[发明专利]基于视频图像及深度学习的设备线路智能监测系统及方法

权利要求书

1.一种基于视频图像及深度学习的设备线路智能监测系统，包括视频相机、监测中心和监测终端，其特征在于：

所述视频相机包括捕获视频流图像帧数据的图像数据传感器、缓冲图像帧的图像数据的图像缓冲器以及传输电路；所述图像传感器安装在设备正前方，用于采集设备线路的视频图像信息；所述缓冲器，用于暂时存储为缓冲图像帧的图像数据；

所述检测中心包括图像预处理模块、图像分割模块、图像识别单元和报警单元；所述图像预处理模块，用于将与图像进行灰度化处理、平滑滤波处理操作来消减图像噪声；所述图像分割模块，用于根据预处理后的图像特征信息进行分类；所述图像识别单元包括线路识别模块和面板指示灯识别模块；所述线路识别模块，用于对设备的线路进行识别，判断线路是否异常；所述面板指示灯识别模块，用于对操作面板的指示灯进行识别，判断指示灯或者仪表是否异常；

所述检测终端，用于接收报警单元发送的异常信号息。

2.根据权利要求1所述的一种基于视频图像及深度学习的设备线路智能监测系统，其特征在于，所述视频相机通过无线传输模块，将采集的视频流图像帧数据发送至检测中心。

3.根据权利要求1所述的一种基于视频图像及深度学习的设备线路智能监测系统，其特征在于，所述检测中心在对图像进行预处理前，需要先将视频流图像帧数据进行初步筛选，已初始采集的视频流图像帧数据为基准，当采集的视频流图像帧数据出现变化，再将变化后的视频流图像帧数据发送到图像预处理模块进行处理。

4.根据权利要求1所述的一种基于视频图像及深度学习的设备线路智能监测系统，其特征在于，所述检测终端包括检修人员手持端和移动终端；所述检修人员手持端和移动终端在接收到报警单元发送的异常信息后，维修人员根据报警单元提供的异常设备序列号以及视频帧图像异常处进行标记。

5.一种基于视频图像及深度学习的设备线路智能监测方法，其特征在于，包括如下步骤：

步骤S1：视频相机捕获视频流图像帧数据上传至监控中心；

步骤S2：监控中心将视频流图像进行清洗，将没有变化的视频图像进行删除；

步骤S3：将出现变化后的视频图像进行预处理；

步骤S4：对预处理后的图像进行设备的线路识别和操作面板指示灯识别；

步骤S5：建立设备运行状态的实时监测和分析模型，将与模型比对的识别结果，出现异常的设备信息通过报警单元发送至维护人员的检测终端；

步骤S6：维护人员根据检测终端显示的信息前往事故设备进行维修。

6.根据权利要求5所述的一种基于视频图像及深度学习的设备线路智能监测方法，其特征在于，所述步骤S3中，具体视频图像预处理的步骤如下：

步骤S31：对视频图像进行灰度化处理；

步骤S32：对灰度图进行平滑滤波处理；

步骤S33：平滑滤波处理后采用直方图均衡处理；

步骤S34：将直方图均衡处理完的图像进行分割处理。

7.根据权利要求6所述的一种基于视频图像及深度学习的设备线路智能监测方法，其特征在于，所述步骤S32中，对灰度图进行平滑滤波处理引入加权系数的平衡模板对灰度图进行平滑滤波处理；在平滑滤波处理时采用低通滤波进行处理，用于过滤掉图像的高频噪声信号。

8.根据权利要求6所述的一种基于视频图像及深度学习的设备线路智能监测方法，其特征在于，所述步骤S34中，采用最大类间方差阈值分割对直方图均衡处理完的图像进行分割进行处理。