[发明专利]一种应用于机器人的基于深度学习智能化视觉识别系统

说明书

本发明公开了一种应用于机器人的基于深度学习智能化视觉识别系统，包括缺陷数据集，所述缺陷数据集包括变电站一次设备物体的一种特性、变电站一次设备物体附着造成的一种状态和变电站一次设备大量锈蚀；目标检测模型框架CSG Net，所述目标检测模型框架CSG Net包括特征提取部分、FPN网络、RPN网络和细粒度网络；所述特征提取部分采用Res‑neXt；所述细粒度网络是在上续目标检测框选出物体之后，针对缺陷部分进行进一步的特征提取，其通过增加一个APN网络来实现；APN网络基于提取到的特征进行训练得到attention区域信息；再将attention区域crop出来并放大，再作为下一级scale网络的输入；最终得到缺陷区域。本发明能够对变电站内的缺陷进行准确识别。

技术领域

本发明涉及识别系统技术领域，具体涉及一种应用于机器人的基于深度学习智能化视觉识别系统。

背景技术

在我国，随着体力劳动者适龄人口的锐减和人口结构老龄化，使得密集型、服务业等行业都将争夺逐渐减少的年轻劳动力人口，从而使用工成本出现整体性增加。而密集型制造业、简单重复工种、恶劣高危作业工种要维持当前生产、服务规模，必然要快速引进自动化设备以替代劳动力的不足，“机器换人”的趋势必将不可逆转。电力系统方面，近几年已逐渐出现架空线巡检机器人、电缆轨道巡检机器人、变电站巡检机器人等机器人的使用，且效果良好。

目前国内机器人的研究已有20多年的历史，国家也大力发展机器人。但由于我国对此方面的研究起步较晚，在机器人技术水平、实用化程度以及稳定方面，与美国、日本等国家相比，都存在不小的差距。

针对轮式变电站巡检机器人，国家电网公司也成立了电力机器人重点实验室，将机器人产品服务于电力生产，体现电力系统的高新技术水平，在机器人和机电一体化领域突出体现电力行业的特点，投入大量的人力物力，围绕变电站巡检机器人、高压带电作业机器人等多种特种机器人进行了一系列的研究。2001年，山东电力研究院首次提出了变电站应用移动机器人技术进行设备巡检的想法，并于2002年被正式列入“国家863计划”重点项目建设。2005 年11月，长青变电站巡检机器人样机正式投入运营，为无人值守变电站的推广应用提供了创新型的技术检测手段，提高了电网的可靠稳定运行水平。

经过多年的探索，国内目前在轮式变电站机器人设备巡检研发领域取得了长足的进展，目前为促进人工智能技术在变电设备巡检中的深化应用，提升巡检影像智能处理技术的实用化水平，推进公司变电站高清视频和智能巡检机器人联合自动巡检试点建设；因此，研究开发和部署变电站设备异常巡检系统来解放人力，使人工智能技术落地应用，服务于电力行业变得愈加重要。

电力行业设备众多，缺陷与异物种类繁多，复杂多变。与通用的目标检测模型所用数据集物体类型差别较大。其数据取自现场拍摄，环境复杂度更高，且识别目标更加多元，不仅识别物体，还需要识别物体的一些特性，如破损、模糊等。如不考虑数据集之间的差异，不考虑识别目标的差异，不区分缺陷、异物的特征类型、直接套用，则会往往陷入模型损失不收敛，识别效果不佳的深坑。因此，针对电力行业的设备及图像识别采取模型针对性加强及图像针对性处理尤为必要。

发明内容

本发明所要解决的问题是：提供一种应用于机器人的基于深度学习智能化视觉识别系统，能够对变电站内的缺陷进行准确识别。

本发明为解决上述问题所提供的技术方案为：一种应用于机器人的基于深度学习智能化视觉识别系统，包括

缺陷数据集，所述缺陷数据集包括变电站一次设备物体的一种特性、变电站一次设备物体附着造成的一种状态和变电站一次设备大量锈蚀；