图像筛选方法、装置、计算机设备和存储介质与流程

1.本技术涉及图像处理技术领域，特别是涉及一种图像筛选方法、装置、计算机设备、存储介质和计算机产品。


背景技术：

2.随着国民经济的不断发展,主干电网的规模不断扩张，变电站的压力日渐增多，承担的运行维护工作也大幅增加，这对运维工作高效高质开展的要求又提高到一个新的层次，大幅度提高运维效率非常重要，因此，利用巡检机器人代替人工进行巡检是一个可以显著提高效率的方式。
3.不过，在目前的巡检机器人巡检技术中，经常会产生大量低质量照片，需要人工进行筛选，存在繁琐、效率低的问题。


技术实现要素：

4.基于此，有必要针对上述技术问题，提供一种图像筛选方法、装置、计算机设备、存储介质和计算机产品。
5.第一方面，本技术提供了一种图像筛选方法。所述方法包括：
6.获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像；
7.获取各所述待筛选设备巡检图像分别对应的多个评价指标；
8.根据所述多个评价指标之间的相对重要性，获取各所述评价指标分别对应的主观权重值；
9.根据各所述评价指标分别对应的信息熵，获取各所述评价指标分别对应的客观权重值；
10.根据所述主观权重值和所述客观权重值，确定各所述评价指标分别对应的综合权重值，作为各所述评价指标分别针对所述待筛选设备巡检图像的质量评价的重要程度；
11.根据所述重要程度，获取所述待筛选设备巡检图像的第一评价系数；并基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像。
12.在其中一个实施例中，所述根据所述多个评价指标之间的相对重要性，获取各所述评价指标分别对应的主观权重值，包括：根据所述多个评价指标之间的相对重要性，构建特征比较矩阵；对所述特征比较矩阵进行一致性校验，在所述一致性校验的校验结果为校验通过的情况下，基于所述特征比较矩阵获取各所述评价指标分别对应的主观权重值。
13.在其中一个实施例中，所述基于所述特征比较矩阵获取各所述评价指标分别对应的权重值，包括：对所述特征比较矩阵进行归一化处理，得到归一化比较矩阵；基于所述归一化比较矩阵获取各所述评价指标分别对应的主观权重值。
14.在其中一个实施例中，所述根据各所述评价指标分别对应的信息熵，获取各所述评价指标分别对应的客观权重值，包括：构建针对所述多个评价指标的标准决策矩阵；基于
所述标准决策矩阵，获取各所述评价指标的贡献度；根据各所述贡献度，得到各所述评价指标分别对应的信息熵；根据各所述信息熵体现的各所述评价指标的离散程度，获取各所述评价指标分别对应的客观权重值。
15.在其中一个实施例中，所述根据所述重要程度，获取所述待筛选设备巡检图像的第一评价系数，包括：将各所述评价指标分别对应的重要程度和各所述评价指标分别对应的指标值的乘积确定为各所述评价指标分别对应的第二评价系数；将所述多个评价指标的第二评价系数的和确定为所述待筛选设备巡检图像的第一评价系数；所述基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像，包括：基于所述第一评价系数对所述待筛选设备巡检图像进行等级标记，得到所述待筛选设备巡检图像对应的评价等级；根据所述评价等级，从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像。
16.在其中一个实施例中，所述获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像，包括：确定所述巡检机器人的多个拍摄停靠位置，并通过所述巡检机器人在所述多个拍摄停靠位置获取针对所述目标设备的多个初始设备巡检图像；对所述多个初始设备巡检图像进行预处理，得到所述目标设备的多个待筛选设备巡检图像。
17.第二方面，本技术提供了一种图像筛选装置。所述装置包括：
18.图像处理模块，用于获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像；
19.获取模块，用于获取各所述待筛选设备巡检图像分别对应的多个评价指标；
20.第一计算模块，用于根据所述多个评价指标之间的相对重要性，获取各所述评价指标分别对应的主观权重值；
21.第二计算模块，用于根据各所述评价指标分别对应的信息熵，获取各所述评价指标分别对应的客观权重值；
22.第三计算模块，用于根据所述主观权重值和所述客观权重值，确定各所述评价指标分别对应的综合权重值，作为各所述评价指标分别针对所述待筛选设备巡检图像的质量评价的重要程度；
23.筛选模块，用于根据所述重要程度，获取所述待筛选设备巡检图像的第一评价系数；并基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像。
24.第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
25.获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像；
26.获取各所述待筛选设备巡检图像分别对应的多个评价指标；
27.根据所述多个评价指标之间的相对重要性，获取各所述评价指标分别对应的主观权重值；
28.根据各所述评价指标分别对应的信息熵，获取各所述评价指标分别对应的客观权重值；
29.根据所述主观权重值和所述客观权重值，确定各所述评价指标分别对应的综合权重值，作为各所述评价指标分别针对所述待筛选设备巡检图像的质量评价的重要程度；
30.根据所述重要程度，获取所述待筛选设备巡检图像的第一评价系数；并基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像。
31.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
32.获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像；
33.获取各所述待筛选设备巡检图像分别对应的多个评价指标；
34.根据所述多个评价指标之间的相对重要性，获取各所述评价指标分别对应的主观权重值；
35.根据各所述评价指标分别对应的信息熵，获取各所述评价指标分别对应的客观权重值；
36.根据所述主观权重值和所述客观权重值，确定各所述评价指标分别对应的综合权重值，作为各所述评价指标分别针对所述待筛选设备巡检图像的质量评价的重要程度；
37.根据所述重要程度，获取所述待筛选设备巡检图像的第一评价系数；并基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像。
38.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
39.获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像；
40.获取各所述待筛选设备巡检图像分别对应的多个评价指标；
41.根据所述多个评价指标之间的相对重要性，获取各所述评价指标分别对应的主观权重值；
42.根据各所述评价指标分别对应的信息熵，获取各所述评价指标分别对应的客观权重值；
43.根据所述主观权重值和所述客观权重值，确定各所述评价指标分别对应的综合权重值，作为各所述评价指标分别针对所述待筛选设备巡检图像的质量评价的重要程度；
44.根据所述重要程度，获取所述待筛选设备巡检图像的第一评价系数；并基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像。
45.上述图像筛选方法、装置、计算机设备、存储介质和计算机产品中，可以通过巡检机器人对变电站中的目标设备进行拍摄，得到该目标设备的多个待筛选设备巡检图像；从而，可以获取各待筛选设备巡检图像分别对应的多个评价指标；进而，根据多个评价指标之间的相对重要性，获取各评价指标分别对应的主观权重值；根据各评价指标分别对应的信息熵，获取各评价指标分别对应的客观权重值；接下来，可以根据主观权重值和客观权重值，确定各评价指标分别对应的综合权重值，作为各评价指标分别针对待筛选设备巡检图像的质量评价的重要程度；并可以根据重要程度，获取待筛选设备巡检图像的第一评价系数；并基于第一评价系数从多个待筛选设备巡检图像中获取满足质量评价的预设评价条件的目标设备巡检图像。本技术实施例提供的该图像筛选方法中，将层次分析法与熵值模型结合，获取待筛选设备巡检图像的各评价指标分别对应的重要程度，基于该重要程度得到
该待筛选设备巡检图像的评价等级，并基于该评价等级，从待筛选设备巡检图像中获取目标设备巡检图像，提高筛选精确度，还可以提高筛选效率。
附图说明
46.图1为一个实施例提供的一种图像筛选方法的流程示意图；
47.图2为一个实施例提供的获取主观权重值的流程示意图；
48.图3为另一个实施例提供的一种图像筛选方法的流程示意图；
49.图4为一个实施例提供的一种图像筛选装置的结构框图；
50.图5为一个实施例提供的一种计算机设备的内部结构图。
具体实施方式
51.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。在一个实施例中，如图1所示，提供了一种图像筛选方法，本实施例以该方法应用于服务器进行举例说明，可以理解的是，该方法也可以应用于终端，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤：
52.步骤s101，获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像。
53.其中，通常，变电站的占地面积比较大，变电站内部设备数量繁多，并且各个设备之间排布较为密集，加上一些设备发生异常时，工作人员不宜靠近，因此，引入巡检机器人对变电站的各个设备进行巡视显得至关重要，结合巡检机器人检测手段先进、视野广、效率高以及更加智能化的优点，利用巡检机器人可以对变电站的设备进行更加直观、更加真实的拍摄、录音记录，进而，可以依据拍摄的图像和录音记录对该设备进行检测。进一步地，在利用巡检机器人对变电站的设备进行巡检的过程中，经常会产生大量低质量的图像，因此，需要对巡检机器人拍摄的图像进行筛选，即从多个待筛选设备巡检图像中筛选出符合质量要求的目标设备巡检图像，其中，产生大量低质量图像的原因可以包括但不限于以下几个方面：
54.1、变电站内设备数量繁多，设备之间排布密集，巡检点设置不佳会导致巡检机器人巡检时存在待测设备被其他设备遮挡的情况；
55.2、站内设备分散在道路两侧，巡检机器人只能在道路上执行巡检任务，巡检机器人距离待测设备过远会导致拍摄像素值低，成像质量差；
56.3、光照在一天中不断变化，巡检点生成必须适应巡检时刻的光照条件，向阳拍摄问题使得巡检点设定的可靠性降低。
57.该巡检机器人可以是用于对变电站的设备进行巡检拍摄的智能设备；该目标设备可以是变电站中待检测的设备，可以是变电站中的任意一个设备；该待筛选设备巡检图像可以是由巡检机器人拍摄的变电站的目标设备的设备图像；在一些可能的实现方式中，可以将由巡检机器人拍摄的变电站的目标设备的设备图像进行预处理后得到该待筛选设备巡检图像。该预处理可以是用于提高图像质量的操作，例如，图像平滑、图像裁剪、图像增强
等。
58.步骤s102，获取各待筛选设备巡检图像分别对应的多个评价指标。
59.其中，可以确定针对该多个待筛选设备巡检图像的评价准则，该评价准则可以是用于对该多个待筛选设备巡检图像进行质量评价的依据。该评价准则可以包括图像质量准则和光照契合准则；该图像质量准则包括图像中目标遮挡率、目标平均大小、平均拍摄角度；该光照契合准则包括逆光拍摄率和平均光照角度。其中，目标遮挡率和目标平均大小可以用于判断该多个待筛选设备巡检图像是否可以使用，该平均拍摄角度、逆光拍摄率和平均光照角度可以用于判断该多个待筛选设备巡检图像的图像质量。在一些可能的实现方式中，该多个评价指标可以为目标遮挡率、目标平均大小、平均拍摄角度、逆光拍摄率和平均光照角度。
60.步骤s103，根据多个评价指标之间的相对重要性，获取各评价指标分别对应的主观权重值。
61.其中，该主观权重值可以是基于主观考虑，得到的各评价指标分别针对待筛选设备巡检图像的质量评价的主观上的重要程度；该主观考虑可以是变电站工作人员的经验，观点。在一些可能的实现方式中，可以结合主观考虑，对该多个评价指标中的任意两个指标进行重要程度比较，获取多个评价指标之间的相对重要性，并基于该相对主要性计算得到各评价指标分别对应的主观权重值。重要程度也可以描述为重要性，具体可以参见表1相对重要性关系表中的相关描述。权重值可以是各评价指标在所有评价指标中所占的比重，可以用来衡量该评价指标对筛选目标设备巡检图像的重要程度。
62.重要性比较相对重要性取值说明指标1比指标2重要3、5、7、9
……
相对重要性越高，取值越大指标1与指标2同等重要1重要性等同，取值为1指标1的重要性弱于指标21/3、1/5、1/7、1/9
……
相对重要性越低，取值越小
63.表1相对重要性关系表
64.步骤s104，根据各评价指标分别对应的信息熵，获取各评价指标分别对应的客观权重值。
65.其中，该各评价指标分别对应的信息熵可以表征各评价指标的离散程度和/或变化程度，在信息熵越大的情况下，表示该信息熵对应的评价指标的变化程度较小；在信息熵越小的情况下，表示该信息熵对应的评价指标的变化程度较大。而，该评价指标的变化程度可以体现该评价指标对于对应的待筛选设备巡检图像的质量的影响程度，即该评价指标对对应的待筛选设备巡检图像的质量评价的重要程度。因此，可以基于各评价指标分别对应的信息熵，获取各评价指标分别对应的客观权重值。该客观权重值可以用于表征基于评价准侧，该评价指标对对应的待筛选设备巡检图像的质量评价的客观上的重要程度。
66.步骤s105，根据主观权重值和客观权重值，确定各评价指标分别对应的综合权重值。
67.其中，该综合权重值可以用于作为各评价指标分别针对待筛选设备巡检图像的质量评价的重要程度。该综合权重值的计算公式如以下公式(1)所示：
[0068][0069]
其中，可以是第j个评价指标的主观权重值；可以是第j个评价指标的客观权重值；γj可以是第j个评价指标的综合权重值。
[0070]
步骤s106，根据重要程度，获取待筛选设备巡检图像的第一评价系数；并基于第一评价系数从多个待筛选设备巡检图像中获取满足质量评价的预设评价条件的目标设备巡检图像。
[0071]
其中，可以基于该第一评价系数对该待筛选设备巡检图像进行评价，该第一评价系数可以作为对该待筛选设备巡检图像进行评价的评价依据。在一些可能的实现方式中，该第一评价系数可以是该待筛选设备巡检图像的各个评价指标的指标数的加权和，计算公式如下公式(2)：
[0072][0073]
其中，γj可以是第j个评价指标的综合权重值；xj可以是第j个评价指标的指标值；r可以是该待筛选设备巡检图像的第一评价系数。
[0074]
本实施例的方法中，可以通过巡检机器人对变电站中的目标设备进行拍摄，得到该目标设备的多个待筛选设备巡检图像；从而，可以获取各待筛选设备巡检图像分别对应的多个评价指标；进而，根据多个评价指标之间的相对重要性，获取各评价指标分别对应的主观权重值；根据各评价指标分别对应的信息熵，获取各评价指标分别对应的客观权重值；接下来，可以根据主观权重值和客观权重值，确定各评价指标分别对应的综合权重值，作为各评价指标分别针对待筛选设备巡检图像的质量评价的重要程度；并可以根据重要程度，获取待筛选设备巡检图像的第一评价系数；并基于第一评价系数从多个待筛选设备巡检图像中获取满足质量评价的预设评价条件的目标设备巡检图像。本技术实施例提供的该图像筛选方法中，将层次分析法与熵值模型结合，获取待筛选设备巡检图像的各评价指标分别对应的重要程度，基于该重要程度得到该待筛选设备巡检图像的评价等级，并基于该评价等级，从待筛选设备巡检图像中获取目标设备巡检图像，提高筛选精确度，还可以提高筛选效率。
[0075]
在一些实施例中，如图2所示，步骤s103可以包括：
[0076]
步骤s201，根据多个评价指标之间的相对重要性，构建特征比较矩阵。
[0077]
其中，由该相对重要性可以构建特征比较矩阵，即该特征比较矩阵中的每个元素为两个评价指标的相对重要性数值。下面以三个评价指标举例说明，构建关于指标1、指标2和指标3三个评价指标的特征比较矩阵为：
[0078][0079]
其中，h为构建的三个评价指标的特征比较矩阵；h
11
为指标1与指标1的相对重要性数值；h
12
为指标1与指标2的相对重要性数值；h
13
为指标1与指标3的相对重要性数值；h
21
为指标2与指标1的相对重要性数值；h
22
为指标2与指标2的相对重要性数值；h
23
为指标2与指
标3的相对重要性数值；h
31
为指标3与指标1的相对重要性数值；h
32
为指标3与指标2的相对重要性数值；h
33
为指标3与指标3的相对重要性数值；h
11
、h
22
和h
33
三个元素为1，此处的相对重要性数值也可以包括第一重要性系数和第二重要性系数，第一重要性系数分别用于表征各评价指标对当前指标的重要程度，第二重要性系数分别用于表征当前指标对各评价指标的重要程度。
[0080]
步骤s202，对特征比较矩阵进行一致性校验，在一致性校验的校验结果为校验通过的情况下，基于特征比较矩阵获取各评价指标分别对应的权重值。
[0081]
其中，在一些可能的实现方式中，可以通过计算特征比较矩阵的一致性系数对特征比较矩阵进行一致性校验，该一致性校验可以用来衡量特征比较矩阵中的相对重要性数值设置的合理性，当一致性系数小于预设阈值(例如，0.1)时，表明该特征比较矩阵中的相对重要性数值的设置是合理的，此时，对特征比较矩阵进行一致性校验的校验结果为校验通过，便可以基于特征比较矩阵获取各评价指标分别对应的权重值；当一致性系数大于或者等于预设阈值时，表明该特征比较矩阵中的相对重要性数值的设置是不合理的，此时，对特征比较矩阵进行一致性校验的校验结果为校验不通过；在该特征比较矩阵校验不通过的情况下，需要对该特征比较矩阵中的每个元素重新设置。关于一致性系数的计算可以参见以下公式(3)：
[0082][0083]
其中，cr为一致性系数；λ为该特征比较矩阵的最大指标根；m为该特征比较矩阵的阶数；ri为平均随机变量指标，ri数值可以参见表2ri数值参考表。
[0084]
m1234567ri000.520.891.121.261.36m891011121314ri1.411.461.491.521.541.561.58
[0085]
表2 ri数值参考表
[0086]
本实施例的方法中，可以对构建的特征比较矩阵的合理性进行一致性校验，确保后续获得的评价指标的主观权重值的准确性。
[0087]
在一些实施例中，步骤s202可以包括：
[0088]
对特征比较矩阵进行归一化处理，得到归一化比较矩阵；基于归一化比较矩阵获取各评价指标分别对应的主观权重值。其中，对特征比较矩阵进行归一化处理，得到归一化比较矩阵可以包括：
[0089]
在各评价指标中获取当前指标；当前指标为评价指标中的任意一个；
[0090]
基于特征比较矩阵，获取当前指标对应的多个第一重要性系数，并获取各第一重要性系数的归一化结果；各第一重要性系数分别用于表征各评价指标对当前指标的重要程度；
[0091]
基于每个当前指标分别对应的各第一重要性系数的归一化结果，得到归一化比较矩阵。其中，当前指标为评价指标中的任意一个。
[0092]
具体地，在一些可能的实现方式中，可以对特征比较矩阵h进行列求和，得到列求和矩阵hj,以获取各评价指标对当前指标的重要性求和结果，例如：
[0093][0094]hj
＝[h
11
+h
21
+h
31h12
+h
22
+h
32h13
+h
23
+h
33
]
[0095]
在列求和矩阵hj中，对于元素h
11
+h
21
+h
31
，当前指标为指标1，h
11
+h
21
+h
31
即为评价指标(指标1、指标2和指标3)对当前指标(指标1)的重要性求和结果；同理，对于元素h
12
+h
22
+h
32
，当前指标为指标2，h
12
+h
22
+h
32
为评价指标(指标1、指标2和指标3)对当前指标(指标2)的重要性求和结果；h
13
+h
23
+h
33
为评价指标(指标1、指标2和指标3)对当前指标(指标3)的重要性求和结果。
[0096]
获取各评价指标对当前指标的重要性求和结果之后，可以将特征比较矩阵h与列求和矩阵hj的商确定为归一化比较矩阵h
*
，该归一化比较矩阵h
*
中的元素即为各第一重要性系数的归一化结果。例如：
[0097][0098]
其中，归一化比较矩阵h
*
中的元素即为各第一重要性系数的归一化结果，可以表示各评价指标对当前指标的重要性在重要性求和结果中的比重。以第一列为例，归一化比较矩阵h
*
中的第一列的当前指标均为指标1，则可以为指标2对指标1的重要性在评价指标对当前指标(指标1)的重要性求和结果中的比重；则可以为指标3对指标1的重要性在评价指标对当前指标(指标1)的重要性求和结果中的比重。
[0099]
进一步地，基于归一化比较矩阵，对归一化比较矩阵中包含的各归一化结果进行求和处理，得到第一求和结果；从归一化比较矩阵中，获取当前指标对应的多个第二重要性系数的归一化结果，并将第二重要性系数的归一化结果进行求和处理，得到第二求和结果；将当前指标的第二求和结果与第一求和结果的比值，作为当前指标对应的主观权重值。
[0100]
本实施例的方法中，可以基于特征比较矩阵精确地确定各评价指标的主观权重值，便于后续得到各评价指标分别针对待筛选设备巡检图像的质量评价的重要程度。
[0101]
在一些实施例中，步骤s104可以包括：
[0102]
构建针对多个评价指标的标准决策矩阵；基于标准决策矩阵，获取各评价指标的贡献度；根据各贡献度，得到各评价指标分别对应的信息熵；根据各信息熵体现的各评价指标的离散程度，获取各评价指标分别对应的客观权重值。
[0103]
具体地，可以获取各个评价指标对应的指标值，基于多个评价指标的指标值构建针对待筛选设备巡检图像的决策矩阵，将该决策矩阵中的每一个元素进行正向化和标准化处理，得到该标准决策矩阵；从而，可以计算出各个评价指标分别对应的概率值，得到该待筛选设备巡检图像对应的概率矩阵；基于各个评价指标分别对应的概率值，可以确定各个
评价指标分别包含的信息量大小，即该贡献度；在一些可能的实现方式中，可以将该概率值的负对数确定为信息量大小；基于各个评价指标分别对应的概率值和该信息量大小，可以得到各个评价指标分别对应的信息熵；进而，可以将1与该信息熵的差值确定为各个评价指标分别对应的信息效用值，接下来，可以基于各个评价指标分别对应的信息效用值，获取各评价指标分别对应的客观权重值。其中，各评价指标分别对应的概率越小，则该评价指标对应的变异程度就越大，从而，该评价指标包含的信息量就越大，信息效用值也越大，最终，该评价指标对应的客观权重值就越大。
[0104]
在本实施例的方法中，可以准确基于评价指标的数据本身得到对应的客观权重值，有利于后续对各评价指标的综合考虑，更加准确。
[0105]
在一些实施例中，步骤s106中的根据重要程度，获取待筛选设备巡检图像的第一评价系数，可以包括：
[0106]
将各评价指标分别对应的重要程度和各评价指标分别对应的指标值的乘积确定为各评价指标分别对应的第二评价系数；将多个评价指标的第二评价系数的和确定为待筛选设备巡检图像的第一评价系数；基于第一评价系数从多个待筛选设备巡检图像中获取满足质量评价的预设评价条件的目标设备巡检图像，包括：基于第一评价系数对待筛选设备巡检图像进行等级标记，得到待筛选设备巡检图像对应的评价等级；根据评价等级，从多个待筛选设备巡检图像中获取满足质量评价的预设评价条件的目标设备巡检图像。
[0107]
其中，可以将各个评价指标分别对应的综合权重值，作为各评价指标分别针对待筛选设备巡检图像的质量评价的重要程度；可以将各个评价指标分别对应的综合权重值作为各个评价指标的加权系数，从而，可以将各个评价指标的加权系数与各个评价指标的指标值的乘积确定为各个评价指标分别对应的第二评价系数，多个评价指标的第二评价系数的和即为多个评价指标的加权和，即第一评价系数，计算公式如下公式(2)：
[0108][0109]
其中，γj可以是第j个评价指标的综合权重值；xj可以是第j个评价指标的指标值；r可以是该待筛选设备巡检图像的第一评价系数。
[0110]
基于第一评价系数对待筛选设备巡检图像进行等级标记，得到待筛选设备巡检图像对应的评价等级(例如，优、良、合格和差等级)；根据评价等级，从多个待筛选设备巡检图像中获取满足质量评价的预设评价条件的目标设备巡检图像，在一些可能的实现方式中，可以将预设评价条件确定为评价等级为优和良，从而，就可以将评价等级为优和良的待筛选设备巡检图像确定为目标设备巡检图像。
[0111]
本实施例的方法中，可以基于各个评价指标的综合权值对各个评价指标进行等级划分，便于筛选出满足质量评价的预设评价条件的目标设备巡检图像，提高了筛选的精确度。
[0112]
在一些实施例中，步骤s101可以包括：
[0113]
确定巡检机器人的多个拍摄停靠位置，并通过巡检机器人在多个拍摄停靠位置获取针对目标设备的多个初始设备巡检图像；对多个初始设备巡检图像进行预处理，得到目标设备的多个待筛选设备巡检图像。
[0114]
具体地，利用定位系统确定巡检机器人的当前位置，并将其作为巡检机器人的参考点，巡检机器人沿巡检路线逐步向巡检点移动，巡检机器人采用照相机拍摄目标设备，并
将获取的照片保存下来，输入上位计算机中；在一些可能的实现方式中，可以将由巡检机器人拍摄的变电站的目标设备的设备图像进行预处理后得到该待筛选设备巡检图像。该预处理可以是用于提高图像质量的操作，例如，图像平滑、图像裁剪、图像增强等。
[0115]
在另一个实施例中，如图3所示，提供了一种图像筛选方法，可以包括：
[0116]
步骤s301，确定巡检机器人的多个拍摄停靠位置，并通过巡检机器人在多个拍摄停靠位置获取针对目标设备的多个初始设备巡检图像。
[0117]
步骤s302，对多个初始设备巡检图像进行预处理，得到目标设备的多个待筛选设备巡检图像。
[0118]
步骤s303，获取各待筛选设备巡检图像分别对应的多个评价指标。
[0119]
其中，可以确定针对该多个待筛选设备巡检图像的评价准则，该评价准则可以是用于对该多个待筛选设备巡检图像进行质量评价的依据。该评价准则可以包括图像质量准则和光照契合准则；该图像质量准则包括图像中目标遮挡率、目标平均大小、平均拍摄角度；该光照契合准则包括逆光拍摄率和平均光照角度。其中，目标遮挡率和目标平均大小可以用于判断该多个待筛选设备巡检图像是否可以使用，该平均拍摄角度、逆光拍摄率和平均光照角度可以用于判断该多个待筛选设备巡检图像的图像质量。在一些可能的实现方式中，该多个评价指标可以为目标遮挡率、目标平均大小、平均拍摄角度、逆光拍摄率和平均光照角度。
[0120]
步骤s304，根据多个评价指标之间的相对重要性，获取各评价指标分别对应的主观权重值。
[0121]
其中，该主观权重值可以是基于主观考虑，得到的各评价指标分别针对待筛选设备巡检图像的质量评价的主观上的重要程度；该主观考虑可以是变电站工作人员的经验，观点。在一些可能的实现方式中，可以结合主观考虑，对该多个评价指标中的任意两个指标进行重要程度比较，获取多个评价指标之间的相对重要性，并基于该相对主要性计算得到各评价指标分别对应的主观权重值。重要程度也可以描述为重要性，具体可以参见表1相对重要性关系表中的相关描述。权重值可以是各评价指标在所有评价指标中所占的比重，可以用来衡量该评价指标对筛选目标设备巡检图像的重要程度。
[0122]
重要性比较相对重要性取值说明指标1比指标2重要3、5、7、9
……
相对重要性越高，取值越大指标1与指标2同等重要1重要性等同，取值为1指标1的重要性弱于指标21/3、1/5、1/7、1/9
……
相对重要性越低，取值越小
[0123]
表1相对重要性关系表
[0124]
步骤s305，根据各评价指标分别对应的信息熵，获取各评价指标分别对应的客观权重值。
[0125]
其中，该各评价指标分别对应的信息熵可以表征各评价指标的离散程度和/或变化程度，在信息熵越大的情况下，表示该信息熵对应的评价指标的变化程度较小；在信息熵越小的情况下，表示该信息熵对应的评价指标的变化程度较大。而，该评价指标的变化程度可以体现该评价指标对于对应的待筛选设备巡检图像的质量的影响程度，即该评价指标对对应的待筛选设备巡检图像的质量评价的重要程度。因此，可以基于各评价指标分别对应的信息熵，获取各评价指标分别对应的客观权重值。该客观权重值可以用于表征基于评价
准侧，该评价指标对对应的待筛选设备巡检图像的质量评价的客观上的重要程度。
[0126]
步骤s306，根据主观权重值和客观权重值，确定各评价指标分别对应的综合权重值。
[0127]
其中，该综合权重值可以用于作为各评价指标分别针对待筛选设备巡检图像的质量评价的重要程度。该综合权重值的计算公式如以下公式(1)所示：
[0128][0129]
其中，可以是第j个评价指标的主观权重值；可以是第j个评价指标的客观权重值；γj可以是第j个评价指标的综合权重值。
[0130]
步骤s307，根据重要程度，获取待筛选设备巡检图像的第一评价系数；并基于第一评价系数从多个待筛选设备巡检图像中获取满足质量评价的预设评价条件的目标设备巡检图像。
[0131]
其中，可以基于该第一评价系数对该待筛选设备巡检图像进行评价，该第一评价系数可以作为对该待筛选设备巡检图像进行评价的评价依据。在一些可能的实现方式中，该第一评价系数可以是该待筛选设备巡检图像的各个评价指标的指标数的加权和，计算公式如下公式(2)：
[0132][0133]
其中，γj可以是第j个评价指标的综合权重值；xj可以是第j个评价指标的指标值；r可以是该待筛选设备巡检图像的第一评价系数。
[0134]
本实施例的方法中，可以通过巡检机器人对变电站中的目标设备进行拍摄，得到该目标设备的多个待筛选设备巡检图像；从而，可以获取各待筛选设备巡检图像分别对应的多个评价指标；进而，根据多个评价指标之间的相对重要性，获取各评价指标分别对应的主观权重值；根据各评价指标分别对应的信息熵，获取各评价指标分别对应的客观权重值；接下来，可以根据主观权重值和客观权重值，确定各评价指标分别对应的综合权重值，作为各评价指标分别针对待筛选设备巡检图像的质量评价的重要程度；并可以根据重要程度，获取待筛选设备巡检图像的第一评价系数；并基于第一评价系数从多个待筛选设备巡检图像中获取满足质量评价的预设评价条件的目标设备巡检图像。本技术实施例提供的该图像筛选方法中，将层次分析法与熵值模型结合，获取待筛选设备巡检图像的各评价指标分别对应的重要程度，基于该重要程度得到该待筛选设备巡检图像的评价等级，并基于该评价等级，从待筛选设备巡检图像中获取目标设备巡检图像，提高筛选精确度，还可以提高筛选效率。
[0135]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的
步骤或者阶段的至少一部分轮流或者交替地执行。
[0136]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的图像筛选方法的图像筛选装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个图像筛选装置实施例中的具体限定可以参见上文中对于图像筛选方法的限定，在此不再赘述。
[0137]
在一个实施例中，如图4所示，提供了一种图像筛选装置，包括：图像处理模块401、获取模块402、第一计算模块403、第二计算模块404、第三计算模块405和筛选模块406，其中：
[0138]
图像处理模块401，用于获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像；
[0139]
获取模块402，用于获取各所述待筛选设备巡检图像分别对应的多个评价指标；
[0140]
第一计算模块403，用于根据所述多个评价指标之间的相对重要性，获取各所述评价指标分别对应的主观权重值；
[0141]
第二计算模块404，用于根据各所述评价指标分别对应的信息熵，获取各所述评价指标分别对应的客观权重值；
[0142]
第三计算模块405，用于根据所述主观权重值和所述客观权重值，确定各所述评价指标分别对应的综合权重值，作为各所述评价指标分别针对所述待筛选设备巡检图像的质量评价的重要程度；
[0143]
筛选模块406，用于根据所述重要程度，获取所述待筛选设备巡检图像的第一评价系数；并基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像。
[0144]
第一计算模块403，还用于：根据所述多个评价指标之间的相对重要性，构建特征比较矩阵；对所述特征比较矩阵进行一致性校验，在所述一致性校验的校验结果为校验通过的情况下，基于所述特征比较矩阵获取各所述评价指标分别对应的主观权重值。
[0145]
第一计算模块403，进一步用于：对所述特征比较矩阵进行归一化处理，得到归一化比较矩阵；基于所述归一化比较矩阵获取各所述评价指标分别对应的主观权重值。
[0146]
第二计算模块404，还用于：构建针对所述多个评价指标的标准决策矩阵；基于所述标准决策矩阵，获取各所述评价指标的贡献度；根据各所述贡献度，得到各所述评价指标分别对应的信息熵；根据各所述信息熵体现的各所述评价指标的离散程度，获取各所述评价指标分别对应的客观权重值。
[0147]
筛选模块406，还用于：将各所述评价指标分别对应的重要程度和各所述评价指标分别对应的指标值的乘积确定为各所述评价指标分别对应的第二评价系数；将所述多个评价指标的第二评价系数的和确定为所述待筛选设备巡检图像的第一评价系数；所述基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像，包括：基于所述第一评价系数对所述待筛选设备巡检图像进行等级标记，得到所述待筛选设备巡检图像对应的评价等级；根据所述评价等级，从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像。
[0148]
图像处理模块401，还用于：确定所述巡检机器人的多个拍摄停靠位置，并通过所述巡检机器人在所述多个拍摄停靠位置获取针对所述目标设备的多个初始设备巡检图像；
对所述多个初始设备巡检图像进行预处理，得到所述目标设备的多个待筛选设备巡检图像。
[0149]
上述图像筛选装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0150]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储图像筛选数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种图像筛选方法。
[0151]
本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0152]
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
[0153]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0154]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0155]
需要说明的是，本技术所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
[0156]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0157]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0158]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。

技术特征：
1.一种图像筛选方法，其特征在于，所述方法包括：获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像；获取各所述待筛选设备巡检图像分别对应的多个评价指标；根据所述多个评价指标之间的相对重要性，获取各所述评价指标分别对应的主观权重值；根据各所述评价指标分别对应的信息熵，获取各所述评价指标分别对应的客观权重值；根据所述主观权重值和所述客观权重值，确定各所述评价指标分别对应的综合权重值，作为各所述评价指标分别针对所述待筛选设备巡检图像的质量评价的重要程度；根据所述重要程度，获取所述待筛选设备巡检图像的第一评价系数；并基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像。2.根据权利要求1所述的方法，其特征在于，所述根据所述多个评价指标之间的相对重要性，获取各所述评价指标分别对应的主观权重值，包括：根据所述多个评价指标之间的相对重要性，构建特征比较矩阵；对所述特征比较矩阵进行一致性校验，在所述一致性校验的校验结果为校验通过的情况下，基于所述特征比较矩阵获取各所述评价指标分别对应的主观权重值。3.根据权利要求2所述的方法，其特征在于，所述基于所述特征比较矩阵获取各所述评价指标分别对应的权重值，包括：对所述特征比较矩阵进行归一化处理，得到归一化比较矩阵；基于所述归一化比较矩阵获取各所述评价指标分别对应的主观权重值。4.根据权利要求1所述的方法，其特征在于，所述根据各所述评价指标分别对应的信息熵，获取各所述评价指标分别对应的客观权重值，包括：构建针对所述多个评价指标的标准决策矩阵；基于所述标准决策矩阵，获取各所述评价指标的贡献度；根据各所述贡献度，得到各所述评价指标分别对应的信息熵；根据各所述信息熵体现的各所述评价指标的离散程度，获取各所述评价指标分别对应的客观权重值。5.根据权利要求1所述的方法，其特征在于，所述根据所述重要程度，获取所述待筛选设备巡检图像的第一评价系数，包括：将各所述评价指标分别对应的重要程度和各所述评价指标分别对应的指标值的乘积确定为各所述评价指标分别对应的第二评价系数；将所述多个评价指标的第二评价系数的和确定为所述待筛选设备巡检图像的第一评价系数；所述基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像，包括：基于所述第一评价系数对所述待筛选设备巡检图像进行等级标记，得到所述待筛选设备巡检图像对应的评价等级；根据所述评价等级，从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设
评价条件的目标设备巡检图像。6.根据权利要求1所述的方法，其特征在于，所述获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像，包括：确定所述巡检机器人的多个拍摄停靠位置，并通过所述巡检机器人在所述多个拍摄停靠位置获取针对所述目标设备的多个初始设备巡检图像；对所述多个初始设备巡检图像进行预处理，得到所述目标设备的多个待筛选设备巡检图像。7.一种图像筛选装置，其特征在于，所述装置包括：图像处理模块，用于获取巡检机器人拍摄的变电站中的目标设备的多个待筛选设备巡检图像；获取模块，用于获取各所述待筛选设备巡检图像分别对应的多个评价指标；第一计算模块，用于根据所述多个评价指标之间的相对重要性，获取各所述评价指标分别对应的主观权重值；第二计算模块，用于根据各所述评价指标分别对应的信息熵，获取各所述评价指标分别对应的客观权重值；第三计算模块，用于根据所述主观权重值和所述客观权重值，确定各所述评价指标分别对应的综合权重值，作为各所述评价指标分别针对所述待筛选设备巡检图像的质量评价的重要程度；筛选模块，用于根据所述重要程度，获取所述待筛选设备巡检图像的第一评价系数；并基于所述第一评价系数从所述多个待筛选设备巡检图像中获取满足所述质量评价的预设评价条件的目标设备巡检图像。8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-6任一项所述的方法的步骤。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的方法的步骤。10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法的步骤。

技术总结
本申请实施例提供了一种图像筛选方法，涉及图像处理技术领域。该方法包括：获取该目标设备的多个待筛选设备巡检图像；获取各待筛选设备巡检图像分别对应的多个评价指标；根据多个评价指标之间的相对重要性，获取各评价指标分别对应的主观权重值；根据各评价指标分别对应的信息熵，获取各评价指标分别对应的客观权重值；根据主观权重值和客观权重值，确定各评价指标分别对应的综合权重值；根据重要程度从多个待筛选设备巡检图像中获取满足质量评价的预设评价条件的目标设备巡检图像。该方法，可以提高筛选精确度，还可以提高筛选效率。还可以提高筛选效率。还可以提高筛选效率。


技术研发人员：周震震 何宇浩 王奇 何森 宋云海 黄和燕 王黎伟 赖光霖 何珏 余俊松 黄怀霖 孙萌
受保护的技术使用者：中国南方电网有限责任公司超高压输电公司电力科研院
技术研发日：2023.07.07
技术公布日：2023/10/15