[发明专利]基于视频图像智能前端的变电设备缺陷诊断方法和系统

权利要求书

1.一种基于视频图像智能前端的变电设备缺陷诊断方法，其特征在于，用于设置于变电站内不同位置的多个视频图像智能前端，包括：

视频图像智能前端设置有视频图像处理芯片和中央处理器，其中，中央处理器设置有嵌入式操作系统；视频图像处理芯片与通用嵌入式芯片及嵌入式操作系统配合，为中央处理器添加AI加速器功能；

摄像头传感单元采集变电设备的视频图像，其中，摄像头传感单元设置在视频图像智能前端，所述摄像头传感单元固定设置在可控云台上，跟随可控云台摆动；

执行轻量化实例分割模型处理所述视频图像，确定目标主体的目标中心值，其中，所述目标主体为变电设备；

所述中央处理器根据所述目标主体的目标中心值和摄像头传感单元采集的图像的画面中心值计算偏移量；并根据所述偏移量，通过比例-积分-微分控制可控云台，以使得目标主体位于摄像头传感单元采集的画面的中央；

摄像头传感单元实时采集变电设备视频图像，其中，由所述嵌入式操作系统通过比例-积分-微分控制可控云台以使得作为目标主体的变电设备位于摄像头传感单元采集的画面的中央；

智能分析单元采用最优调度方案，执行轻量化缺陷识别模型处理所述视频图像，并根据处理结果，确定变电设备的缺陷；

其中，所述轻量化缺陷识别模型是由压缩算法处理单元对获取的变电设备图像诊断模型执行伪量化处理和/或剪枝处理后得到的；其中，所述压缩算法处理单元运行在嵌入式操作系统内；

其中，所述最优调度方案是所述嵌入式操作系统协同视频图像处理芯片的硬件资源和中央处理器的硬件资源，对所述轻量化缺陷识别模型执行算子调优算法得到，并映射到中央处理器内的。

2.根据权利要求1所述的方法，其特征在于，

在实时采集变电设备视频图像之前，还包括：

经边端侧云边协同组件和云端侧云边协同组件从云端服务器获取变电设备图像诊断模型，所述变电设备图像诊断模型是根据变电站的典型视频图像及典型缺陷完成深度学习神经网络训练及评估后生成的；其中，

所述边端侧云边协同组件设置于所述视频图像智能前端；

所述云端侧云边协同组件设置于所述云端服务器。

3.根据权利要求1所述的方法，其特征在于，

在根据变电站的典型视频图像及典型缺陷完成深度学习神经网络训练及评估，生成所述变电设备图像诊断模型时，

所述变电设备缺陷图像诊断模型基于以下深度学习神经网络框架中的一种或多种得到：YOLO、Faster RCNN、SSD和Mask RCNN；

在模型预测准确度大于或等于预先设定的准确度时，输出所述变电设备缺陷图像诊断模型的权重矩阵和模型参数。

4.一种基于视频图像智能前端的变电设备缺陷诊断系统，其特征在于，包括：

设置于变电站内不同位置的多个视频图像智能前端；

每一所述视频图像智能前端包括智能摄像头和智能前端板卡；

所述智能摄像头固定设置在可控云台上，跟随可控云台摆动；

所述智能摄像头用于采集变电设备视频图像；

所述智能前端板卡设置有视频图像处理芯片和中央处理器，其中，中央处理器设置有嵌入式操作系统；所述视频图像处理芯片与通用嵌入式芯片及嵌入式操作系统配合，为中央处理器添加AI加速器功能；

所述智能前端板卡还设置有智能分析单元，所述智能分析单元用于采用最优调度方案，协调视频图像处理芯片的硬件资源和中央处理器的硬件资源，执行轻量化缺陷识别模型处理所述视频图像，并根据处理结果，确定变电设备的缺陷；

所述视频图像处理芯片和中央处理器还用于实例分割变电设备视频图像，并确定目标主体的目标中心值；

所述中央处理器还用于根据所述目标主体的目标中心值，执行云台视角自适应调节算法，控制可控云台摆动，以使得目标主体位于摄像头传感单元采集的画面的中央。

5.根据权利要求4所述的系统，其特征在于，

所述智能摄像头包括摄像头传感单元，所述摄像头传感单元为红外摄像头、可见光摄像头或紫外摄像头。