[发明专利]一种变电站压板设备状态识别方法及装置在审

专利信息
申请号: 201710149786.7 申请日: 2017-03-14
公开(公告)号: CN108573256A 公开(公告)日: 2018-09-25
发明(设计)人: 李健;周昊;邵光亭;付崇光 申请(专利权)人: 山东鲁能智能技术有限公司
主分类号: G06K9/32 分类号: G06K9/32;G06K9/34;G06K9/62
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 罗满
地址: 250101 山东省济*** 国省代码: 山东;37
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 图像区域 压板设备 深度信息 分割 图论 变电站 采集图像 状态识别 神经网络分类器 图像 工作状态信息 图像区域分割 分割图像 神经网络 现场光线 鲁棒性 内压板 重建 光照 输出 申请 表现
【权利要求书】:

1.一种变电站压板设备状态识别方法,其特征在于,包括:

获取变电站压板设备的初始采集图像;

从所述初始采集图像中提取出单个压板设备对应的待识别图像区域;

对所述待识别图像区域进行深度重建,生成相对深度信息;

根据计算得到的所述相对深度信息进行图论分割,将所述待识别图像区域分割为前景以及背景;

将分割后的所述待识别图像区域输入至预先训练好的神经网络分类器中,输出所述待识别图像区域内压板设备的工作状态信息。

2.如权利要求1所述的变电站压板设备状态识别方法,其特征在于,所述从所述初始采集图像中提取出单个压板设备对应的待识别图像区域包括:

预先采集变电站压板设备的模板图像,以预设大小的矩形标定框将所述模板图像上的各个压板设备划分为独立的区域;

对所述初始采集图像以及所述模板图像进行配准;

根据配置的矩形标定框依次从所述初始采集图像中提取出单个压板设备对应的待识别图像区域执行后续识别的操作,直到所述初始采集图像中所有压板设备均识别完毕为止。

3.如权利要求2所述的变电站压板设备状态识别方法,其特征在于,所述对所述初始采集图像以及所述模板图像进行配准包括:

对所述初始采集图像以及所述模板图像分别进行特征点匹配,并计算特征向量;

根据所述特征向量确定由所述初始采集图像到所述模板图像进行透视变换的单映射矩阵;

根据所述单映射矩阵对所述初始采集图像进行图像透视变换。

4.如权利要求1至3任一项所述的变电站压板设备状态识别方法,其特征在于,所述对所述待识别图像区域进行深度重建,生成相对深度信息包括:

计算所述待识别图像区域的灰度纹理特征;

计算所述待识别图像区域的图像雾度;

计算所述待识别图像区域的图像纹理梯度特征;

将所述灰度纹理特征、所述图像雾度、所述图像纹理梯度特征按照预设权重组合为一个特征向量,利用高斯背景建模方法,生成相对深度信息。

5.如权利要求4所述的变电站压板设备状态识别方法,其特征在于,所述根据计算得到的所述相对深度信息进行图论分割,将所述待识别图像区域分割为前景以及背景包括:

根据所述相对深度信息,以靠近相机的部分作为前景,远离相机的部分作为背景,生成一个掩模,进行图论分割后将所述待识别图像区域分割为前景以及背景。

6.一种变电站压板设备状态识别装置,其特征在于,包括:

初始图像获取模块,用于获取变电站压板设备的初始采集图像;

提取模块,用于从所述初始采集图像中提取出单个压板设备对应的待识别图像区域;

深度重建模块,用于对所述待识别图像区域进行深度重建,生成相对深度信息;

图论分割模块,用于根据计算得到的所述相对深度信息进行图论分割,将所述待识别图像区域分割为前景以及背景;

识别模块,用于将分割后的所述待识别图像区域输入至预先训练好的神经网络分类器中,输出所述待识别图像区域内压板设备的工作状态信息。

7.如权利要求6所述的变电站压板设备状态识别装置,其特征在于,所述提取模块包括:

模板图像预建立单元,用于预先采集变电站压板设备的模板图像,以预设大小的矩形标定框将所述模板图像上的各个压板设备划分为独立的区域;

配准单元,用于对所述初始采集图像以及所述模板图像进行配准;

提取单元,用于根据配置的矩形标定框依次从所述初始采集图像中提取出单个压板设备对应的待识别图像区域执行后续识别的操作,直到所述初始采集图像中所有压板设备均识别完毕为止。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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山东鲁能智能技术有限公司,未经山东鲁能智能技术有限公司许可,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/201710149786.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top