一种变压器部件的智能识别方法和装置制造方法及图纸

本发明专利技术涉及一种变压器部件的智能识别方法和装置，所述变压器部件包括套管，所述方法包括以下步骤：S1：获取变压器图像，并载入预训练后的第一模型中，识别所述变压器图像中的各个变压器部件，并获取变压器图像中各变压器部件的区域；S2：基于步骤S1中获取的各变压器部件的区域，切割出所述变压器部件中套管的区域；S3：将所述套管的区域图像载入预训练后的第二模型中，识别出套管的颜色和字符信息，从而确定套管的相别。与现有技术相比，本发明专利技术能进一步识别出套管的相别，具有识别精度高，且方法稳定可靠等优点。

【技术实现步骤摘要】
一种变压器部件的智能识别方法和装置
本专利技术涉及人工智能领域，尤其是涉及一种变压器部件的智能识别方法和装置。
技术介绍
随着人工智能技术的发展，越来越多先进智能感知技术应用到变电站运维中，以辅助运维人员更方便、快速的处理数据图像资料，形成关联分析，以进一步提升设备管理水平。现有的用于识别变压器部件的技术侧重于对变压器部件的识别，并没有进一步的扩展。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种变压器部件的智能识别方法和装置。本专利技术的目的可以通过以下技术方案来实现：一种变压器部件的智能识别方法，所述变压器部件包括套管，所述方法包括以下步骤：S1：获取变压器图像，并载入预训练后的第一模型中，识别所述变压器图像中的各个变压器部件，并获取变压器图像中各变压器部件的区域；S2：基于步骤S1中获取的各变压器部件的区域，切割出所述变压器部件中套管的区域；S3：将所述套管的区域图像载入预训练后的第二模型中，识别出套管的颜色和字符信息，从而确定套管的相别。进一步地，所述变压器部件还包括油枕、风扇和变压器本体。进一步地，所述第一模型的训练过程包括：获取变压器样本图像，按照油枕、风扇、套管、变压器本体对变压器做解构分类标注，生成第一训练集和第一测试集，从而对所述第一模型进行训练。进一步地，所述第二模型的训练过程包括：获取套管样本图像，对套管样本图像进行颜色和字符信息标注，生成第二训练集和第二测试集，从而对所述第二模型进行训练。进一步地，所述第一模型基于卷积神经网络建立。进一步地，所述第一模型对所述变压器部件的识别过程包括以下步骤：S1：从所述变压器图像中提取二维特征向量；S2：在二维特征向量的每一个网格生成不同的锚点；S3：使用标注框对识别的区域进行标注；S4：将标注框与生成的锚点做回归处理，并对不同的标注框进行切割分类。进一步地，所述套管的颜色包括红色、绿色和黄色。进一步地，所述字符信息包括“A”字符、“B”字符和“C字符”。本专利技术还提供一种变压器部件的智能识别装置，包括存储器和处理器，所述存储器存储有计算机程序，处理器调用所述计算机程序执行上述的方法的步骤。与现有技术相比，本专利技术具有以下优点：(1)本专利技术通过第一模型识别出变压器的各个部件后，进一步地通过第二模型识别出变压器中套管的相别，既进一步实现对套管相别的识别，提升了设备管理水平；又提高了套管相别的识别精度，方法简单且稳定可靠。(2)本专利技术将第一模型与第二模型分开进行训练，能提高第一模型与第二模型的识别准确度。(3)本专利技术第一模型通过从变压器图像中提取二维特征向量，从而生成不同的锚点，并与识别部件的标注框作回归处理，使得标注框与更贴近部件实际位置，提高了第二模型的识别精度。附图说明图1为本专利技术变压器部件的智能识别方法的流程示意图。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。实施例1如图1所示，本实施例提供一种变压器部件的智能识别方法，用于识别出油枕、风扇、套管和变压器本体，所述方法包括以下步骤：S1：获取变压器图像，并载入预训练后的第一模型中，识别所述变压器图像中的各个变压器部件，并获取变压器图像中各变压器部件的区域；第一模型对变压器部件的识别过程具体包括以下步骤：S101：从所述变压器图像中提取二维特征向量；S102：在二维特征向量的每一个网格生成不同的锚点；S103：使用标注框对识别的区域进行标注；S104：将标注框与生成的锚点做回归处理，使标注框更贴近部件实际位置，并对不同的标注框进行切割分类。S2：基于步骤S1中获取的各变压器部件的区域，切割出所述变压器部件中套管的区域；S3：将所述套管的区域图像载入预训练后的第二模型中，识别出套管的颜色和字符信息，从而确定套管的相别。具体实施为，采用神经网络对套管ABC三相的红绿黄颜色以及“A”字符、“B”字符和“C字符”进行标识，从而确认出套管的相别。第一模型的训练过程包括：获取变压器样本图像，按照油枕、风扇、套管、变压器本体对变压器做解构分类标注，生成第一训练集和第一测试集，从而对所述第一模型进行训练。第一模型基于卷积神经网络建立。第二模型的训练过程包括：获取套管样本图像，对套管样本图像进行颜色和字符信息标注，获取第二训练集和第二测试集，从而对所述第二模型进行训练。本实施例还提供一种变压器部件的智能识别装置，包括存储器和处理器，存储器存储有计算机程序，处理器调用计算机程序执行上述变压器部件的智能识别方法的步骤。以上详细描述了本专利技术的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本专利技术的构思作出诸多修改和变化。因此，凡本
中技术人员依本专利技术的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。本文档来自技高网...

【技术保护点】
1.一种变压器部件的智能识别方法，所述变压器部件包括套管，其特征在于，所述方法包括以下步骤：/nS1：获取变压器图像，并载入预训练后的第一模型中，识别所述变压器图像中的各个变压器部件，并获取变压器图像中各变压器部件的区域；/nS2：基于步骤S1中获取的各变压器部件的区域，切割出所述变压器部件中套管的区域；/nS3：将所述套管的区域图像载入预训练后的第二模型中，识别出套管的颜色和字符信息，从而确定套管的相别。/n

【技术特征摘要】
1.一种变压器部件的智能识别方法，所述变压器部件包括套管，其特征在于，所述方法包括以下步骤：
S1：获取变压器图像，并载入预训练后的第一模型中，识别所述变压器图像中的各个变压器部件，并获取变压器图像中各变压器部件的区域；
S2：基于步骤S1中获取的各变压器部件的区域，切割出所述变压器部件中套管的区域；
S3：将所述套管的区域图像载入预训练后的第二模型中，识别出套管的颜色和字符信息，从而确定套管的相别。


2.根据权利要求1所述的一种变压器部件的智能识别方法，其特征在于，所述变压器部件还包括油枕、风扇和变压器本体。


3.根据权利要求1所述的一种变压器部件的智能识别方法，其特征在于，所述第一模型的训练过程包括：获取变压器样本图像，按照油枕、风扇、套管、变压器本体对所述变压器样本图像进行分类标注，生成第一训练集和第一测试集，从而对所述第一模型进行训练。


4.根据权利要求1所述的一种变压器部件的智能识别方法，其特征在于，所述第二模型的训练过程包括：获取套管样本图像，对套管样本图像进行颜色和字符信息标注，生成第二训练集...

【专利技术属性】
技术研发人员：倪祺，陈宁，顾春杰，王青，胡斌，罗毅，季珊珊，季峰，严炜，续涛，
申请(专利权)人：国网上海市电力公司，上海炯捷电气科技有限公司，
类型：发明
国别省市：上海;31