CN115984724A - 变电站表计的智能巡检方法、装置、***及设备 - Google Patents

Abstract

本申请涉及一种变电站表计的智能巡检方法、装置、***及设备，本实施例所述的变电站表计的智能巡检方法，通过无人机在预设的巡检航线上拍摄变电站表计图片；将拍摄的变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；根据所述刻度图像和所述指针图像，获取变电站表计的读数。通过本实施例所述的变电站表计的智能巡检方法能够减少人工的工作量，大大提高变电站智能化巡检的效率和准确性，巡检数据也便于进行追溯分析。

Description

变电站表计的智能巡检方法、装置、***及设备

技术领域

本申请涉及变电站巡检技术领域，特别是涉及一种变电站表计的智能巡检方法、装置、***及设备。

背景技术

避雷器监测表是一种能够监测避雷器泄漏电流和动作次数的仪表，是避雷器运行状态监测采取的主要技术手段。在以前避雷器监测表采用人工现场抄报方式，表盘读数可能受人员主观因素影响而出现误读、漏读、误记等问题并且巡视间隔周期相对较长，往往无法及时有效地发现避雷器故障。

随着电网规模的不断扩大和无人值守变电站的出现，变电站巡检从人工巡检走向了智能化巡检。通过搭载相机的无人机进行巡检，***自动实时捕捉到巡检区域设备的图片，然后通过人工筛选的方式，判断出是否属于避雷器表计设备，最终再判断出表计读数。但依靠人工筛选的方式面临很大的困难，由于变电站环境复杂，在变电站环境下拍摄避雷器表计时，存在角度、光线、遮挡等因素造成的视觉干扰，导致人工对拍摄的图片进行筛选时，存在一定程度的漏检和误检。

发明内容

基于此，本申请的目的在于，提出一种变电站表计的智能巡检方法，通过训练的模型对无人机巡检拍摄的变电站表计图片进行处理，智能识别和读取表计的读数。

本申请实施例公开了一种变电站表计的智能巡检方法，包括以下步骤：

获取无人机在预设的巡检航线上拍摄的变电站表计图片；

将所述变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；

将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；

根据所述刻度图像和所述指针图像，获取所述变电站表计的读数。

本申请实施例所述的变电站表计的智能巡检方法，通过无人机在预设的巡检航线上拍摄变电站表计图片；将拍摄的变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；根据所述刻度图像和所述指针图像，获取变电站表计的读数。通过本实施例所述的变电站表计的智能巡检方法能够减少人工的工作量，大大提高变电站智能化巡检的效率和准确性，巡检数据也便于进行追溯分析。

在一个实施例中，所述将截取的变电站表计图像通过表计分割模型进行分割的步骤还包括：

将表计分割模型分割得到的刻度图像和指针图像进行图像腐蚀，得到所述变电站表计的刻度图像和指针图像。

在一个实施例中，所述表计识别模型通过以下方式生成：

获取无人机在不同的时间段及不同的天气拍摄的变电站表计图片并标注变电站表计图像作为训练数据，通过神经网络进行表计识别训练。

在一个实施例中，所述表计分割模型通过以下方式生成：

获取若干经过表计识别模型识别并截取得到的变电站表计图像；

通过labelme标签标注工具对所述变电站表计图像标注刻度区域和指针区域，获得训练数据，通过神经网络进行表计图像分割训练。

在一个实施例中，所述表计识别模型为YOLOv5模型，所述表计分割模型为deeplabv3+模型。

本申请实施例还公开了一种变电站表计的智能巡检装置，包括：

图片获取模块，用于获取无人机在预设的巡检航线上拍摄的变电站表计图片；

图像截取模块，用于将所述变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；

图像分割模块，用于将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；

读数获取模块，用于根据所述刻度图像和所述指针图像，获取变电站表计的读数。

本申请实施例还公开了一种变电站表计的智能巡检***，包括：

无人机，用于在预设的巡检航线上航行并拍摄变电站表计图片，将所述变电站表计图片发送给处理平台；

处理平台，用于获取无人机在预设的巡检航线上拍摄的变电站表计图片；将所述变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；根据所述刻度图像和所述指针图像，获取所述变电站表计的读数。

本申请实施例还公开了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时控制所述计算机可读存储介质所在设备实现如上述实施例任意一项所述的方法。

本申请实施例还公开了一种计算机设备，包括存储器和处理器，所述存储器包括计算机程序，所述计算机程序在被所述处理器执行时，实现如上述实施例任意一项所述的方法。

为了更好地理解和实施，下面结合附图详细说明本申请。

附图说明

图1为本申请一实施例的变电站表计的智能巡检方法的流程示意图；

图2为本申请一实施例的变电站表计的智能巡检装置的示意图；

图3为本申请一实施例的变电站表计的智能巡检***的示意图；

图4为本申请一实施例的计算机设备的结构示意图。

具体实施方式

请参考图1，本申请实施例公开了一种变电站表计的智能巡检方法，包括以下步骤：

S101：获取无人机在预设的巡检航线上拍摄的变电站表计图片；

S102：将所述变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；

S103：将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；

S104：根据所述刻度图像和所述指针图像，获取所述变电站表计的读数。

本申请实施例所述的变电站表计的智能巡检方法，通过无人机在预设的巡检航线上拍摄变电站表计图片；将拍摄的变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；根据所述刻度图像和所述指针图像，获取所述变电站表计的读数。通过本实施例所述的变电站表计的智能巡检方法能够减少人工的工作量，大大提高变电站智能化巡检的效率和准确性，巡检数据也便于进行追溯分析。

本申请实施例所述的变电站表计的智能巡检方法的执行主体为与所述无人机通信连接的服务器。

对于步骤S101，根据需要进行输电线路巡检的路段，采用航线规划软件规划航线，使无人机根据规划的航线飞行并在预设的位置上自动拍摄变电站表计图片，获取无人机在预设的巡检航线上拍摄的变电站表计图片。

所述变电站表计是指变电站中用于监测变电站工作情况或环境条件的监测表，例如避雷器监测表。在一个实施例中，所述变电站表计是指变电站的避雷器监测表。

本实施例根据需要巡检的变电站，事先规划了无人机的航线并且根据变电站表计所在的方位在航线中设定了若干个无人机的拍摄点，使得无人机仅需要根据规划的航线到达设定的位置进行拍摄即可拍摄得变电站表计图片。进一步的，在一个实施例中，所述无人机上到达设定的拍摄点后，还可以通过预设的视觉识别算法对变电站表计进行识别锁定再进行拍摄，使得拍摄得的变电站表计图片更加的精准。

对于步骤S102，将所述变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像。

由于无人机拍摄的原始的变电站表计图片中往往除了变电站表计图像之外还包括其他干扰图像例如环境画面，本实施例通过表计识别模型对所述变电站表计图片进行处理，从而将其中的变电站表计图像提取出来。

所述表计识别模型用于识别并截取所述变电站表计图片中变电站表计图像，其可以为通过神经网络训练出来的用于识别所述变电站表计图像的模型。其中，所述变电站表计图像具体包括刻度图像和指针图像。

在一个实施例中，所述表计识别模型为YOLOv5模型。

在一个实施例中，所述表计识别模型通过以下方式生成：

获取无人机在不同的时间段及不同的天气拍摄的变电站表计图片并标注变电站表计图像作为训练数据，通过神经网络进行表计识别训练。

本实施例中无人机在不同的时间段及不同的天气拍摄的变电站表计图片并标注变电站表计图像作为训练数据，保证了训练的数据样本的多样性，使得训练出来的模型能够更好的识别出变电站表计图像。

对于步骤S103，将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像。

所述表计分割模型用于分割所述变电站表计图像的刻度图像和指针图像，其可以为通过5神经网络训练出来的用于分割所述变电站表计图像的刻度图像和指针图像的模型。

在一个实施例中，所述表计分割模型为deeplabv3+模型。

在一个实施例中，所述表计分割模型通过以下方式生成：

获取若干经过表计识别模型识别并截取得到的变电站表计图像；

通过labelme标签标注工具对所述变电站表计图像标注刻度区域和指针区域，获得训练0数据，并通过神经网络进行表计图像分割训练。

在一个实施例中，所述将截取的变电站表计图像通过表计分割模型进行分割的步骤还包括：

将表计分割模型分割得到的刻度图像和指针图像进行图像腐蚀，得到所述变电站表计的刻度图像和指针图像。

5本实施例中通过图像腐蚀操作剔除刻度图像和指针图像中相邻指针和刻度的干扰，使得

便于准确的获取所述变电站表计的读数。

对于步骤S104，根据所述刻度图像和所述指针图像，经过后处理技术得到所述变电站表计的读数。

请参考图2，本申请实施例还公开了一种变电站表计的智能巡检装置，包括：0图片获取模块201，用于获取无人机在预设的巡检航线上拍摄的变电站表计图片；

图像截取模块202，用于将所述变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；

图像分割模块203，用于将截取的变电站表计图像通过表计分割模型进行分割，得到所

述变电站表计的刻度图像和指针图像；

5读数获取模块204，用于根据所述刻度图像和所述指针图像，获取变电站表计的读数。

需要说明的是，上述实施例提供的变电站表计的智能巡检装置在执行变电站表计的智能巡检方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分为不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的变电站表计的智能巡检装置与变电站表计的智能巡检方法属于同一构思，其体现实现过程详见上述变电站表计的智能巡检方法实施例，这里不再赘述。

请参考图3，本申请实施例还公开了一种变电站表计的智能巡检***，包括：

无人机，用于在预设的巡检航线上航行并拍摄变电站表计图片，将所述变电站表计图片发送给处理平台；

处理平台，用于获取无人机在预设的巡检航线上拍摄的变电站表计图片；将所述变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；根据所述刻度图像和所述指针图像，获取所述变电站表计的读数。

需要说明的是，本实施例所述的变电站表计的智能巡检***是与本申请实施例所述的变电站表计的智能巡检方法属于同一发明构思，其体现实现过程详见上述变电站表计的智能巡检方法实施例，这里不再赘述。

本申请还公开了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述任一项实施例所述的方法。

参考图4，本申请还公开了一种计算机设备401，所述计算机设备包括存储器402和处理器403以及存储在该存储器402并可以在该处理器403上运行的计算机程序404；所述处理器403执行该计算机程序404时实现上述实施例中的步骤。

其中，该处理器403可以包括一个或多个处理核心。处理器403利用各种接口和线路连接计算机设备401内的各个部分，通过运行或执行存储在存储器402内的指令、程序、代码集或指令集，以及调用存储器402内的数据，执行计算机设备401的各种功能和处理数据，可选的，处理器403可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(Programble LogicArray，PLA)中的至少一个硬件形式来实现。处理器403可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作***、用户界面和应用程序等；GPU用于负责触摸显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器403中，单独通过一块芯片进行实现。

其中，存储器402可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器402包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器402可用于存储指令、程序、代码、代码集或指令集。存储器402可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作***的指令、用于至少一个功能的指令(比如触控指令等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器402可选的还可以是至少一个位于远离前述处理器403的存储装置。

以上所述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，则本申请也意图包含这些改动和变形。

Claims (9)

1.一种变电站表计的智能巡检方法，其特征在于，包括以下步骤：

获取无人机在预设的巡检航线上拍摄的变电站表计图片；

将所述变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；

将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；

根据所述刻度图像和所述指针图像，获取所述变电站表计的读数。

2.根据权利要求1所述的变电站表计的智能巡检方法，其特征在于，所述将截取的变电站表计图像通过表计分割模型进行分割的步骤还包括：

将表计分割模型分割得到的刻度图像和指针图像进行图像腐蚀，得到所述变电站表计的刻度图像和指针图像。

3.根据权利要求1所述的变电站表计的智能巡检方法，其特征在于，所述表计识别模型通过以下方式生成：

获取无人机在不同的时间段及不同的天气拍摄的变电站表计图片并标注变电站表计图像作为训练数据，通过神经网络进行表计识别训练。

4.根据权利要求1所述的变电站表计的智能巡检方法，其特征在于，所述表计分割模型通过以下方式生成：

获取若干经过表计识别模型识别并截取得到的变电站表计图像；

通过labelme标签标注工具对所述变电站表计图像标注刻度区域和指针区域，获得训练数据，通过神经网络进行表计图像分割训练。

5.根据权利要求1-4任意一项所述的变电站表计的智能巡检方法，其特征在于，

所述表计识别模型为YOLOv5模型，所述表计分割模型为deeplabv3+模型。

6.一种变电站表计的智能巡检装置，其特征在于，包括：

图片获取模块，用于获取无人机在预设的巡检航线上拍摄的变电站表计图片；

图像截取模块，用于将所述变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；

图像分割模块，用于将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；

读数获取模块，用于根据所述刻度图像和所述指针图像，获取变电站表计的读数。

7.一种变电站表计的智能巡检***，其特征在于，包括：

无人机，用于在预设的巡检航线上航行并拍摄变电站表计图片，将所述变电站表计图片发送给处理平台；

处理平台，用于获取无人机在预设的巡检航线上拍摄的变电站表计图片；将所述变电站表计图片通过表计识别模型处理，识别并截取变电站表计图像；将截取的变电站表计图像通过表计分割模型进行分割，得到所述变电站表计的刻度图像和指针图像；根据所述刻度图像和所述指针图像，获取所述变电站表计的读数。

8.一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，所述计算机程序被执行时控制所述计算机可读存储介质所在设备实现如权利要求1-5任意一项所述的方法。

9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器包括计算机程序，所述计算机程序在被所述处理器执行时，实现如权利要求1-5任意一项所述的方法。

Images