[发明专利]一种刀闸状态识别方法、装置、设备和存储介质

说明书

本发明涉及一种刀闸状态识别方法，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。本发明提高识别刀闸状态的准确率。本发明还涉及一种刀闸状态识别装置、设备和存储介质。

技术领域

本发明涉及信息采集技术领域，尤其涉及一种刀闸状态识别方法、装置、设备和存储介质。

背景技术

刀闸是一种手动控制的电力设备开关，能够在检修设备与带电设备之间形成分闸点，保障电力设备检修施工人员的人身安全。在实际施工过程中，施工人员需要准确判断开关刀闸的“连接”或“断开”状态，以保障安全。

目前，通过开关刀闸上增加传感器或其他装置实现对刀闸的状态的感应。但许多场合，在开关刀闸上增加装置并不现实，而且还要担心新增装置故障可能引发的误检问题。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种刀闸状态识别方法、装置、设备和存储介质。

本发明解决上述技术问题的技术方案如下：

一种刀闸状态识别方法，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。

本发明的有益效果是：提供一种刀闸状态识别方法，通过采集待识别刀闸的图像数据，并提取处理后的图像数据中对应待识别刀闸的图像特征，根据处理后的图像特征和已训练的分类器，确定待识别刀闸的类型，根据待识别刀闸的类型、处理后的图像数据和已训练的深度学习模型，确定待识别刀闸的状态结果，提高识别刀闸状态的准确率。

在上述技术方案的基础上，本发明还可以做如下改进。

进一步地，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。

采用上述进一步方案的有益效果是：通过提取处理后的图像数据中对应待识别刀闸的图像特征，并根据处理后的图像特征和已训练的分类器，确定待识别刀闸的类型，进一步提升了识别刀闸状态的准确度。

进一步地，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。