[发明专利]一种基于图像识别技术的变电站智能巡检方法及系统

权利要求书

1.一种基于图像识别技术的变电站智能巡检方法，其特征在于，包括以下步骤：

步骤1：获取终端设备发送的照片，所述照片大于等于1张；

步骤2：对深度卷积神经网络模型进行训练，得到设备缺陷识别模型；

步骤3：对照片进行预处理；

步骤4：将预处理后的照片输入设备缺陷识别模型中，得到照片中的设备缺陷信息，并发送给终端设备。

2.根据权利要求1所述的一种基于图像识别技术的变电站智能巡检方法，其特征在于，所述终端设备包括设备缺陷识别操作界面，对终端设备发送的图片数量进行控制；

所述设备缺陷识别操作界面包括单张照片识别控件和多张照片识别控件；所述单张照片识别控件接收用户通过设备缺陷识别操作界面发出的识别单张照片中变电站设备缺陷的指令；所述多张照片识别控件接收用户通过设备缺陷识别操作界面发出的识别多张照片中变电站设备缺陷的指令。

3.根据权利要求1所述的一种基于图像识别技术的变电站智能巡检方法，其特征在于，所述步骤1还包括：根据所述照片中电力设备所处场景的不同，对照片进行分类，将不同场景的照片分类到不同的照片类别中。

4.根据权利要求1所述的一种基于图像识别技术的变电站智能巡检方法，其特征在于，所述步骤2包括以下步骤：

步骤2.1：获取大于等于1张的包含变电站设备缺陷的照片样本；

步骤2.2：根据照片样本中的设备缺陷信息，对获取的照片样本中电力设备所处场景的不同进行分类，获得至少一个照片类别；

步骤2.3：对每个照片类别中各个照片样本进行白化处理后，调整各个照片样本的尺寸，再对照片样本进行数据增强，得到每个照片类别下的照片样本集合；

步骤2.4：从照片样本集合中随机抽取得到待训练照片样本集合和待校验照片样本集合；

步骤2.5：将待训练照片样本集合的照片样本依次输入深度卷积神经网络模型，利用随机梯度下降法对深度卷积神经网络模型进行训练，得到用于变电站设备缺陷分类检测的模型，并利用待校验照片样本集合的照片样本校核训练后的深度卷积神经网络模型，从而得到设备缺陷识别模型。

5.根据权利要求1所述的一种基于图像识别技术的变电站智能巡检方法，其特征在于，所述步骤3包括：对照片进行白化处理以过滤照片中的噪声像素，白化处理后的各个照片的像素均为0且像素方差为1；再调整照片的尺寸，使得照片与设备缺陷识别模型的输入参数匹配。

6.一种基于图像识别技术的变电站智能巡检系统，包括电子装置，所述电子装置与变电站内的终端设备连接，其特征在于：所述电子装置包括照片获取模块、模型训练模块、照片预处理模块、设备缺陷识别模块和信息发送模块；

所述照片获取模块获取终端设备发送的照片；

所述模型训练模块对深度卷积神经网络模型进行训练，得到设备缺陷识别模型；

所述照片预处理模块对所述照片获取模块获取到的照片进行预处理后，发送至设备缺陷识别模块；

所述设备缺陷识别模块将预处理后的照片输入所述模型训练模块的设备缺陷识别模型中，得到照片中的设备缺陷信息；

所述信息发送模块将设备缺陷识别模块得到的设备缺陷信息发送给终端设备。

7.根据权利要求6所述的一种基于图像识别技术的变电站智能巡检系统，其特征在于：所述终端设备包括设备缺陷识别操作界面，对终端设备发送的图片数量进行控制；

所述设备缺陷识别操作界面包括单张照片识别控件和多张照片识别控件；所述单张照片识别控件接收用户通过设备缺陷识别操作界面发出的识别单张照片中变电站设备缺陷的指令；所述多张照片识别控件接收用户通过设备缺陷识别操作界面发出的识别多张照片中变电站设备缺陷的指令。

8.根据权利要求6所述的一种基于图像识别技术的变电站智能巡检系统，其特征在于：所述电子装置还包括照片分类模块，所述照片分类模块对所述照片获取模块获取到的照片根据照片中电力设备所处场景的不同进行分类，将不同场景的照片分类到不同的照片类别中。