[发明专利]一种变电站设备缺陷自动识别方法及系统

说明书

本发明公开了一种变电站设备缺陷自动识别方法及系统，包括：获取包含变电站目标设备的图像数据，并对所述图像数据进行预处理；将预处理后的图像，提取特征图谱；将提取的特征图谱输入到训练好的区域推荐网络，将区域推荐网络的结果输出到分类网络对目标进行分类，得到目标设备的位置以及缺陷识别结果。本发明通过改进的残差神经网络和区域推荐网络进行结合，通过改进的残差神经网络提取目标设备的特征图谱，利用区域推荐网络得到目标设备的位置，然后通过分类网络进行缺陷识别；能够同时识别目标位置并定位缺陷类型，减少人工参与程度，提高缺陷识别的效率和准确率。

技术领域

本发明属于变电站设备缺陷识别领域，尤其涉及一种变电站设备缺陷自动识别方法及系统。

背景技术

变电站是电力系统中重要的组成部分之一，其场所内部有着众多的电力设备，电力设备在长时间的工作使用后，其表面容易产生破损，从而导致内部金属容易产生锈蚀现象；

现有技术中通过人工根据破损情况来判断设备是否存在缺陷，这种方式面临着工作量激增与人员相对短缺的问题；并且，这样的方式容易出现误判从而导致检测结果的不精确性。

现有技术中通过巡检机器人或视频监控装置辅助完成变电设备的少部分巡视工作，包括运维人员操控巡检装置进行巡检或者机器人和摄像头按照预置点位及预设角度进行巡检；但伴随着无人化智能变电站的日渐普及，对变电站中的智能巡检机器人的巡检可靠性要求越来越高。而变电站中设备多样、表计种类繁多，使用传统的模式识别方式已经难以准确、可靠的识别各类设备，做到及时排查隐患，发现缺陷。

发明内容

为了解决上述问题，本发明提出了一种变电站设备缺陷自动识别方法及系统，能够解决现有变电站设备缺陷识别准确率低的问题。

为了实现上述目的，在一些实施方式中，本发明采用如下技术方案：

一种变电站设备缺陷自动识别方法，包括：

获取包含变电站目标设备的图像数据，并对所述图像数据进行预处理；

将预处理后的图像，提取特征图谱；

将提取的特征图谱输入到训练好的区域推荐网络，将区域推荐网络的结果输出到分类网络对目标进行分类，得到目标设备的位置以及缺陷识别结果。

在另一些实施方式中，采用如下技术方案：

一种变电站设备缺陷自动识别系统，包括：

数据获取模块，用于获取包含变电站目标设备的图像数据，并对所述图像数据进行预处理；

特征图谱获取模块，用于将预处理后的图像，提取特征图谱；

缺陷识别模块，用于将提取的特征图谱输入到训练好的区域推荐网络，将区域推荐网络的结果输出到分类网络对目标进行分类，得到目标设备的位置以及缺陷识别结果。

在另一些实施方式中，采用如下技术方案：

一种终端设备，其包括处理器、GPU显卡和存储器，处理器用于实现各指令；GPU用于高效的神经网络计算；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的变电站设备缺陷自动识别方法。

在另一些实施方式中，采用如下技术方案：

一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行上述的变电站设备缺陷自动识别方法。

与现有技术相比，本发明的有益效果是：

本发明通过改进的残差神经网络和区域推荐网络进行结合，通过改进的残差神经网络提取目标设备的特征图谱，利用区域推荐网络得到目标设备的位置，然后通过分类网络进行缺陷识别；能够同时识别目标位置并定位缺陷类型，减少人工参与程度，提高缺陷识别的效率和准确率。