[发明专利]基于深度学习与形态学融合的状态自动检测方法与装置

说明书

本发明涉及一种基于深度学习与形态学融合的状态自动检测方法和装置；首先保护压板图像帧进行目标定位和初始类型分析，对I和II型保护压板采集图像进行自动识别，得到识别状态；并利用特征参数提取方法提取图像特征，得到特征参数；并将识别状态与特征状态基于融合信息进行融合，确定I型和II型保护压板的最终检测状态。本发明提供的基于深度学习与形态学融合的状态自动检测方法和装置，能实现对不同类型保护压板状态的有效检测，识别精准，适用性高具有较好的鲁棒性，有助于对保护压板实时状态的监测和管控，方案高效实用客观准确，能够辅助用于电力系统中进行保护压板和电力的巡检，从而更好地保证电力系统的安全性。

技术领域

本发明涉及图像分析和处理领域，尤其是一种基于深度学习与形态学融合的状态自动检测算法方法和装置。

背景技术

保护压板也叫保护连片,是保护电力装置联系外部接线的桥梁和纽带,关系到保护的功能和动作出口能否正常发挥作用。在电力系统中，正常的运行与维护离不开继电保护系统，保护压板是确保电力系统正常运行的重要设备部件，是继电保护巡检中重要的一部分。因此选择方便、快速、准确、合适的方法对保护压板的状态进行监控和巡检对电力系统的安全性能评估具有重要意义。但传统的人工巡检工作量大，长时间重复性工作极易造成视觉疲劳，导致效率低下，甚至发生误操作。随着社会的高速发展，电力系统也朝向智能化和信息化的趋势发展。由此，采用人工智能的方法进行保护压板辅助检测可以在减少人工压力的同时，提高了系统的可靠性。

近几年，图像处理技术被逐渐用于保护压板状态自动检测。例如，现有技术通过对OTSU算法进行改进，即阈值处理消除光照带来的阴影区域影响，并提出使用基于Graham的最小外接矩形算法实现对压板状态的识别；或针对保护屏柜的反射带来的高光干扰，利用二维最大类间检测高光区域，通过改进稀疏算法消除高光，再通过最小外接矩形对状态进行识别；还有的基于图像处理技术实现压板状态及其对应文字标签自动识别，通过获取其压板所在的行号与列号并与数据库中压板位置信息的比对，得到识别正确率。中国专利CN111915509A公开一种基于图像处理去阴影优化的保护压板状态辨识方法，基于图像处理去阴影优化的保护压板状态辨识方法，包括将保护压板彩色图像进行灰度化，转化为灰度图像，然后对灰度图像进行增强对比度和二值化图像，消除阴影区域。通过Graham算法原理得到每一个保护压板开关的凸包，然后由最小外接矩形原理将凸包连接成矩形，得到矩形面积。对矩形面积设定阈值，矩形面积大于阈值则判定为投出，否则为投入。该方法能够有效有效减少阴影干扰的影响，且对采集的图像质量要求不高、鲁棒性强；能够有效减少阴影干扰的影响，准确辨识图像中压板的运行状态。

在对保护压板的状态识别中，传统图像处理方法和深度学习均实现了较好的识别结果。但传统图像处理算法易受环境因素影响，如光照阴影等环境因素给识别带来困难。同时，现有技术中通常仅对一种类别的保护压板状态进行识别，而实际操作环境中继电保护压板常有多种类型，需要对多类保护压板进行状态自动检测。

因此，为了适应多种类型保护压板的自动识别需求，使得识别和巡检过程更为直观、高效和低成本，迫切需要新的识别方式来对电力系统进行保护压板和电力巡检，从而更好地保证电力系统的安全性能。

发明内容

本发明为了对不同保护压板的类型和状态进行精确识别，提出一种基于YOLOv5深度学习网络与色彩空间及形态学融合特征的保护压板状态自动检测方法，实现对两种保护压板的状态有效识别。

本发明采用的技术方案如下：