[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

说明书

本发明涉及一种基于视觉神经网络的外观缺陷智能识别系统及识别方法，属于图像数据处理技术领域。其包括巡检装置，巡检装置包括底座，底座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；升降单元包括升降柱、升降座，以及位于升降座与升降柱之间的高度调节机构；视觉采集车，包括U型的车体、以及安装于本体上伸缩轮和感知终端。本发明利用RGB色彩分离先对图像进行单一色彩通道处理，挑选得到该变电设备最佳表现方式；利用提出的缺陷等级演变算法得到纹理变化率；利用历史图像数据得到一个或多个缺陷等级形成的合集，作为视觉神经网络的训练模型；整个方法区别于现有的训练方式，更符合变电设备的识别要求。

技术领域

本发明涉及一种基于视觉神经网络的外观缺陷智能识别系统及识别方法，属于图像数据处理技术领域。

背景技术

随着人工智能识别方法的出现，如采用视觉神经网络的办法以提高变电设备图像的准确性逐渐被本领域技术人员采纳。然而，需要依靠可靠的变电设备进行训练。如何提高变电设备图像的准确性成为识别系统首先要克服的一点。识别系统采用卷积运算等方式，提高缺陷识别的方法越来越容易造成训练模型的同质化，如何突破现有的识别模式，针对变电设备进行高匹配度计算，实现更好的缺陷识别效果，是目前电厂更愿意解决的攻坚难题。

发明内容

针对现有技术存在的上述缺陷，本发明提出了一种基于视觉神经网络的外观缺陷智能识别系统及识别方法，利用巡检装置校准图像使变电设备在图像中大小位置保持统一，优化识别方法使变电设备的训练避免同质化，更匹配电厂缺陷识别等级要求。

本发明所述的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，巡检装置包括底座，底座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、升降座，以及位于升降座与升降柱之间的高度调节机构；高度调节机构包括套接于升降柱上的轴套，以及自轴套倾斜安装于升降座表面的活动杆；升降座的边侧表面设置有配合视觉采集车设置的凸起及凹槽；

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

优选地，所述升降单元之间收缩后，轴套下降且活动杆回缩；升降座回缩至最短距离时，车体之间相互接触。

优选地，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转动，车体沿升降座四周移动，使车体相对于变电设备发生相对运动，感知终端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，保证感知终端满足图像拍摄的精准定位。

优选地，所述步骤S1的巡检装置的校正采集中，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。

优选地，所述步骤S1的巡检装置的校正采集中，升降座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。