[发明专利]一种基于AR眼镜的电力屏柜压板状态识别方法及系统

权利要求书

1.一种基于AR眼镜的电力屏柜压板状态识别方法，其特征在于，包括：

接收AR眼镜在现场拍摄的电力屏柜中的压板图片；

通过OpenCV颜色识别法分割出所述电力屏柜中的压板图片中每个单独的压板图片；

通过训练好的VGG模型对每个单独的压板图片进行识别，识别出电力屏柜中每个单独压板为投状态或退状态；

所述VGG模型的训练方法，包括：

获取样本图片，采集不同角度、光线条件和状态的多个电力屏柜中的压板图片，将电力屏柜中的压板图片进行切割处理获得多个单独的压板图片；将每个单独的压板图片进行拉伸、裁剪和/或调色处理以获得多个相似图片一起组成样本图片；

标注样本图片，将所有样本图片进行投退状态标注；

训练VGG模型，基于标注的样本图片，使用交叉熵损失函数和正则化计算函数的比重之和作为优化函数，最终训练出使优化函数最小的VGG模型。

2.根据权利要求1所述的一种基于AR眼镜的电力屏柜压板状态识别方法，其特征在于，所述通过OpenCV颜色识别法分割出所述图片中每个单独的压板图片，包括：

将AR眼镜拍摄的压板图片的颜色模型从RGB转化HSV模型；

针对压板外的红色边框进行颜色检测得到图片的二值图像，对所述二值图像进行开操作和闭操作，获得每一行压板的矩形范围及矩形四个角在图像上的坐标；

预设每一行压板个数，结合所述矩形范围及坐标，计算出每一个压板的范围及坐标；

使用cvSetImageROI法裁剪矩形得到每个单独的压板图片。

3.根据权利要求1所述的一种基于AR眼镜的电力屏柜压板状态识别方法，其特征在于，所述VGG模型采用3*3卷积核和2*2的池化核。

4.根据权利要求1所述的一种基于AR眼镜的电力屏柜压板状态识别方法，其特征在于，所述交叉熵损失函数表示如下：

其中，x表示输入图像的特征；p(x)表示训练数据真实压板状态二元分类概率，如果为投，则为1，如果为非投，则为0；q(x)表示输入图像网络预测投退状态二元分类概率，此概率由SIGMOD函数得出概率。

5.根据权利要求1所述的一种基于AR眼镜的电力屏柜压板状态识别方法，其特征在于，所述正则化计算函数表示如下：

其中，i表示第i层神经网络隐藏层；a表示正则化系数，配置神经网络超参时预先设定；w_i表示第i层权重参数。

6.根据权利要求1所述的一种基于AR眼镜的电力屏柜压板状态识别方法，其特征在于，所述优化函数表示如下：

J＝H(p,q)+λR(w)

其中，λ表示正则化计算函数在优化函数中所占的比重，配置神经网络超参时预先设定。

7.一种基于AR眼镜的电力屏柜压板状态识别系统，其特征在于，包括：

压板图片获取模块，用于接收AR眼镜在现场拍摄的电力屏柜中的压板图片；

压板图片分割模块，用于通过OpenCV颜色识别法分割出所述电力屏柜中的压板图片中每个单独的压板图片；

压板状态识别模块，用于通过训练好的VGG模型对每个单独的压板图片进行识别，识别出电力屏柜中每个单独压板为投状态或退状态；

所述VGG模型的训练方法，包括：

获取样本图片，采集不同角度、光线条件和状态的多个电力屏柜中的压板图片，将电力屏柜中的压板图片进行切割处理获得多个单独的压板图片；将每个单独的压板图片进行拉伸、裁剪和/或调色处理以获得多个相似图片一起组成样本图片；

标注样本图片，将所有样本图片进行投退状态标注；

训练VGG模型，基于标注的样本图片，使用交叉熵损失函数和正则化计算函数的比重之和作为优化函数，最终训练出使优化函数最小的VGG模型。

8.根据权利要求7所述的一种基于AR眼镜的电力屏柜压板状态识别系统，其特征在于，所述通过OpenCV颜色识别法分割出所述电力屏柜中的压板图片中每个单独的压板图片，具体包括：

将AR眼镜拍摄的压板图片的颜色模型从RGB转化HSV模型；

针对压板外的红色边框进行颜色检测得到图片的二值图像，对所述二值图像进行开操作和闭操作，获得每一行压板的矩形范围及矩形四个角在图像上的坐标；

预设每一行压板个数，结合所述矩形范围及坐标，计算出每一个压板的范围及坐标；

使用cvSetImageROI法裁剪矩形得到每个单独的压板图片。