[发明专利]变电站隔离刀闸状态自动识别方法及系统

权利要求书

1.一种变电站隔离刀闸状态自动识别系统，其特征是：包括巡检机器人、处理系统和控制系统，所述巡检机器人上设置有双目摄像头，所述双目摄像头用于采集变电站隔离刀闸的图像，所述控制系统控制巡检机器人的移动，并将图像传输给处理系统，所述处理系统被配置为构建深度学习算法模型，根据离线采集的隔离刀闸状态识别的图像，人工进行隔离刀闸标注，对标注数据进行训练，利用训练后的深度学习算法模型对在线获取的隔离刀闸图像，进行处理，得到刀闸的种类、位置和开合状态。

2.如权利要求1所述的一种变电站隔离刀闸状态自动识别系统，其特征是：所述处理系统包含搭载于巡检机器人上的深度学习算法模型。

3.如权利要求1所述的一种变电站隔离刀闸状态自动识别系统，其特征是：所述巡检机器人上设置有供电系统，所述供电系统包含巡检机器人、处理系统和控制供电系统。

4.如权利要求1所述的一种变电站隔离刀闸状态自动识别系统，其特征是：

所述处理系统被配置为接收巡检机器人对设定位置的隔离刀闸的照片，利用训练的深度学习算法模型对图像进行处理，得到刀闸的种类、位置和开合状态。

5.如权利要求4所述的一种变电站隔离刀闸状态自动识别系统，其特征是：

搭建深度卷积神经网络，利用卷积层提取图像特征，利用池化层降低图像空间维度，利用残差层增强网络的表达能力，最后将图像抽象为一个GxG的特征网格；

每个网格生成B＝4个候选框，每个候选框预测5个量，分别为刀闸的x轴中心点、y轴中心点、刀闸宽度w、高度h和置信概率p。

6.如权利要求4所述的一种变电站隔离刀闸状态自动识别系统，其特征是：

所述处理系统被配置为构建神经网络损失函数，并通过前向传播和后向传播不断地训练神经网络，得到识别模型。

7.一种变电站隔离刀闸状态自动识别方法，其特征是：包括以下步骤：

离线采集用于隔离刀闸状态识别的图像，人工进行隔离刀闸标注，用深度学习算法模型对标注数据进行训练，使其能识别出刀闸类型和状态；

将训练的深度学习算法模型部署到变电站巡检机器人上，使其具有识别功能；

接收巡检机器人对设定位置的隔离刀闸的照片，利用训练的深度学习算法模型对图像进行处理，得到刀闸的种类、位置和开合状态。

8.如权利要求7所述的一种变电站隔离刀闸状态自动识别方法，其特征是：深度学习算法模型对标注数据进行训练，使其能识别出刀闸类型和状态的具体过程包括：

通过变电站智能巡检机器人采集多种场景下隔离刀闸的图像，并人工标注出刀闸的种类，位置和开合状态；

搭建深度卷积神经网络，利用卷积层提取图像特征，利用池化层降低图像空间维度，利用残差层增强网络的表达能力，最后将图像抽象为一个GxG的特征网格；

每个网格生成B＝4个候选框，每个候选框预测5个量，分别为刀闸的x轴中心点、y轴中心点、刀闸宽度w、高度h和置信概率p；

构建神经网络损失函数；

通过前向传播和后向传播不断地训练神经网络，得到识别模型。

9.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求7或8所述的一种变电站隔离刀闸状态自动识别方法。

10.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求7或8所述的一种变电站隔离刀闸状态自动识别方法。