变电站隔离开关图像有效性评估模型

1.本发明涉及图像视觉技术领域，更具体地说，它涉及变电站隔离开关图像有效性评估模型。


背景技术：

2.随着经济和社会的不断发展,电网的规模不断增大,变电站中隔离开关的例行巡检显得尤为重要。传统隔离开关巡检任务是由人工来完成，这会造成运维难度以及风险系数的增加。现如今，建设和普及智能变电站成为构建智能电网的发展趋势,而用无人化智能巡检逐步取代人工巡检是其中重要的一环。因此，如何利用无人化智能巡检逐步取代人工巡检具有重要意义。


技术实现要素：

3.本发明的目的是提供变电站隔离开关图像有效性评估模型，解决的技术问题是如何通过完备性指标快速识别隔离开关图片。根据原始图片，计算出被拍摄隔离开关图片的像素与成像清晰度之间的关系，摄像机焦距与被拍摄物体距离的关系，得出相应的数学关系式，总结相应模型。
4.本发明的上述技术目的是通过以下技术方案得以实现的：变电站隔离开关图像有效性评估模型，包括如下步骤方法：
5.s1：通过采集设备对隔离开关图片进行数据采集；通过yolov5模型进行相关数据的预训练；
6.s2：对所拍摄隔离开关进行识别；采用基于u2net的语义分割的深度学习识别算法对隔离开关图片进行识别；
7.s3：将隔离开关图片送入训练好的yolov5模型进行识别，推算出特征完备性模型和清晰度模型；
8.s4：由推算出的特征完备性模型和清晰度模型得到完备性指标模型。
9.发明进一步设置为：所述清晰度模型对不同的焦距，不同的距离对隔离开关进行数据采集，图像像素与成像清晰度关系：
10.x*p≥21600
11.焦距与被拍摄物体距离关系：
[0012][0013]
综上所述，本发明具有以下有益效果：利用采集设备对隔离开关图片进行数据采集，通过yolov5模型进行大量的相关数据的预训练；通过训练好的yolo模型，对隔离开关图片进行特征量分析，并通过图像中存在的特征量与像素点个数的关系，对隔离开关图片完备性进行划分。该模型可以作为深度学习清晰度划分的依据并且为隔离开关图片识别、摄
像机点位选择提供理论支撑。
附图说明
[0014]
图1是本发明实施例总体流程图；
[0015]
图2是本发明实施例中隔离开关原始图像；
[0016]
图3是本发明实施例采集设备；
[0017]
图4是本发明实施例中深度学习识别结果；
[0018]
图5是本发明实施例中水平隔离开关实物图；
[0019]
图6是本发明实施例中避雷器特征提取图。
具体实施方式
[0020]
以下结合附图1-6对本发明作进一步详细说明。
[0021]
实施例：变电站隔离开关图像有效性评估模型，如图1-6所示，
[0022]
(1)数据采集：
[0023]
对现场的隔离开关进行数据采集，得到所需要的隔离开关的原始图像。采集设备为canon eos 200d ii摄像机，它的传感器尺寸：aps-c画幅(22.3*14.9mm)，最高分辨率:6000
×
4000(w*h)，即面阵宽度fw＝22.3mm、高度fh＝14.9mm，像元大小＝fw/w＝3.7μm，其焦距分别有18mm、24mm、35mm和55mm。拍摄设备2为华为p40手机前置摄像头，它的像元大小为2.24μm，最高分辨率：4096
×
1888。如图3所示，包括的设备有摄像机、手机、测距仪和卷尺等。
[0024]
(2)深度学习识别：
[0025]
首先使用语义分割模型在不同通道上分割出刀口与刀闸上臂；将刀口与刀闸上臂展开为矩形图像，二维图像转为一维数组；最后，对隔离开关特征采用均值滤波定位刀口与刀闸上臂位置输出相对位置。图2隔离开关的原始图像中从左到右三个隔离开关识别结果如图4所示。
[0026]
(3)隔离开关图像完备性与成像清晰度之间的关系：
[0027]
1)完备性评估模型
[0028]
首先对隔离开关进行数据采集得到对隔离开关的完备性评估，如图5所示，我们采用的是识别精度高，识别速度快的yolov5模型。在对被摄隔离开关图片进行识别之前，需要对模型进行大量的相关数据的训练，然后再将图片传入yolov5模型进行识别。
[0029]
在隔离开关的源图像中，图5所示，有四个隔离开关分别记为a、b、c和d，其中a、b、c的整体特征较为完整，隔离开关d只有上半部分在图像中。从图2的识别结果上看，隔离开关a、b、c都能够被准确的识别出来，但是由于隔离开关d的特征不够完整，通过模型输出后，并不能够被识别出来。由此可以得出，只有隔离开关是完整的情况下才能够被视为特征是完备的。
[0030]
2)清晰度评估模型
[0031]
对照不同的焦距，不同的距离对隔离开关进行数据采集，通过图像像素与成像清晰度关系：
[0032]
x*p≥21600
[0033]
和焦距与被拍摄物体距离关系：
[0034][0035]
得到在不同距离下最小像元密度量，通过实验分析得到，本项目中最小像元密度量取41500的时候，可以有效的进行图像清晰度的判断。当经过原理一和原理二计算出隔离开关图像的计算的最小像元密度量大于41500时，认为该图像为清晰图像，反之，为不清晰的图像。
[0036]
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。


技术特征：
1.变电站隔离开关图像有效性评估模型，其特征是：包括如下步骤方法：s1：通过采集设备对隔离开关图片进行数据采集；通过yolov5模型进行相关数据的预训练；s2：对所拍摄隔离开关进行识别；采用基于u2net的语义分割的深度学习识别算法对隔离开关图片进行识别；s3：将隔离开关图片送入训练好的yolov5模型进行识别，推算出特征完备性模型和清晰度模型；s4：由推算出的特征完备性模型和清晰度模型得到完备性指标模型。2.根据权利要求1所述的变电站隔离开关图像有效性评估模型，其特征是：所述清晰度模型对不同的焦距，不同的距离对隔离开关进行数据采集，图像像素与成像清晰度关系：x*p≥21600焦距与被拍摄物体距离关系：

技术总结
本发明公开了变电站隔离开关图像有效性评估模型，涉及图像视觉技术领域。包括如下步骤方法：S1：通过采集备对隔离开关图片进行数据采集；通过yolov5模型进行相关数据的预训练；S2：对所拍摄隔离开关进行识别；采用基于U2NET的语义分割的深度学习识别算法对隔离开关图片进行识别；S3：将隔离开关图片送入训练好的yolov5模型进行识别，推算出特征完备性模型和清晰度模型；S4：由推算出的特征完备性模型和清晰度模型得到完备性指标模型。该模型可以作为深度学习清晰度划分的依据并且为隔离开关图片识别、摄像机点位选择提供理论支撑。摄像机点位选择提供理论支撑。摄像机点位选择提供理论支撑。


技术研发人员：钱宇骋 赵常威 王署东 孙冬 赵大卫 孙林海 常家琪 甘津瑞 张鹏 刘浩 夏卫尚 韩兆刚 常珂 陈彬
受保护的技术使用者：安徽大学 国网智能电网研究院有限公司
技术研发日：2023.04.13
技术公布日：2023/7/25