[发明专利]雾天场景下变电站指针式油位表的智能识别方法

权利要求书

1.一种雾天场景下变电站指针式油位表的智能识别方法，其特征在于，包括

S1：通过变电站监控获取指针式油位表的实时图像；

S2：判断图像是否带雾：

如判断不带雾，则直接进行步骤S3；

如判断带雾，则利用基于暗通道先验去雾算法对带雾图像进行去雾处理；

S3：利用深度学习目标检测算法中的Faster-RCNN算法，完成对图像中指针式油位表的检测；

S4：基于MTCNN关键点检测的算法，对指针式油位表进行关键点定位、再进行指针角度计算，最终完成识别读数。

2.根据权利要求1所述的一种雾天场景下变电站指针式油位表的智能识别方法，其特征在于，所述步骤S2中，判断图像是否带雾的方法为：

S21：利用Brenner梯度函数计算所述图像的Brenner值，预设带雾阈值：

当所述Brenner值小于预设带雾阈值时，则认定为带雾图像；其余的图像认定为无雾图像。

3.根据权利要求2所述的一种雾天场景下变电站指针式油位表的智能识别方法，其特征在于，所述步骤S2中，利用基于暗通道先验去雾算法对带雾图像进行去雾处理的方法包括：

S22：雾图模型为：

I(x)＝J(x)t(x)+A(1-t(x)) (I)

在公式(I)中，I(x)为待去雾的图像，J(x)为无雾图像，x为图像的任一像素，A为全球大气光成分；t(x)为折射率，即大气传递系数；

S23：求图像暗通道，暗通道定义的公式如下：

在公式(II)中，J^c表示彩色图像的每个通道，c为通道，r为红色通道，g为绿色通道，b为蓝色通道；Ω(x)表示以像素X为中心的一个窗口，x与y代表图像的任一像素，且是一一对应；首先求出每个像素RGB分量中的最小值存入一幅和原始图像大小相同的灰度图中，然后再对这幅灰度图进行最小值滤波

S24：利用暗通道先验去雾算法对判定的带雾图像进行去雾处理：

首先估计大气光成分；

再在这些位置中，从原始有雾图像I(x)中寻找对应的具有最高亮度点的值，作为大气光A的值；

S25：根据公式

计算折射率t(x)的估计值；

S26：由公式(I)得知，去雾图像J(x)＝(I(x)-A)/t(x)+A (IV)

给折射率t(x)设定一个阈值，当小于阈值时，令t(x)＝t₀；将公式(IV)进行变换，得到最终去雾公式：

用公式(V)获得去雾后的图像。

4.根据权利要求1所述的一种雾天场景下变电站指针式油位表的智能识别方法，其特征在于，所述步骤S3中基于Faster-RCNN的目标检测算法对指针式油位表的检测方法包括：

S31：获取指针式油位表的数据集；

S32：对图像中的指针式油位表区域进行人工标注，用矩形框标注指针式油位表的区域；

S33：通过步骤S32获取的数据集对模型Faster-RCNN进行训练，其中模型Faster-RCNN采用的特征提取网络为VGG；

S34：利用训练后的Faster-RCNN模型，实现对待测指针式油位表进行定位检测。