个隐藏单元；第3层输出一个标量，预测当前状态(即配电箱门的开闭状态)。中间层使用relu作为激活函数，最后一层使用S型生长曲线激活，以输出一个0～1范围内的概率值(概率值越接近于1，表示该配电箱门未关闭的概率越大)。

下面介绍本申请提供的配电箱门检测方法。图2是本申请实施例所提供的一种配电箱门检测方法的流程示意图，该配电箱门检测方法的执行主体可以为服务器。需要说明的是，上述执行主体并不构成对本申请的限定。

如图2所示，本申请实施例提供的配电箱门检测方法可以包括步骤210-步骤230。

步骤210、获取配电箱处的至少一帧图像。

其中，针对至少一帧图像中的每一帧图像，其可以具有配电箱和配电箱门。

步骤220、识别至少一帧图像中的配电箱门，得到包含目标对象的目标框。

其中，目标对象可以包含配电箱门，以及与配电箱门连接的配电箱。

步骤230、根据目标对象的尺寸，确定配电箱门的开闭状态。

在本申请的实施例中，通过识别获取的配电箱处的具有配电箱和配电箱门的至少一帧图像中的配电箱门，得到包含配电箱门和与配电箱门连接的配电箱的目标框，然后根据配电箱门和配电箱的尺寸，可确定配电箱门的开闭状态，如此无需人工去检测配电箱门是否关闭，节省了人力成本，同时也提升了配电箱门是否关闭的检测效率。下面对本申请实施例提供的配电箱门检测方法进行详细介绍。

首先介绍步骤210、获取配电箱处的至少一帧图像。

其中，针对至少一帧图像中的每一帧图像，其可以具有配电箱和配电箱门。

在本申请的一些实施例中，配电箱处的至少一帧图像可以是基于设置于配电箱处的摄像头获取的视频截取得到。

在本申请的一些实施例中，为了减少计算资源，可以对获取的至少一帧图像进行抽帧处理，具体的抽帧过程可参考上述检测模型的训练过程中的描述，在此不再赘述。

然后介绍步骤320、识别至少一帧图像中的配电箱门，得到包含目标对象的目标框。

其中，目标对象可以包含配电箱门，以及与配电箱门连接的配电箱。

目标框可以是将目标对象包含进去的框。

在一个示例中，如图3所示，目标框31将配电箱32，以及配电箱门33框起来。

在本申请的一些实施例中，为了进一步提升配电箱门检测的效率，步骤320具体可以包括：

利用检测模型中的第一编码器识别至少一帧图像中的配电箱门，得到包含目标对象的目标框。

其中，检测模型可以是用于检测配电箱门的开闭状态的模型。例如可以是基于深度学习的神经网络模型。

第一编码器可以是用于识别至少一帧图像中的配电箱门，得到包含目标对象的目标框的编码器。例如可以是处理器等。

在本申请的实施例中，通过检测模型中的第一编码器识别至少一帧图像中的配电箱门，得到包含目标对象的目标框，如此可快速得到包含目标对象的目标框，提升了目标框的获取效率，进而提升了配电箱门检测的效率。

最后介绍步骤330、根据目标对象的尺寸，确定配电箱门的开闭状态。

在本申请的一些实施例中，配电箱门的开闭状态可以是配电箱门是关闭的还是开启的。

在本申请的一些实施例中，为了进一步提升配电箱门检测的效率，步骤330具体可以包括：

利用检测模型中的第二编码器根据目标对象的尺寸，确定配电箱门的开闭状态。

其中，第二编码器可以是根据目标对象的尺寸，确定配电箱门的开闭状态的编码器，例如可以是处理器等。

在本申请的实施例中，通过检测模型中的第二编码器根据目标对象的尺寸，确定配电箱门的开闭状态，如此可快速确定配电箱门的开闭状态，提升了配电箱门检测的效率。

在本申请的一些实施例中，步骤330具体可以包括：

在目标对象的尺寸大于预设阈值的情况下，确定配电箱门未关闭。

其中，预设阈值可以是预先这的目标对象的尺寸阈值。

在一个示例中，正常情况下，配电箱门在关闭的情况下，目标对象的尺寸为10000立方厘米，若当前检测出目标对象的尺寸为大于10000立方厘米，则证明配电箱门未关闭。

在本申请的一些实施例中，如果出现检测的配电箱门未关，则进行预警，并关注接下来几帧图像的目标对象的情况。具体的可以是如果判断检测的配电箱门连续多帧图像中被判定为未关时，则认为该配电箱门未关，则进行报警。

通过上述训练得到的检测模型，可对获取的配电箱出的图像进行试验，本次试验选取四个时间段，其中包括上午、中午、下午和晚上，并选取了1-3个测试场景，获取足够的图像测试，具体结果见下表1。

表1

算法类型	测试场景数	视频帧数	正确识别	错误识别	正确率
						配电箱未关闭	2	5642	5331	311	94.5％
配电箱未关闭	1	2403	2278	125	94.7％
						配电箱未关闭	2	6123	5875	248	95.9％
配电箱未关闭	2	4339	4147	192	95.5％

由上述表1可知，本申请训练的检测模型在检测配电箱门是否关闭时，其正确率达到94％以上，具有很好的检测效果。

需要说明的是，本申请实施例提供的配电箱门检测方法，执行主体可以为配电箱门检测装置，或者该配电箱门检测装置中的用于执行配电箱门检测方法的控制模块。

基于与上述的配电箱门检测方法相同的发明构思，本申请还提供了一种配电箱门检测装置。下面结合图4对本申请实施例提供的配电箱门检测装置进行详细说明。

图4是根据一示例性实施例示出的一种配电箱门检测装置的结构示意图。

如图4所示，该配电箱门检测装置400可以包括：

第一获取模块410，用于获取配电箱处的至少一帧图像；其中，所述至少一帧图像中具有所述配电箱和配电箱门；

第一确定模块420，用于识别所述至少一帧图像中的所述配电箱门，得到包含目标对象的目标框；其中，所述目标对象包含所述配电箱门，以及与所述配电箱门连接的配电箱；

第二确定模块430，用于根据所述目标对象的尺寸，确定所述配电箱门的开闭状态。

在本申请的实施例中，通过第一获取模块获取的配电箱处的具有配电箱和配电箱门的至少一帧图像，然后基于第一确定模块识别至少一帧图像中的配电箱门，得到包含配电箱门和与配电箱门连接的配电箱的目标框，然后基于第二确定模块根据配电箱门和配电箱的尺寸，可确定配电箱门的开闭状态，如此无需人工去检测配电箱门是否关闭，节省了人力成本，同时也提升了配电箱门是否关闭的检测效率。

在本申请的一些实施例中，为了进一步提升配电箱门检测的效率，第一确定模块420具体可以用于：利用检测模型中的第一编码器识别所述至少一帧图像中的所述配电箱门，得到包含目标对象的目标框。

在本申请的一些实施例中，为了进一步提升配电箱门检测的效率，第二确定模块430具体可以用于：

利用检测模型中的第二编码器根据所述目标对象的尺寸，确定所述配电箱门的开闭状态。

在本申请的一些实施例中，为了进一步提升配电箱门检测的效率，上述所涉及的配电箱门检测装置还可以包括：

第二获取模块，用于获取配电箱处的多个历史图像，以及与每个历史图像对应的历史标签图像；

构建模块，用于分别将每个历史图像，以及每个历史图像对应的历史标签构建训练样本；

训练模块，用于根据多个训练样本，训练所述检测模型，直至满足训练停止条件，得到训练后的检测模型。

在本申请的一些实施例中，为了提升检测模型的检测正确率，上述所涉及的配电箱门检测装置还可以包括：

针对每个历史图像，对所述历史图像进行图像处理，得到不同天气条件下的第一目标历史图像。

在本申请的一些实施例中，所述检测模型包括卷积层，所述卷积层中包括M个卷积核。

在本申请的一些实施例中，为了保持检测模型的轻量化，上述所涉及的配电箱门检测装置还可以包括：

计算模块，用于计算各卷积核对应的L1范数；

筛选模块，哟弄欧冠与将各卷积核对应的L1范数按照从大到小的顺序进行排序，将排序前N的L1范数对应的卷积核筛选出来，得到目标卷积核；其中，N为正整数，且N≤M；

第三确定模块，用于将所述目标卷积核作为所述检测模型的卷积层。

本申请实施例提供的配电箱门检测装置，可以用于执行上述各方法实施例提供的配电箱门检测方法，其实现原理和技术效果类似，为简介起见，在此不再赘述。

基于同一发明构思，本申请实施例还提供了一种电子设备。

图5是本申请实施例提供的一种电子设备的结构示意图。如图5所示，电子设备可以包括处理器501以及存储有计算机程序或指令的存储器502。

具体地，上述处理器501可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。

存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器502可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器502可在综合网关容灾设备的内部或外部。在特定实施例中，存储器502是非易失性固态存储器。存储器可包括只读存储器(Read Only Memory image，ROM)、随机存取存储器(Random-Access Memory，RAM)、磁盘存储介质设备、光存储介质设备、闪存设备、电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行上述实施例提供的配电箱门检测方法所描述的操作。

处理器501通过读取并执行存储器502中存储的计算机程序指令，以实现上述实施例中的任意一种配电箱门检测方法。

在一个示例中，电子设备还可包括通信接口503和总线510。其中，如图5所示，处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。

通信接口503，主要用于实现本发明实施例中各模块、设备、单元和/或设备之间的通信。

总线510包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、***组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线510可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。

该电子设备可以执行本发明实施例中的配电箱门检测方法，从而实现图2描述的配电箱门检测方法。

另外，结合上述实施例中的配电箱门检测方法，本发明实施例可提供一种可读存储介质来实现。该可读存储介质上存储有程序指令；该程序指令被处理器执行时实现上述实施例中的任意一种配电箱门检测方法。

另外，结合上述实施例中的配电箱门检测方法，本发明实施例可提供一种计算机程序产品，该计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行上述实施例中的任意一种配电箱门检测方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或***。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

上面参考根据本申请的实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本申请的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的***、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种配电箱门检测方法，其特征在于，所述方法包括：

获取配电箱处的至少一帧图像；其中，所述至少一帧图像中具有所述配电箱和配电箱门；

识别所述至少一帧图像中的所述配电箱门，得到包含目标对象的目标框；其中，所述目标对象包含所述配电箱门，以及与所述配电箱门连接的配电箱；

根据所述目标对象的尺寸，确定所述配电箱门的开闭状态。

2.根据权利要求1所述的方法，其特征在于，所述识别所述至少一帧图像中的所述配电箱门，得到包含目标对象的目标框，包括：

利用检测模型中的第一编码器识别所述至少一帧图像中的所述配电箱门，得到包含目标对象的目标框。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象的尺寸，确定所述配电箱门的开闭状态，包括：

利用检测模型中的第二编码器根据所述目标对象的尺寸，确定所述配电箱门的开闭状态。

4.根据权利要求1所述的方法，其特征在于，在所述获取配电箱处的至少一帧图像之前，所述方法还包括：

获取配电箱处的多个历史图像，以及与每个历史图像对应的历史标签图像；

分别将每个历史图像，以及每个历史图像对应的历史标签图像构建训练样本；

根据多个训练样本，训练所述检测模型，直至满足训练停止条件，得到训练后的检测模型。

5.根据权利要求4所述的方法，其特征在于，在所述获取配电箱处的多个历史图像之后，所述方法还包括：

针对每个历史图像，对所述历史图像进行图像处理，得到不同天气条件下的第一目标历史图像；

获取与每个历史图像对应的历史标签图像，包括：

获取与每个第一目标历史图像对应的第一目标历史标签图像；

所述分别将每个历史图像，以及每个历史图像对应的历史标签构建训练样本，包括：

分别将每个第一目标历史图像，以及每个第一目标历史图像对应的第一目标历史标签构建训练样本。

6.根据权利要求4所述的方法，其特征在于，所述检测模型包括卷积层，所述卷积层中包括M个卷积核；

在所述得到训练后的检测模型之后，所述方法还包括：

计算各卷积核对应的L1范数；

将各卷积核对应的L1范数按照从大到小的顺序进行排序，将排序前N的L1范数对应的卷积核筛选出来，得到目标卷积核；其中，N为正整数，且N≤M；

将所述目标卷积核作为所述检测模型的卷积层。

7.一种配电箱门检测装置，其特征在于，所述装置包括：

第一获取模块，用于获取配电箱处的至少一帧图像；其中，所述至少一帧图像中具有所述配电箱和配电箱门；

第一确定模块，用于识别所述至少一帧图像中的所述配电箱门，得到包含目标对象的目标框；其中，所述目标对象包含所述配电箱门，以及与所述配电箱门连接的配电箱；

第二确定模块，用于根据所述目标对象的尺寸，确定所述配电箱门的开闭状态。

8.一种电子设备，其特征在于，所述电子设备包括：处理器以及存储有计算机程序指令的存储器；所述处理器执行所述计算机程序指令时实现如权利要求1-6任意一项所述的配电箱门检测方法。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的配电箱门检测方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-6任意一项所述的配电箱门检测方法。

Images