[发明专利]用于变电站表计图像数据集的合成方法、系统及存储介质

说明书

本发明实施方式提供一种用于变电站表计图像数据集的合成方法、系统及存储介质，属于变电站的自动化技术领域。所述合成方法包括：建立所述变电站的仿真模型以作为目标变电站场景；在所述目标变电站场景中确定机器人能够行进的行进路径；建立所述机器人的仿真模型；将所述机器人的仿真模型放入所述目标变电站场景中行进；以所述机器人的相机视角拍摄所述目标变电站场景的至少一个表计设备的图像；根据所述图像生成对应的场景标注图像；将所有的所述标注图像组合以形成所述图像数据集。该合成方法、系统及存储介质能够满足机器人内置神经网络的训练要求。

技术领域

本发明涉及变电站的自动化技术领域，具体地涉及一种用于变电站表计图像数据集的合成方法、系统及存储介质。

背景技术

随着视频监控技术和深度学习技术的发展，变电站智能巡检机器人成为了未来变电站巡检系统的发展方向，可以节省变电站巡检的人力物力，减少变电站中各类事故的发生，同时也为各类事故以及人身财产安全的事后处理提供了有力的证据。而在这个过程中，对于变电站巡检中表计自动识别的部分，大量的表计数据起到了至关重要的作用，是变电站智能巡检中重要的组成部分。

研究和实践表明，深度学习算法的性能取决于训练数据的质量和规模，因此基于深度学习的表计识别需要大量优质数据。考虑到表计识别应用的需求，表计数据除了规模要足够大之外，通常还有以下要求：(1)表计数据应覆盖全面，对于不同的表计类型，以及表计可能出现的示数都需要尽可能的覆盖到；(2)表计数据包含各种极端情况，如大雾、大雪等天气下的数据，用于提升算法在复杂情况下的处理能力；(3)表计数据应具有准确的语义标注，且标注内容尽量丰富，如标注内容涵盖如表盘区域、表盘指针、表盘量程、以及表盘上的特定特征点等，以支撑各类表计识别算法的设计。

在现有技术中，常用的是在变电站的表计附近设置摄像头的方式来获取实际的表计图像。这样的设计方式虽然能够定时定点地获取表计图像。但是，由于变电站附近恶劣天气的存在，在后续维护摄像头的过程中，需要付出大量的维修资源。因此，也出现了采用增加机器人定时定点前往现场获取图像的方式。而在对机器人的内置神经网络训练的过程中，以现有技术中常用的数据集显然难以满足训练要求。

发明内容

本发明实施方式的目的是提供一种用于变电站表计图像数据集的合成方法、系统及存储介质，该合成方法、系统及存储介质能够满足机器人内置神经网络的训练要求。

为了实现上述目的，本发明实施方式提供一种用于变电站表计图像数据集的合成方法，所述合成方法包括：

建立所述变电站的仿真模型以作为目标变电站场景；

在所述目标变电站场景中确定机器人能够行进的行进路径；

建立所述机器人的仿真模型；

将所述机器人的仿真模型放入所述目标变电站场景中行进；

以所述机器人的相机视角拍摄所述目标变电站场景的至少一个表计设备的图像；

根据所述图像生成对应的场景标注图像；

将所有的所述标注图像组合以形成所述图像数据集。

可选地，所述建立所述变电站的仿真模型以作为目标变电站场景具体包括：

建立所述变电站的原始三维模型；

获取所述变电站实际对应的至少一种天气条件以及光照条件；

根据所述天气条件和所述光照条件对所述三维模型进行渲染以形成所述目标变电站场景。

可选地，所述场景标注图像中的数据包括表计表盘的标注框、表计设备的示数、表计指针与量程的语义信息、表计视角的距离和角度以及表盘的磨损程度。

可选地，所述根据所述图像生成对应的场景标注图像具体包括：