一种基于图像识别的水电站监控方法、装置及终端设备制造方法及图纸

本申请适用于图像识别技术领域，提供了一种基于图像识别的水电站监控方法、装置及终端设备，方法包括：获取第一目标影像数据，将第一目标影像数据输入至第一识别网络模型中进行处理，得到对应的第一输出结果，在检测到第一输出结果不为正常工作状态时，获取第二目标影像数据，将第二目标影像数据输入至第二识别网络模型中进行处理，得到对应的第二输出结果，在检测到第二输出结果不为正常工作状态时，生成异常告警信息并发送至目标终端。本申请实现了基于训练后的神经网络模型自动识别影像数据中设备是否处于非正常工作状态，在节省成本的同时提高了设备检测效率，基于不同类型的摄像装置拍摄的图像对设备进行双重检测，提高了设备检测精度。设备检测精度。设备检测精度。

【技术实现步骤摘要】
一种基于图像识别的水电站监控方法、装置及终端设备


[0001]本申请属于图像识别
，尤其涉及一种基于图像识别的水电站监控方法、装置及终端设备。

技术介绍

[0002]在实际应用场景中，水电站的运行需要大量不同类型和规模的变电设备来实现。(例如，变压器、高压断路器、隔离开关、母线、避雷器、电容器、电抗器、继电保护装置、自动装置、测控装置、计量装置、自动化系统等)
[0003]针对水电站的大量变电设备，相关检测通常是通过检测人员通过摄像装置等相关设备进行监控，基于检测人员的经验基于监控视频设备实现对设备的检测及维修。
[0004]上述检测方法需要耗费大量的成本和时间、存在检测的效率较低和检测精度不稳定的问题。

技术实现思路

[0005]本申请实施例提供了一种基于图像识别的水电站监控方法、装置及终端设备，可以解决相关水电站的变电设备的检测方法需要耗费大量的成本和时间、存在检测的效率较低和检测精度不稳定的问题。
[0006]第一方面，本申请实施例提供了一种基于图像识别的水电站监控方法，包括：
[0007]获取第一目标影像数据；其中，第一影像数据为基于第一拍摄装置拍摄得到的图像数据；
[0008]将所述第一目标影像数据输入至第一识别网络模型中进行处理，得到对应的第一输出结果；所述第一输出结果包括正常工作状态、异常工作状态或待核验状态；
[0009]在检测到所述第一输出结果不为正常工作状态时，获取第二目标影像数据；其中，第二目标影像数据为由第二拍摄装置发射预设波段光，并针对所述预设波段光进行响应，拍摄得到的图像数据；
[0010]将所述第二目标影像数据输入至第二识别网络模型中进行处理，得到对应的第二输出结果；所述第二输出结果包括正常工作状态、异常工作状态或待核验状态；
[0011]在检测到所述第二输出结果不为正常工作状态时，生成异常告警信息并发送至目标终端。
[0012]在一个实施例中，所述获取第一目标影像数据之前，还包括：
[0013]获取多个第一训练影像数据和第二训练影像数据；其中，第一训练影像数据为基于第一拍摄装置针对第一目标设备拍摄得到的图像数据；第二训练影像数据为基于第一拍摄装置针对第二目标设备拍摄得到的图像数据；
[0014]基于预设的第一目标设备和第二目标设备之间的相关性，分别对所述第一训练影像数据和所述第二训练影像数据添加相关性标注；
[0015]识别每个所述第一训练影像数据中第一目标设备的第一时序状态及每个所述第
二训练影像数据中第二目标设备的第二时序状态，基于第一时序状态对所述第一训练影像数据添加对应的时序标注，基于第二时序状态对所述第二训练影像数据添加对应的时序标注；其中，所述第一时序状态包括与所述第一训练影像数据拍摄时间对应的工作状态；所述第二时序状态包括与所述第二训练影像数据拍摄时间对应的工作状态；所述工作状态包括正常工作状态、异常工作状态或待核验状态；
[0016]分别对所述第一训练影像数据和所述第二训练影像数据进行预处理，得到预处理后的第一训练影像数据和预处理后的第二训练影像数据；
[0017]将所述预处理后的第一训练影像数据和所述预处理后的第二训练影像数据输入至第一反馈式神经网络模型中进行预训练，得到所述第一识别网络模型；所述第一识别网络模型用于识别确定所述第一训练影像数据和所述第二训练影像数据中每个设备的工作状态的第一输出结果。
[0018]在一个实施例中，所述获取第一目标影像数据之前，还包括：
[0019]获取多个第三训练影像数据和第四训练影像数据；其中，第三训练影像数据为基于第二拍摄装置拍摄得到的图像数据；第四训练影像数据为基于第二拍摄装置针对第二目标设备拍摄得到的图像数据；
[0020]基于预设的第一目标设备和第二目标设备之间的相关性，分别对所述第三训练影像数据和所述第四训练影像数据添加相关性标注；
[0021]识别每个所述第三训练影像数据中第一目标设备的第三时序状态及每个所述第四训练影像数据中第二目标设备的第四时序状态，基于第三时序状态对所述第三训练影像数据添加对应的时序标注，基于第四时序状态对所述第四训练影像数据添加对应的时序标注；其中，所述第三时序状态包括与所述第三训练影像数据对应的工作状态；所述第四时序状态包括与所述第四训练影像数据对应的工作状态；
[0022]分别对所述第三训练影像数据和所述第四训练影像数据进行预处理，得到预处理后的第三训练影像数据和预处理后的第四训练影像数据；
[0023]将所述预处理后的第三训练影像数据和所述预处理后的第四训练影像数据输入至第二反馈式神经网络模型中进行预训练，得到所述第二识别网络模型；所述第二识别网络模型用于识别确定所述第三训练影像数据和所述第四训练影像数据中每个设备的工作状态的第二输出结果。
[0024]在一个实施例中，所述第二拍摄装置为主动照明摄像装置；
[0025]所述在检测到所述第一输出结果不为正常工作状态时，获取第二目标影像数据，包括：
[0026]在检测到所述第一输出结果不为正常工作状态时，确定与所述第一输出结果对应的待检测异常设备；所述待检测异常设备为基于所述第一输出结果确定的，处于非正常工作状态的第一目标设备和/或第二目标设备；
[0027]基于所述待检测异常设备生成拍摄命令并发送至所述第二拍摄装置，并接收所述第二拍摄装置返回的所述第二目标影像数据；其中，第二目标影像数据为第二拍摄装置基于所述拍摄命令向所述待检测异常设备发射预设波段光，并针对所述预设波段光进行响应，拍摄得到的图像数据。
[0028]在一个实施例中，所述第一识别网络模型包括第一级识别神经网络和第一级分类
网络；所述第一级识别神经网络和所述第一级分类网络连接；所述第二识别网络模型包括第二级识别神经网络和第二级分类网络；所述第二级识别神经网络和所述第二级分类网络连接。
[0029]在一个实施例中，所述在检测到所述第二输出结果不为正常工作状态时，生成异常告警信息并发送至目标终端，包括：
[0030]在检测到所述第二输出结果为异常工作状态时，确定与所述第二输出结果对应的目标异常设备；所述目标异常设备为基于所述第二输出结果确定的，处于异常工作状态的第一目标设备和/或第二目标设备；
[0031]确定与所述目标异常设备具有相关性的第一关联设备，以及每个第一关联设备的设备信息；所述设备信息包括设备位置信息和设备时序状态；
[0032]基于所述第二输出结果和所述设备信息生成第一告警信息，并发送至所述目标终端。
[0033]在一个实施例中，所述在检测到所述第二输出结果不为正常工作状态时，生成异常告警信息并发送至目标终端，还包括：
[0034]在检测到所述第二输出结果为待核验状态且检测次数小于2时，返回执行所述获取第一目标影像数据的操作及之后的操作，将检测次数加一；其中，所述检测次数初始值为零；
[0035]在检测到所述第二输出本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的水电站监控方法，其特征在于，包括：获取第一目标影像数据；其中，第一影像数据为基于第一拍摄装置拍摄得到的图像数据；将所述第一目标影像数据输入至第一识别网络模型中进行处理，得到对应的第一输出结果；所述第一输出结果包括正常工作状态、异常工作状态或待核验状态；在检测到所述第一输出结果不为正常工作状态时，获取第二目标影像数据；其中，第二目标影像数据为由第二拍摄装置发射预设波段光，并针对所述预设波段光进行响应，拍摄得到的图像数据；将所述第二目标影像数据输入至第二识别网络模型中进行处理，得到对应的第二输出结果；所述第二输出结果包括正常工作状态、异常工作状态或待核验状态；在检测到所述第二输出结果不为正常工作状态时，生成异常告警信息并发送至目标终端。2.如权利要求1所述的基于图像识别的水电站监控方法，其特征在于，所述获取第一目标影像数据之前，还包括：获取多个第一训练影像数据和第二训练影像数据；其中，第一训练影像数据为基于第一拍摄装置针对第一目标设备拍摄得到的图像数据；第二训练影像数据为基于第一拍摄装置针对第二目标设备拍摄得到的图像数据；基于预设的第一目标设备和第二目标设备之间的相关性，分别对所述第一训练影像数据和所述第二训练影像数据添加相关性标注；识别每个所述第一训练影像数据中第一目标设备的第一时序状态及每个所述第二训练影像数据中第二目标设备的第二时序状态，基于第一时序状态对所述第一训练影像数据添加对应的时序标注，基于第二时序状态对所述第二训练影像数据添加对应的时序标注；其中，所述第一时序状态包括与所述第一训练影像数据拍摄时间对应的工作状态；所述第二时序状态包括与所述第二训练影像数据拍摄时间对应的工作状态；所述工作状态包括正常工作状态、异常工作状态或待核验状态；分别对所述第一训练影像数据和所述第二训练影像数据进行预处理，得到预处理后的第一训练影像数据和预处理后的第二训练影像数据；将所述预处理后的第一训练影像数据和所述预处理后的第二训练影像数据输入至第一反馈式神经网络模型中进行预训练，得到所述第一识别网络模型；所述第一识别网络模型用于识别确定所述第一训练影像数据和所述第二训练影像数据中每个设备的工作状态的第一输出结果。3.如权利要求1所述的基于图像识别的水电站监控方法，其特征在于，所述获取第一目标影像数据之前，还包括：获取多个第三训练影像数据和第四训练影像数据；其中，第三训练影像数据为基于第二拍摄装置拍摄得到的图像数据；第四训练影像数据为基于第二拍摄装置针对第二目标设备拍摄得到的图像数据；基于预设的第一目标设备和第二目标设备之间的相关性，分别对所述第三训练影像数据和所述第四训练影像数据添加相关性标注；识别每个所述第三训练影像数据中第一目标设备的第三时序状态及每个所述第四训
练影像数据中第二目标设备的第四时序状态，基于第三时序状态对所述第三训练影像数据添加对应的时序标注，基于第四时序状态对所述第四训练影像数据添加对应的时序标注；其中，所述第三时序状态包括与所述第三训练影像数据对应的工作状态；所述第四时序状态包括与所述第四训练影像数据对应的工作状态；分别对所述第三训练影像数据和所述第四训练影像数据进行预处理，得到预处理后的第三训练影像数据和预处理后的第四训练影像数据；将所述预处理后的第三训练影像数据和所述预处理后的第四训练影像数据输入至第二反馈式神经网络模型中进行预训练，得到所述第二识别网络模型；所述第二识别网络模型用于识别确定所述第三训练影像数据和所述第四训练影像数据中每个设备的工作状态的第二输出结果。4.如权利要求1所述的基于图像识别的水电站监控方法，其特征在于，所述第二拍摄装置为主动照明摄...

【专利技术属性】
技术研发人员：查荣瑞，徐剑，郑霜，黄志伟，吕维川，张军辉，邹志平，董杰，罗航，朋毛当智，杨雪融，
申请(专利权)人：华能澜沧江水电股份有限公司，
类型：发明
国别省市：