[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

说明书

本发明公开一种雾天场景下变电站指针式油位表的智能识别方法，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。本发明实现对变电站指针式油位表的实时读数识别，及时反馈，减少巡检人员的工作量，降低变电站运行过程中的设备隐患，本发明的准确性、实时性均满足了变电站在雾天场景下巡检的实际需求。

技术领域

本发明公开了一种雾天场景下变电站指针式油位表的智能识别方法，属于变电站表计智能识别的技术领域。

背景技术

目前，变电站是电力系统稳定运行的重要环节，变电站的巡检任务主要由工作人员完成，每天定时定点巡视检测变电站设备并进行抄表读数。变电站中的指针式油位表分布在变电站各个角落，因此巡检人员需要在高压危险环境下巡视整个变电站的仪表，可见劳动强度大，在长时间高强度重复劳动中难以保证巡检任务高质量地完成。由于指针式油位表属于机械式仪表，不具备远距离通信功能，要实现自主读取仪表数据，则需要依靠计算机视觉技术解决问题，进而有效避免在危险环境下作业可能导致的事故。

虽然现有技术中记载有识别雾的算法，例如：中国专利文献CN110322431A公开一种雾霾图像质量评价方法、系统、存储介质及电子设备。包括以下步骤：S1、获取雾霾图像，并基于暗通道先验方法获取雾霾图像对应的第一透射率图；S2、获取雾霾图像的非天空区域；S3、根据第一透射率图和非天空区域获取非天空区域对应的第一入射光衰减率，以根据第一入射光衰减率获取雾霾图像的图像质量。但是该对比文献主要聚焦在怎样识别雾霾，但怎样去除雾霾对其它待检测事物的影响，并未有任何记载或者技术启示。

因此，针对计算机视觉技术容易受到图像采集时天气等因素影响的技术问题，尤其在户外条件下，尤其是雾天环境下导致图像成像的质量不稳定，给算法设计带来了难度。

综上所述，如何提供一种高效、可靠的指针式油位表的智能识别方法，在雾天环境下对指针式油位表进行精准识别，减少巡检人员的工作量，降低变电站运行过程中的设备隐患，是目前本领域技术人员亟待解决的问题。

发明内容

针对现有技术的不足，本发明公开一种雾天场景下变电站指针式油位表的智能识别方法。

本发明实现对变电站指针式油位表的实时读数识别，及时反馈，减少巡检人员的工作量，降低变电站运行过程中的设备隐患，本发明的准确性、实时性均满足了变电站在雾天场景下巡检的实际需求。

本发明详细的技术方案如下：

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。

根据本发明优选的，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：