[发明专利]一种牵引变电所异常检测方法

说明书

本发明提供了一种牵引变电所异常检测方法，包括首先建立异常检测数据集，并计算该数据集的背景条件聚类，通过构建一个距离特征提取模型对输入图像进行深度特征内距离信息提取，然后构建一个异常检测模型，并使用距离特征对该检测模型进行训练，模型的输出为输入图像对应的异常得分图，最后对该得分图进行二值化和统计分析获得异常检测结果，包括是否出现异常和异常出现的位置，同时通过对检测模型进行在线更新，使其能够适应变电所环境变化。基于本发明的技术方案，能够有效满足牵引变电所异常检测的需要。

技术领域

本发明涉及智能视觉与智能系统技术领域，特别地涉及一种牵引变电所异常检测方法。

背景技术

牵引变电所作为高铁牵引供电系统的关键供电设施，主要承担将电力系统电能变换供给高铁动车组的任务，其运行安全问题变得日益突出。发生在牵引变电所内的异常具有偶然性和不确定性，如果不能及时发现这些异常并采取相应措施，将对变电所的运行安全造成很大的威胁，甚至引起很大的安全事故。而引起牵引变电所异常的原因可能是由于设备、环境和人为等因素导致，如果在这些变电所异常或者事件造成事故之前，能够及时得以发现，则可以在第一时间采取相应的处置措施，尽可能地避免事故的发生或在最大程度上减少事故造成的影响，而这些异常都可以通过基于视觉检测的方法进行直接、有效、及时地发现。然而目前牵引变电所辅助监控系统仍不成熟，对牵引变电所异常检测的研究还处于探索阶段，还难以为牵引变电所综合自动化系统和管理决策提供有效的支撑。根据牵引供电系统的建设要求，牵引变电所需沿铁路线路设立，所处环境往往较为复杂，造成异常的因素和出现的异常类型多样，同时异常的发生存在很大的不确定性和未知性，这包括异常出现的时间、位置与范围和异常类型的不确定性和未知性，同时有些异常还需要持续性的分析才能确定是否出现异常或者出现何种异常。现有的异常检测方法大都需要事先确定异常类型及其大量标注的数据对模型进行训练才能发挥其检测能力，这与变电所的实际情况存在前提假设的矛盾，并且还难以处理变电所异常存在的复杂性。

鉴于此，本发明提出一种牵引变电所异常检测方法，它能够有效满足牵引变电所异常检测的需要。

发明内容

针对上述现有技术中的问题，本申请提出了一种牵引变电所异常检测方法，其特征在于，包括如下步骤：

步骤S1、构建异常检测数据集，对基础数据集进行背景条件聚类；

步骤S2、构建距离特征提取模型；

步骤S3、构建异常检测网络模型；

步骤S4、采用构建的数据集对异常检测网络模型进行训练；

步骤S5、采集视频图像作为图像输入，如果输入图像为空，则整个流程中止；

步骤S6、提取距离特征；

步骤S7、检测异常发生的位置；

步骤S8、每隔β帧输入图像对异常检测网络模型进行在线更新，跳转到步骤S5。

优选地，所述步骤S1还包括：提取来自牵引变电所视频监控系统的视频图像数据，对这些图像数据进行数据增强操作，包括平移、旋转、缩放、改变亮度，然后对得到的图像数据进行清洗、筛选获得基础数据集；对基础数据集中包含异常的图像进行异常标注，即将异常部分对应位置的标注图像像素值标为1，正常部分标为0，进而得到标注数据集；基础数据集与标注数据集共同构成异常检测数据集。

优选地，所述步骤S1还包括：对基础数据集进行背景条件聚类，计算基础数据集中每个图像的亮度均值，然后基于该亮度均值采用K-means算法对基础数据集进行聚类计算，获得K个背景条件聚类中心。

优选地，所述步骤S2还包括：所述距离特征提取模型包含深度特征提取网络和距离矩阵输出层；

所述深度特征提取网络采用DenseNet网络，将所述DenseNet网络的Block4模块的输出作为所提取的深度特征；