[发明专利]基于图像的缺陷自动识别方法、装置、系统及存储介质在审

专利信息
申请号: 202210539735.6 申请日: 2022-05-18
公开(公告)号: CN114913376A 公开(公告)日: 2022-08-16
发明(设计)人: 葛馨远;王照;陈金梅 申请(专利权)人: 广东电网有限责任公司广州供电局
主分类号: G06V10/764 分类号: G06V10/764;G06V10/774;G06V10/22;G06V10/82;G06F40/18;G06T7/00;G06F16/16;G06N3/04;G06N3/08
代理公司: 深圳市君胜知识产权代理事务所(普通合伙) 44268 代理人: 王永文
地址: 510620 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 图像 缺陷 自动识别 方法 装置 系统 存储 介质
【权利要求书】:

1.一种基于图像的缺陷自动识别方法,其特征在于,所述基于图像的缺陷自动识别方法包括:

获取待识别图像数据,并根据预设类型对所述待识别图像数据进行分类,得到分类后的图像数据;其中,所述待识别图像数据为无人机在预设区域巡航拍摄的多张原始图像数据;

通过训练后的算法模型对所述分类后的图像数据进行缺陷智能识别,生成缺陷框,并在所述缺陷框填充对应的缺陷信息;

根据先验知识和/或审核操作指令对所述缺陷信息进行审核,并根据审核结果输出已识别图像数据的缺陷识别报告。

2.根据权利要求1所述的基于图像的缺陷自动识别方法,其特征在于,所述获取待识别图像数据,之前包括:

从源数据层获取已标签的图像数据;其中,所述已标签的图像数据为已标签缺陷区域及缺陷信息的样本图像数据;

构建算法模型,并根据所述已标签的图像数据进行模型训练。

3.根据权利要求2所述的基于图像的缺陷自动识别方法,其特征在于,所述根据已标签的图像数据进行模型训练,包括:

对所述已标签的图像数据进行预处理,并将预处理后的图像数据进行分类,得到训练集和测试集;其中,所述预处理包括:数据转换、数据归一、数据清洗以及数据编码;

通过所述训练集对构建的算法模型进行训练,并通过所述测试集对所述算法模型进行测试,得到所述训练后的算法模型。

4.根据权利要求1所述的基于图像的缺陷自动识别方法,其特征在于,所述获取待识别图像数据,并根据预设类型对所述待识别图像数据进行分类,得到分类后的图像数据,包括:

获取所述待识别图像数据;

根据电力网馈线和线路台账的塔台坐标对所述待识别图像数据进行分类,得到所述分类后的图像数据。

5.根据权利要求4所述的基于图像的缺陷自动识别方法,其特征在于,所述根据电力网馈线和线路台账的塔台坐标对所述待识别图像数据进行分类,之后还包括:

根据所述分类后的图像数据选择对应的线路文件夹;

根据所述线路文件夹中的馈线名称和线路名称,录入对应的缺陷识别项目信息;其中,所述缺陷识别项目信息包括供电运维信息、机巡信息以及审核信息。

6.根据权利要求1所述的基于图像的缺陷自动识别方法,其特征在于,所述通过训练后的算法模型对所述分类后的图像数据进行缺陷智能识别,生成缺陷框,并在所述缺陷框填充对应的缺陷信息,包括:

根据所述分类后的图像数据选择所述训练后的算法模型;

将所述分类后的图像数据输入至所述训练后的算法模型输入层;

根据所述训练后的算法模型输出的图像数据确定智能识别后的缺陷部位、缺陷类型以及缺陷表象;

选择对应的缺陷库数据;其中,所述缺陷库数据包括杆塔数据、架空导线数据以及绝缘子数据;

根据所述缺陷部位、所述缺陷类型、所述缺陷表象以及所述缺陷库数据生成所述缺陷框,并在所述缺陷框填充对应的缺陷信息。

7.根据权利要求1所述的基于图像的缺陷自动识别方法,其特征在于,所述根据先验知识和/或审核操作指令对所述缺陷信息进行审核,并根据审核结果输出已识别图像数据的缺陷识别报告,包括:

根据所述先验知识/或所述审核操作指令对所述缺陷信息进行审核,并对所述缺陷信息中的非典型缺陷进行标注;

调用辅助绘图对识别的缺陷标注框进行编辑、删除、修改以及增加操作,并根据报告报表格式生成所述已识别图像数据的缺陷识别报告。

8.一种基于图像的缺陷自动识别装置,其特征在于,包括:处理器以及存储器,所述存储器存储有基于图像的缺陷自动识别程序,所述基于图像的缺陷自动识别程序被所述处理器执行时用于实现如权利要求1-7中任意一项所述的基于图像的缺陷自动识别方法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司广州供电局,未经广东电网有限责任公司广州供电局许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202210539735.6/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top