[发明专利]一种用于设备故障巡检的红外视觉智检的拍摄方法

说明书

本发明属于设备故障巡检技术领域，具体为用于设备故障巡检的红外视觉智检的拍摄方法。本发明中，机器人上安装一双镜头相机，可见光镜头安装于云台上；拍摄分为两阶段：第一阶段在某个作业点上以最广角状态拍摄该作业点全景图；并使用计算机视觉中的深度神经网络对图像进行检测和分割，识别其中的设备数量、位置，大体判断哪些设备可能有故障；第二阶段是对全景图中的某一个设备单独进行拍摄，通过云台控制相机拍摄角度、焦距，拍摄完后对该设备图像进行分割，判断故障并通过设备名称编号对应到具体设备上。本发明方法可代替人工拍摄与故障检测识别，大大降低人力消耗和成本，提高效率和准确率，可以有效推进巡检设备的发展，并应用于大量场合。

技术领域

本发明属于设备故障巡检技术领域，具体涉及设备故障巡检的红外视觉智检的拍摄方法。

背景技术

大型设备故障检测，如传统的变电站的故障检测等，主要通过人工检测。由于变电站设备多，因此需要大量专业人员，非常耗费人力和物力。

智能巡检机器人被广泛地应用于设备故障检测中。安装有红外探头的巡检机器人可以测量设备的温度，但它有时无法精确定位到具体设备上，因此只能做参考。

发明内容

本发明的目的在于提供一种成本低、效率高的设备故障巡检的红外视觉智检的拍摄方法。

本发明提供的用于设备故障巡检的红外视觉智检拍摄方法，主要用于变电站的变电设备等大型设备的故障巡检，以识别变电站每个设备是否有故障。机器人上安装有一双镜头相机，两个镜头分别为可见光镜头和红外镜头，并可实现像素级别自动对齐；可见光镜头安装于云台之上，云台可以控制相机拍摄的俯仰角和偏航角，相机可以变焦和执行拍摄命令；

本发明的红外视觉智检拍摄方法，分为两阶段：第一阶段通过最广角状态拍摄，即在某个作业点上，以最广角状态拍摄该作业点全景图；并使用计算机视觉中的深度网络对图像进行检测和分割，识别其中的设备数量、位置，并用红外镜头进行测温，大体判断哪些设备可能有故障；第二阶段是对全景图中的某一个设备单独进行拍摄，具体是通过云台控制相机拍摄的俯仰角、偏航角进行中心构图，并通过对相机调焦，使该设备大小占相机屏幕大小的一定比例，然后执行拍摄，拍摄完后对该设备图像进行分割，以识别设备区域；并进行测温，判断故障并通过设备名称编号对应到具体设备上。整个过程既降低了成本，又提高设备故障检测的准确率。

本发明中，所用的检测和分割的算法分别为计算机视觉中的fasterrcnn [1]和maskrcnn [2] 算法。同时使用OCR光学字符识别技术识别设备铭牌上的文字，其中包括设别名称与编号等信息。

本发明方法既降低了成本，又提高设备故障检测的准确率。与巡检机器人结合，可在给定作业点，自动完成拍摄任务。

本发明主要解决了如下一些问题：

（1）对于巡检设备中相机拍摄到的图像进行检测和分割。检测和分割是计算机视觉中的重要问题。通过大量事先进行人工标注检测和分割结果的图像，训练深度神经网络。该训练完成的深度神经网络即能在巡检设备拍摄到设备图像时即时地对其进行检测和分割。其中检测所用网络为fasterrcnn网络[1]，包括卷积层、RPN网络、ROI池化层等，损失函数为分类的softmaxloss与回归的smoothL1 loss之和。分割所用网络为maskrcnn网络[2]，包括卷积层、RPN网络、ROIAlign层、FCN层等，损失函数为分类、回归与mask分支的损失之和。两者均用ResNet框架和随机梯度下降法进行训练；