[发明专利]一种垂直伸缩式刀闸合闸到位识别装置及合闸状态判断方法在审
申请号: | 202210779991.2 | 申请日: | 2022-07-04 |
公开(公告)号: | CN114973108A | 公开(公告)日: | 2022-08-30 |
发明(设计)人: | 曹仁威;黄堃;吴小科;黄凯涛;林球英;肖健;赵芳;涂耀文;胡劲松;吴立昊 | 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: | G06V20/40 | 分类号: | G06V20/40;G06V20/52;G06V10/82;G01B11/00;G01B11/26;G06N3/04;G06N3/08 |
代理公司: | 广州高炬知识产权代理有限公司 44376 | 代理人: | 刘志敏 |
地址: | 510000 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: | 一种 垂直 伸缩 式刀闸 合闸 到位 识别 装置 状态 判断 方法 | ||
1.一种垂直伸缩式刀闸合闸到位识别装置,其特征在于,其包括:
摄像头、垂直伸缩式刀闸识别前端装置、垂直伸缩式刀闸识别后台学习训练装置、数据及控制总线;
所述摄像头用于拍摄垂直伸缩式刀闸的图像,图像通过数据及控制总线输出到垂直伸缩式刀闸识别前端装置,用3个摄像头拍摄一座三相垂直伸缩式刀闸,每个摄像头分别拍摄一个单相垂直伸缩式刀闸;
所述垂直伸缩式刀闸识别前端装置发出控制信号控制所述摄像头的拍摄动作,还能够控制所述摄像头的云台进行俯仰和旋转以调整拍摄方向,所述垂直伸缩式刀闸识别前端装置对垂直伸缩式刀闸图像进行识别及两伸缩臂的合闸弯曲度检测,判断合闸是否到位,并将合闸是否到位的信号发给垂直伸缩式刀闸识别后台学习训练装置,同时也将垂直伸缩式刀闸的图像转发给垂直伸缩式刀闸识别后台学习训练装置,垂直伸缩式刀闸识别前端装置的识别参数由垂直伸缩式刀闸识别后台学习训练装置提供并刷新;
所述垂直伸缩式刀闸识别后台学习训练装置根据收到的垂直伸缩式刀闸的图像进行深度学习训练,学习训练好的参数发给垂直伸缩式刀闸识别前端装置,同时将合闸是否到位的信号转发调度中心,多个垂直伸缩式刀闸识别前端装置能够共用一台垂直伸缩式刀闸识别后台学习训练装置;
所述数据及控制总线用于在摄像头、垂直伸缩式刀闸识别前端装置和垂直伸缩式刀闸识别后台学习训练装置之间传递数据和控制信号;
所述垂直伸缩式刀闸都指单相垂直伸缩式刀闸,一座三相垂直伸缩式刀闸包含三把联动的单相垂直伸缩式刀闸。
2.根据权利要求1所述的垂直伸缩式刀闸合闸到位识别装置,其特征在于,所述摄像头的布置如下:
左中右3个摄像头的基座并列成一直线安装,左边和右边为固定拍摄角度的摄像头,中间为带云台的摄像头,分别用于拍摄一座三相垂直伸缩式刀闸的每一相垂直伸缩式刀闸,每个摄像头的中心分别对准一把垂直伸缩式刀闸的两个伸缩臂的连接轴;除了拍摄中间刀闸,中间的摄像头还可以用于拍摄其他电力设备。
3.一种采用权利要求1或2所述的垂直伸缩式刀闸合闸到位识别装置的合闸状态判断方法,其特征在于,其包括如下步骤:
垂直伸缩式刀闸图像获取及预处理:从摄像头获取包含垂直伸缩式刀闸的图像,并进行图像预处理;
垂直伸缩式刀闸目标识别:在一副含有背景信息的图像中找到所需要的垂直伸缩式刀闸,滤除背景,将垂直伸缩式刀闸从拍摄的图片中提取出来,用一个最小的矩形框选定了所需要进行检测的垂直伸缩式刀闸;
边缘提取:在所述矩形框选定的范围之内将垂直伸缩式刀闸的两个垂直伸缩臂的轮廓线提取出来,以便采用几何方法对合闸的状态进行准确的检测;
合闸弯曲度检测:计算垂直伸缩式刀闸的两个伸缩臂的轮廓线的直线误差,如果所述误差超出给定的阈值,则发出合闸不到位信号,否则发出合闸成功信号,三相垂直伸缩式刀闸的任意一把垂直伸缩式刀闸合闸不到位,则整个三相垂直伸缩式刀闸都归为合闸不到位。
4.根据权利要求3所述的合闸状态判断方法,其特征在于,所述垂直伸缩式刀闸图像获取及预处理,包括如下步骤:
数据获取:发出拍摄指令,读取摄像头拍摄的垂直伸缩式刀闸图像;
数据裁剪:不同的摄像头分辨率不同,为适应不同的摄像头,同时减少不必要的计算量,从摄像头获取照片后,统一裁剪为固定分辨率像素的图片;
图像噪声去除:采用滤波算法对裁剪后的图片进行滤波,对整幅图像进行加权平均,每个像素点的值,都是由其本身和邻域内的其他像素值加权平均后得到,用高斯核扫描图像中的每一个像素,再计算高斯核所确定的领域内像素的加权平均灰度值,用其替代卷积中心像素的值,所述高斯核为一个奇数大小的高斯模板。
5.根据权利要求3所述的合闸状态判断方法,其特征在于,所述垂直伸缩式刀闸目标识别,是采用YOLO-V5算法。
6.根据权利要求3所述的合闸状态判断方法,其特征在于,所述边缘提取,包括如下步骤:
构建HED网络模型;
在HED网络模型上采用多尺度深度学习算法。
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/202210779991.2/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种车辆清洗机器人智能控制系统
- 下一篇:一种隔音型地板安装设备及安装方法