[发明专利]一种刀闸状态识别方法、装置、设备和存储介质

权利要求书

1.一种刀闸状态识别方法，其特征在于，包括：

采集待识别刀闸的图像数据，并对所述图像数据进行预处理后，得到处理后的图像数据；

提取所述处理后的图像数据中对应所述待识别刀闸的图像特征，并根据所述图像特征和已训练的分类器，确定所述待识别刀闸的类型；

根据所述待识别刀闸的类型、所述处理后的图像数据和已训练的深度学习模型，确定所述待识别刀闸的状态结果。

2.根据权利要求1所述的刀闸状态识别方法，其特征在于，所述提取所述处理后的图像数据中对应所述待识别刀闸的图像特征，并根据所述图像特征和已训练的分类器，确定所述待识别刀闸的类型，具体包括：

将所述处理后的图像数据转化为灰度直方图；

根据所述灰度直方图，确定刀闸区域和背景区域的分割阈值；

根据所述分割阈值，对所述处理后的图像数据进行二值化处理，确定所述刀闸区域；

在所述刀闸区域中进行特征提取，得到所述待识别刀闸的图像特征；

将所述图像特征输入所述分类器中，得到所述待识别刀闸的类型。

3.根据权利要求1所述的刀闸状态识别方法，其特征在于，所述根据所述待识别刀闸的类型、所述处理后的图像数据和已训练的深度学习模型，确定所述待识别刀闸的状态结果，具体包括：

根据所述待识别刀闸的类型，确定滑动窗口的尺度；

根据所述滑动窗口的尺度，确定所述处理后的图像数据对应的矩形框；提取所述矩形框内的所述待识别刀闸和绝缘子的特征信息；

将所述特征信息输入至所述深度学习模型中，得到待识别刀闸的状态结果。

4.根据权利要求1所述的刀闸状态识别方法，其特征在于，所述对所述图像数据进行预处理，具体包括：

采用邻域平均法对所述图像数据平滑、去噪后，通过直方图均衡法对所述图像数据的边缘信息进行增强，得到处理后的图像数据。

5.根据权利要求1所述的刀闸状态识别方法，其特征在于，所述深度学习模型是通过样本数据训练得到的，所述样本数据包括刀闸和绝缘子的特征信息。

6.根据权利要求1所述的刀闸状态识别方法，其特征在于，所述分类器是通过刀闸的图像样本数据训练得到的。

7.一种刀闸状态识别装置，其特征在于，包括：

采集模块，用于采集待识别刀闸的图像数据，并对所述图像数据进行预处理后，得到处理后的图像数据；

分类模块，用于提取所述处理后的图像数据中对应所述待识别刀闸的图像特征，并根据所述图像特征和已训练的分类器，确定所述待识别刀闸的类型；

识别模块，用于根据所述待识别刀闸的类型、所述处理后的图像数据和已训练的深度学习模型，确定所述待识别刀闸的状态结果。

8.根据权利要求7所述的刀闸状态识别装置，其特征在于，

所述分类模块，具体用于将所述处理后的图像数据转化为灰度直方图；

根据所述灰度直方图，确定刀闸区域和背景区域的分割阈值；

根据所述分割阈值，对所述处理后的图像数据进行二值化处理，确定所述刀闸区域；

在所述刀闸区域中进行特征提取，得到所述待识别刀闸的图像特征；

将所述图像特征输入所述分类器中，得到所述待识别刀闸的类型。

9.一种刀闸状态识别设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述的刀闸状态识别方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的刀闸状态识别方法的步骤。