[发明专利]一种变压器部件的智能识别方法和装置

说明书

本发明涉及一种变压器部件的智能识别方法和装置，所述变压器部件包括套管，所述方法包括以下步骤：S1：获取变压器图像，并载入预训练后的第一模型中，识别所述变压器图像中的各个变压器部件，并获取变压器图像中各变压器部件的区域；S2：基于步骤S1中获取的各变压器部件的区域，切割出所述变压器部件中套管的区域；S3：将所述套管的区域图像载入预训练后的第二模型中，识别出套管的颜色和字符信息，从而确定套管的相别。与现有技术相比，本发明能进一步识别出套管的相别，具有识别精度高，且方法稳定可靠等优点。

技术领域

本发明涉及人工智能领域，尤其是涉及一种变压器部件的智能识别方法和装置。

背景技术

随着人工智能技术的发展，越来越多先进智能感知技术应用到变电站运维中，以辅助运维人员更方便、快速的处理数据图像资料，形成关联分析，以进一步提升设备管理水平。

现有的用于识别变压器部件的技术侧重于对变压器部件的识别，并没有进一步的扩展。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种变压器部件的智能识别方法和装置。

本发明的目的可以通过以下技术方案来实现：

一种变压器部件的智能识别方法，所述变压器部件包括套管，所述方法包括以下步骤：

S1：获取变压器图像，并载入预训练后的第一模型中，识别所述变压器图像中的各个变压器部件，并获取变压器图像中各变压器部件的区域；

S2：基于步骤S1中获取的各变压器部件的区域，切割出所述变压器部件中套管的区域；

S3：将所述套管的区域图像载入预训练后的第二模型中，识别出套管的颜色和字符信息，从而确定套管的相别。

进一步地，所述变压器部件还包括油枕、风扇和变压器本体。

进一步地，所述第一模型的训练过程包括：获取变压器样本图像，按照油枕、风扇、套管、变压器本体对变压器做解构分类标注，生成第一训练集和第一测试集，从而对所述第一模型进行训练。

进一步地，所述第二模型的训练过程包括：获取套管样本图像，对套管样本图像进行颜色和字符信息标注，生成第二训练集和第二测试集，从而对所述第二模型进行训练。

进一步地，所述第一模型基于卷积神经网络建立。

进一步地，所述第一模型对所述变压器部件的识别过程包括以下步骤：

S1：从所述变压器图像中提取二维特征向量；

S2：在二维特征向量的每一个网格生成不同的锚点；

S3：使用标注框对识别的区域进行标注；

S4：将标注框与生成的锚点做回归处理，并对不同的标注框进行切割分类。

进一步地，所述套管的颜色包括红色、绿色和黄色。

进一步地，所述字符信息包括“A”字符、“B”字符和“C字符”。

本发明还提供一种变压器部件的智能识别装置，包括存储器和处理器，所述存储器存储有计算机程序，处理器调用所述计算机程序执行上述的方法的步骤。

与现有技术相比，本发明具有以下优点：

(1)本发明通过第一模型识别出变压器的各个部件后，进一步地通过第二模型识别出变压器中套管的相别，既进一步实现对套管相别的识别，提升了设备管理水平；又提高了套管相别的识别精度，方法简单且稳定可靠。

(2)本发明将第一模型与第二模型分开进行训练，能提高第一模型与第二模型的识别准确度。