[发明专利]一种AI前端化的变电站巡检视频实时识别方法及系统

权利要求书

1.基于AI前端化的变电站巡检视频实时识别系统，其特征是，包括：

至少一固定点相机、至少一机器人相机及AI分析模块；

所述机器人相机安装在变电站巡检机器人上，用于采集变电站巡检机器人巡视路线覆盖区域内设备及环境视频信息；

所述固定点相机分布于变电站设备区内，用于采集变电站设备区内机器人巡检无法到达区域内设备及环境视频信息；

所述AI分析模块对固定点相机、机器人相机所采集的变电站巡检视频实时进行处理，识别并输出设备位置信息，并对采集视频中设备图像信息进行分析处理，在前端实现设备状态的实时跟踪。

2.如权利要求1所述的基于AI前端化的变电站巡检视频实时识别系统，其特征是，还包括云台模块，所述固定点相机及机器人相机分别设置在各自对应的云台模块上；

所述AI分析模块在目标跟踪过程中，将设备的实时位置信息发送给云台模块,调整云台坐标使得设备位于图像中央,并调整相机的焦距，获得抓图设备的细节图像信息，实现设备状态的实时调整。

3.如权利要求1所述的基于AI前端化的变电站巡检视频实时识别系统，其特征是，所述AI分析模块为多个，多个固定点相机分为多组，每组中的固定点相机均连接至对应的AI分析模块。

4.如权利要求1所述的基于AI前端化的变电站巡检视频实时识别系统，其特征是，还包括变电站巡视视频后台，所述变电站巡视视频后台，用于收集各个AI分析模块分析后的设备状态数据，并进行后台的展示和数据关联性的分析。

5.如权利要求4所述的基于AI前端化的变电站巡检视频实时识别系统，其特征是，所述机器人相机连接至对应的AI分析模块，AI分析模块通过无线方式与变电站巡视视频后台通信。

6.一种AI前端化的变电站巡检视频实时识别方法，其特征是，包括：

利用固定点相机及机器人相机采集的数据在前端进行样本及模型构建，形成变电设备模型及变电设备状态识别模型；

利用模型对固定点监控相机及机器人巡检视频进行设备目标的检测，其中，基于变电设备模型对巡视视频中设备的识别及定位；

识别到设备后对目标设备进行跟踪，在目标跟踪过程中采集图像精细信息，基于变电设备状态识别模型对巡视视频中设备状态进行识别。

7.如权利要求6所述的一种AI前端化的变电站巡检视频实时识别方法，其特征是，所述样本及模型构建时，采集的数据包括站内设备及设备各种状态的图像数据，对图像数据进行标注，形成变电设备的图像样本库，采用深度学习目标检测算法对样本图像进行训练，形成变电设备模型及变电设备状态识别模型。

8.如权利要求6所述的一种AI前端化的变电站巡检视频实时识别方法，其特征是，还包括识别模型初始化步骤：AI分析模块加载变电设备模型和变电设备状态识别模型。

9.如权利要求6所述的一种AI前端化的变电站巡检视频实时识别方法，其特征是，基于变电设备模型对巡视视频中设备的识别及定位，并输出目标设备在巡检图像中的检测框，包括目标设备中心位置及设备区域的长和宽。

10.如权利要求6所述的一种AI前端化的变电站巡检视频实时识别方法，其特征是，识别到设备后对目标设备进行跟踪，使用KCF方法对目标设备进行跟踪：

(X_t,Y_t,W_t,H_t)＝KCF(R(t_reference))

t_reference＝Floor(t/d_t)×d_t

(X_t,Y_t,W_t,H_t)为t时刻KCF算法跟踪的坐标输出，R(t_reference)为目标检测算法t_reference时刻输出的目标设备的坐标；

每隔d_t时间间隔计算一次目标检测识别算法，并作为KCF算法的输入坐标，使用目标检测算法定期更新KCF算法的输入坐标。