[发明专利]一种基于深度学习的变电站设备漏油检测方法及检测系统

说明书

本发明公开了一种基于深度学习的变电站设备漏油检测方法及系统，属于变电站设备技术领域，包括照片获取模块、模型训练模块、照片预处理模块、设备漏油缺陷识别模块和信息发送模块，照片获取模块获取终端设备发送的待检测设备照片，在照片预处理模块中进行预处理后输入模型训练模块预先训练好的设备漏油缺陷识别模型中，得到照片中的设备漏油缺陷信息，再通过信息发送模块发送给终端设备，实现电力设备的缺陷识别。本发明解决了现有变电站智能巡检机器人在巡检时易受环境因素影响，导致巡检准确率和工作效率较低的问题。

技术领域

本发明涉及变电站设备技术领域，尤其涉及一种基于深度学习的变电站设备漏油检测方法及检测系统。

背景技术

变电站的设备巡检工作一直以来都是变电站在运行过程中的核心工作，对当前设备的运行状态进行检查，从而第一时间发现设备运行过程中所存在的缺陷，进而确保设备能够安全、可靠、稳定的运行。但就目前绝大多数变电站的巡检工作看来，变电站巡检过分依赖人工且恶劣环境下变电站设备易时效，因而恶劣环境下变电站的高效巡检工作显得格外重要。

传统的变电站巡检存在以下问题：一是地处高温、高盐、高湿、强台风地区的变电站，设备腐蚀及发热情况十分严重，值班员需要开展大量巡视及测温工作，工作量大，人力成本高；二是需要人工全天候监视，极易因巡视人员疲惫而导致无法有效识别出变电站的危险情况；三是人工开展巡视工作时，数小时内暴露在阳光直射，40摄氏度以上的高温环境下，容易引发相关疾病。

因此目前变电站智能巡检机器人的运用越来越广泛。基于巡检机器人，操作人员可以远离带电设备进行远程操作，安全性好，可靠性高，提高了巡检效率和巡检质量。但目前并没有专门针对变电站设备漏油缺陷的巡检机器人，同时变电站中存在的大量充油设备的漏油缺陷又严重危害着变电站运行的安全。

因此，针对以上问题，本发明提出了一种基于深度学习的变电站设备漏油检测方法及系统。

发明内容

本发明的目的在提供一种基于深度学习的变电站设备漏油检测方法及检测系统，解决现有变电站智能巡检机器人在巡检时易受到环境因素影响，而导致巡检准确率和工作效率低下的问题。

为了实现上述目的，本发明采用的技术方案如下：

一种基于深度学习的变电站设备漏油检测方法，包括以下步骤：

步骤1、获取终端设备发送的待检测设备照片；

步骤2、对深度卷积神经网络模型进行训练，得到设备漏油缺陷识别模型；

步骤3、对待检测设备照片进行预处理；

步骤4、将预处理后的照片输入至设备漏油缺陷识别模型中，得到待检测设备照片中的设备漏油缺陷信息，并发送至终端设备。

进一步地，步骤1还包括根据所述待检测设备照片所处场景不同进行分类，将不同场景的待检测设备照片分类到不同的照片类别中。

进一步地，步骤2包括以下步骤：

步骤2.1、获取大于1张的包含变电站设备漏油缺陷的照片样本；

步骤2.2、根据照片样本中电力设备所处场景不同进行分类，获得至少一个照片类别；

步骤2.3、对每个照片类别中各照片样本进行白化处理，调整各照片样本的尺寸，对照片样本进行数据增强，得到各照片类别下的照片样本集合；

步骤2.4、从照片样本集合中随机抽取照片样本得到待训练照片样本集合及待校验照片样本集合；

步骤2.5、将待训练照片样本集合中的照片样本依次输入深度卷积神经网络模型，利用随机梯度下降法对深度卷积神经网络模型进行训练，得到设备漏油缺陷分类检测模型；