[发明专利]一种遮挡条件下的变电站安全检测方法及装置

说明书

本发明涉及一种遮挡条件下的变电站安全检测方法及装置，该方法通过AI摄像头采集视频流数据，并对视频流数据进行预处理，得到待检测图片；构建并训练改进的端对端的MASKNET网络模型，并通过训练改进的端对端的MASKNET网络模型对待检测图片进行遮挡特征识别，确定检测目标；获取检测目标对应的安全识别模型，对检测目标进行安全识别，得到安全识别结果。本发明可以弱化遮挡区域的影响，准确识别目标类型，并根据目标类型选择对应的安全识别模型，保证安全检测的效率和准确性。

技术领域

本发明属于变电站检测技术领域，具体涉及一种遮挡条件下的变电站安全检测方法及装置。

背景技术

随着我国电网调度自动化的提高，变电站的无人值守运行是电力系统的发展趋势，无人值守是一种通过少人化无现金化的智慧管理，可以节约大量的人力成本，主要通过AI摄像头、边缘设备等，对电厂各个设施进行数据采集，进而通过大数据和云平台，进行智能运算，实现智能决策管控。

随着计算机技术的发展，变电站无人值守的优势越来越明显，但是，还存在一些问题，在无人值守的环境下，变电站的安全隐患是否能够及时监控并预警，是一个需要重点关注的问题，变电站的主要设备包括但不限于变压器、瓦斯继电器、油位计等核心设备，变压器是否存在破损、油位计(包括但不限于套管油位计和油枕油位计)等是否存在漏油、瓦斯继电器是否存在其他泄露等，对变电站的安全存在较为重大影响。

与此同时，在一些情况下可能会使得一些主要设备的部分被遮挡(比如灰尘、油渍、其他设备等)，这进一步加大了对这些主要设备进行安全监控预警的难度。

CN110175519A公开了一种变电站的分合标识仪表识别方法、装置与存储介质，该方法包括：采集所述分合标识仪表的图像数据作为训练样本；其中，所述图像数据包括图像训练集和图像测试集；将所述图像测试集输入预设的图像识别模型，得到所述图像测试集中每个分合标识的若干个候选框和类别；其中，每个候选框对应一个类别分数；从所述若干个候选框中选取所述分合标识的最优候选框，将所述最优候选框确定为所述分合标识的最终检测框。该方法通过构建图像识别模型，在减少人工识别的工作量情况下，可以有效准确地识别分合标识仪表的工作状态，实时指示电力线路运行状态，保证电力系统的安全运行。CN110175519A主要是针对电力设备进行目标检测，但无法对遮挡情况下电气设备进行安全检测，

CN112381778A公开了一种基于深度学习的变电站安全管控平台，包括：异物和外观缺陷自动识别模块：通过异物和外观缺陷检测的深度学习神经网络模型自动识别图像中各种异物和外观缺陷，标定出异物、外观缺陷的位置和种类；误闯禁区和超范围作业自动报警模块：通过误闯禁区和超范围作业自动报警的深度学习神经网络模型对误闯禁区和超范围作业的行为进行自动检测和报警；站内工作人员违章行为自动检测模块：通过站内工作人员违章行为自动检测的深度学习神经网络模型自动检测站内工作人员是否出现违章行为。CN112381778A虽然针对缺陷进行了检测，但主要是针对区域是否存在异物进行检测，而非本发明要解决的针对主要电力设备存在遮挡情况下的安全检测的问题。

发明内容

为了解决部分遮挡条件下的电器设备的安全检测问题，本发明提供了一种遮挡条件下的变电站安全检测方法。

本发明通过下述技术方案来实现，一种遮挡条件下的变电站安全检测方法，包括如下过程：

S1,通过AI摄像头采集视频流数据，并对视频流数据进行预处理，得到待检测图片；

S2，构建并训练改进的端对端的MASKNET网络模型，并通过训练改进的端对端的MASKNET网络模型对待检测图片进行遮挡特征识别，确定检测目标；

改进的端对端的MASKNET网络模型包括公共特征提取模块、非遮挡区域提取模块和识别卷积网络；