[发明专利]一种基于深度学习的刀闸图像识别方法及装置

说明书

本发明公开了一种基于深度学习的刀闸图像识别方法及装置,包括刀闸状态智能感知成套装置系统，所述刀闸状态智能感知装置系统包括监控主机、智能防误主机、远动机和测控装置，该基于深度学习的刀闸图像识别方法，通过视觉传感器与图像识别判断装置采用点对点的网线连接方式，视觉传感器与高速交换模块之间的端对端连接，可保障刀闸图像视频流数据的无延迟通信，图像识别判断装置与Atlas200DK人工智能模块的配合使用，可以快速、准确地响应图像识别判断装置视觉传感器的图像视频数据的处理要求，同时采用人工智能模型算法的端到端的目标检测算法，可有效提高对刀闸位置识别的检测速度和准确性。

技术领域

本发明属于人工智能图像自动识别技术领域，尤其涉及一种基于深度学习的刀闸图像识别方法及装置。

背景技术

电网的倒闸过程中，采用一键顺控即计算机程序化操作代替人工操作可以提高其操作效率、减少人为误操作。但是一键顺控这种技术的应用和推广，前提之一是要用至少两种不同方法，可靠、准确、快速地判断倒闸过程中被操作的刀闸类设备的位置状态变化结果，与计算机程序化操作形成信息闭环。

现有的刀闸位置双源确认的视频方案，目前采用的图像识别方案主要思路是通过加装摄像头、NVR/DVR视频存储管理设备、千兆交换机等设备，捕捉刀闸的图像或视频，传输给智能辅助监控系统的站端视频主机，由站端视频主机做人工或者机器判断，将判断的刀闸位置结果通过加装的通信采集器转化成硬接点，再输送至测控装置。

现有的刀闸位置双源确认的姿态传感器方案，目前常用架构的原理是在刀闸本体上加装姿态传感器（一般采用陀螺仪姿态传感器），采集刀闸运动过程中的转动角速率，然后将此数据传给接收装置，由接收装置对数据进行计算，得到刀闸的转动角度，从而判断刀闸的运动是否到位，并将判断结果以硬接点的形式输出给测控装置。

但是现有的刀闸位置双源确认的视频方案和刀闸位置双源确认的姿态传感器方案在使用时仍存在一些不足，图像识别方案的缺点是：整体架构复杂，加装设备数量多，成本高，部署工作量大；核心的刀闸判断需要依托于站端视频主机做识别判断，识别算法和模型迭代不便，识别速度和准确性局限较大，且在传统站推广增加部署成本。

目前姿态传感器方案的缺点是：一般采用的3轴陀螺仪姿态传感器的采集数据只有一个维度，采集的数据容易受到温度、电磁干扰的影响，会直接影响刀闸位置判断的准确性。

发明内容

本发明要解决的技术问题是：提供一种基于深度学习的刀闸图像识别方法及装置以解决现有的刀闸位置双源确认的视频方案和刀闸位置双源确认的姿态传感器方案整体架构复杂，加装设备数量多，成本高，部署工作量大；核心的刀闸判断需要依托于站端视频主机做识别判断，识别算法和模型迭代不便，识别速度和准确性局限较大，且在传统站推广增加部署成本等技术问题。

本发明技术方案为：

一种基于深度学习的刀闸图像识别方法，它包括：

S1、将视觉传感器采用非介入式安装方式，与三相刀闸进行非接触安装，每组三相刀闸部署两个视觉传感器，两个视觉传感器分别标记为X传感器和Y传感器，X传感器和Y传感器用于采集三相刀闸的整体图像和运动过程；

S2、每八组三相刀闸部署一套图像识别判断装置，并将图像识别判断装置中的高速交换模块与对应的八组三相刀闸中的视觉传感器点对点的网线连接；

S3、视觉传感器以每秒25帧实时采集三相刀闸的图像视频数据，将采集的三相刀闸的图像视频数据以数字电信号的形式传输到图像识别判断装置内部的高速交换模块中，图像识别判断装置中的视频存储模块从高速交换模块中获取数字电信号的图像视频数据，并进行压缩和存储；

S4、利用Atlas200DK人工智能识别模块对图像识别判断装置中的图像视频数据进行识别，并通过识别结果驱动对应的继电器动作或打开，以继电器的接点作为指示刀闸位置的输出信号；

S5、将姿态传感器采用介入式安装方式，与三相刀闸进行接触安装，每组三相刀闸中的每相刀闸部署一个姿态传感器；