[发明专利]基于视觉神经网络的外观缺陷智能识别系统及识别方法

权利要求书

1.一种基于视觉神经网络的外观缺陷智能识别系统，包括巡检装置，其特征在于，巡检装置包括底座(1)，底座(1)上安装有若干层的升降单元，且每层升降单元的边侧滑动安装有视觉采集车；其中：

升降单元，包括升降柱(2)、升降座(3)，以及位于升降座(3)与升降柱(2)之间的高度调节机构；高度调节机构包括套接于升降柱(2)上的轴套(4)，以及自轴套(4)倾斜安装于升降座(3)表面的活动杆(5)；升降座(3)的边侧表面设置有配合视觉采集车设置的凸起(6)及凹槽(7)；

视觉采集车，包括U型的车体(8)、以及安装于本体上伸缩轮(9)和感知终端(10)；车体(8)附着于升降座(3)的上表面，并通过伸缩轮(9)沿升降座(3)的下表面和侧面移动；感知终端(10)安装于车体(8)侧部并朝向变电设备；

所述视觉采集车内置有控制器、无线模块和电机，控制器通过电机驱动伸缩轮(9)转动，车体(8)沿升降座(3)四周移动，使车体(8)相对于变电设备发生相对运动，感知终端(10)采集到变电设备的图像反馈至控制器；控制器通过无线模块将图像反馈给远程服务器，远程服务器分析图像后，将需要电机的驱动指令下发至控制器，保证感知终端(10)满足图像拍摄的精准定位；所述远程服务器采用B/S架构，包括图像校正单元、历史数据存储单元、图像纹理预测单元、缺陷等级管理单元，其中：

图像校正单元，用于接收感知终端(10)采集的图片信息，并通过识别图像中变电设备的大小位置，精准下达电机移动的指令，保证感知终端(10)精准采集到变电设备的图像；

历史数据存储单元，删除大小位置不符合要求的图像，保留采集符合要求的图像，并形成合集，便于后续进行预测和管理；

图像纹理预测单元，调取历史数据存储单元，对于图像中的像素纹理变化率进行预测，结合时间上的演变，给变电设备未来的缺陷等级所用时间进行预测；

缺陷等级管理单元，记录各个变电设备的所有缺陷等级，并形成对应的特征记录在原始图片上，便于视觉神经网络的学习。

2.根据权利要求1所述的基于视觉神经网络的外观缺陷智能识别系统，其特征在于，所述升降单元收缩后，轴套(4)下降且活动杆(5)回缩；升降座(3)回缩至最短距离时，车体(8)之间相互接触。

3.根据权利要求1所述的基于视觉神经网络的外观缺陷智能识别系统，其特征在于，所述升降座(3)内置有配合高度调节机构上下移动的驱动电机，驱动电机与位于底部的底座(1)内的控制板相连，控制板上安装有与远程服务器相连的无线芯片。

4.一种如权利要求1-3任意一项所述的基于视觉神经网络的外观缺陷智能识别系统的识别方法，其特征在于，包括如下步骤：

S1：巡检装置的校正采集：巡检装置采集图像后经由远程服务器进行位置纠正，纠正后的升降柱(2)先经由高度调节机构进行垂直方向调整，再经过视觉采集车进行水平角度调整，调整后的感知终端(10)距离变电设备更精准；同时利用该感知终端(10)上下升降座(3)上的相邻感知终端(10)进行辅助拍摄；

S2：采集图像的预处理：经过校正后采集的图像中变电设备大小位置均保持统一，便于与历史数据进行对比；先通过RGB色彩分离对图像进行预处理，获取单一色彩通道的图像，并等比例缩放该变电设备处的区块，并进行形态处理；

形态处理即：先对图像进行二值化处理，并对二值化的图像设置一定的像素阈值去除杂质；

S3：历史图像数据纹理定量分析：利用相同变电设备在不同历史时期的图像纹理变化，获取变电设备变化率，预测图像中变电设备属于哪个缺陷等级的准确性，即：

远程服务器采集到的图像记录有不同缺陷等级的历史数据，通过形态处理后的图像中，某一缺陷等级下的像素演变成为下一缺陷等级的像素是确定的，捕捉到符合缺陷等级下的像素后，叠加上参考图像的演变时间，则得出纹理变化率；

S4: 缺陷等级合集的确定：远程服务器通过纹理定量分析后的图像进行分割处理，进而识别出图像中一个或多个变电设备，并对图像上的一个或多个缺陷设定一个或多个缺陷等级；将一个或多个缺陷等级形成合集，用于训练评估图像缺陷等级的视觉神经网络；以及基于视觉神经网络形成一个或多个缺陷等级的特征，并将该特征备注在相关图片上。