[发明专利]变电站隔离刀闸状态自动识别方法及系统

说明书

本公开提供了一种变电站隔离刀闸状态自动识别方法及系统，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。

技术领域

本公开属于隔离刀闸自动状态识别技术领域，具体涉及一种变电站隔离刀闸状态自动识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

目前随着图像处理和计算机视觉等技术的飞速发展，通过摄像头和传统计算机视觉算法使得变电站隔离刀闸的定位和识别成为了可能，但据发明人了解，传统的计算机视觉算法对光线、角度比较敏感，识别效果往往不佳。也有通过固定机械设备、传感器对隔离刀闸状态进行检测的，不能很好地区分不同种类的隔离刀闸，但这种方式成本比较高，也不够灵活，不便于普遍推广。

发明内容

本公开为了解决上述问题，提出了一种变电站隔离刀闸状态自动识别方法及系统，本公开能够在多场景下自动识别出刀闸的种类，定位出刀闸的位置，判断出刀闸的开合状态。对于隔离刀闸的状态实现智能化识别可以极大节约站内人力运维投入，也推进了智能化变电站建设的步伐。

根据一些实施例，本公开采用如下技术方案：

一种变电站隔离刀闸状态自动识别系统，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。

所述处理系统为搭载于巡检机器人上的深度学习算法模型。

所述巡检机器人上设置有供电系统，所述供电系统巡检机器人、处理系统和控制系统供电。

一种变电站隔离刀闸状态自动识别方法，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。

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G x G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。

一种计算机可读存储介质，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所述的一种变电站隔离刀闸状态自动识别方法。