[发明专利]一种智能机器人巡检数据高效处理系统

说明书

本发明涉及一种智能机器人巡检数据高效处理系统，包括数据平台，所述数据平台通过各个数据处理接口与各电厂相连；所述数据平台上搭建有标准数字化图库，所述标准数字化图库包括设备多角度的外观正常图像和异常图像、不同类型的断路器的机构在开断状态下的标准图片以及红外图谱库；各电厂中的智能机器人的巡检数据通过各自的数据处理接口上传至所述数据平台，所述数据平台通过图像分析方法对巡检数据进行智能分析，实现对智能机器人巡检数据的信息识别和预警判断。

技术领域

本发明涉及电力设备领域，具体而言，涉及一种智能机器人巡检数据高效处理系统。

背景技术

变电站巡检机器人主要通过各种检测与传感装置，来实现对变电设备运行状态的巡视检查。一般一个变电站的机器人巡检点数在3000-5000个，当智能机器人巡检推广应用后将会产生海量的可见光和红外图像等巡检数据。因此，如何实现对此类非结构化的巡检数据进行高效处理分析，是提升智能巡检机器人实用化的关键问题。

发明内容

为解决上述技术问题，本发明提供一种智能机器人巡检数据高效处理系统。

本发明采用的技术方案是：提供一种智能机器人巡检数据高效处理系统，包括数据平台，所述数据平台通过各个数据处理接口与各电厂相连；所述数据平台上搭建有标准数字化图库，所述标准数字化图库包括设备多角度的外观正常图像和异常图像、不同类型的断路器的机构在开断状态下的标准图片以及红外图谱库；各电厂中的智能机器人的巡检数据通过各自的数据处理接口上传至所述数据平台，所述数据平台通过图像分析方法对巡检数据进行智能分析，实现对智能机器人巡检数据的信息识别和预警判断；所述巡检数据为智能机器人拍摄的图像，所述图像分析方法包括对巡检数据进行聚类与过滤；构建图像特征提取网络，将过滤后的巡检数据进行分类确定设备分类；基于设备分类，确定待识别设备可能存在的缺陷，并自动选取缺陷诊断网络模型；基于图像设备缺陷预测结果，制定多重缺陷阈值，实现缺陷的自主识别。

在本发明所述的智能机器人巡检数据高效处理系统中，所述标准数字化图库采用DXTC压缩算法、ETC压缩算法、PVRTC压缩算法或ASTC压缩算法对图像进行存储。

在本发明所述的智能机器人巡检数据高效处理系统中，所述ETC压缩算法包括：将图像中的chromatic和luminance分开存储，在解码时使用luminance对chromatic进行调制。

在本发明所述的智能机器人巡检数据高效处理系统中，构建图像特征提取网络，将过滤后的巡检数据进行分类确定设备分类包括：以全时段、多天气、复杂背景的巡检图像，构建卷积神经网络训练数据集；通过标注的方式，构建用于巡检设备识别与缺陷诊断的巡检图像标注数据集；利用标注数据集训练神经网络；利用训练后的神经网络进行设备分类；针对巡检设备识别与缺陷诊断，将神经网络中的分类层替换成为定位与识别层，实现对设备及缺陷的定位与相应缺陷的类型识别。

在本发明所述的智能机器人巡检数据高效处理系统中，所述智能机器人利用红外摄像头以及可见光摄像头拍摄图像。

在本发明所述的智能机器人巡检数据高效处理系统中，所述智能机器人为室外巡检机器人，用于通过红外热像仪、可见光CCD、拾音器对室外环境进行信息采集。

在本发明所述的智能机器人巡检数据高效处理系统中，所述智能机器人为室内巡检机器人，用于对设备柜体号、指示灯、开关按钮、仪表读数、柜体内部温度、柜体内部局部放电现象和室内环境温湿度进行信息采集。

本发明提供的智能机器人巡检数据高效处理系统，基于视觉技术、图像分析技术，建立机器人巡视作业类型的标准数据库，实现了巡检图像数据的高时效性的分析与处理，满足了巡检后对图像高效分析的需求。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例的框架结构示意图。