【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种双向计量智能电表缺陷识别方法和装置。
技术介绍
1、双向计量智能电表是新能源并网中的重要组成部分。双向计量智能电表的外观状态良好是保障其安全运行的必要条件。因此，有必要对双向计量智能电表的外观状态进行评估，以便于准确判断双向计量智能电表的运行状态。
2、现有技术中通常采用计算机视觉和机器学习等技术，来快速定位双向计量智能电表上外观缺陷位置以及对应的缺陷类型，从而实现对于双向计量智能电表的外观状态评估。而双向计量智能电表中存在很多外观相似却危害程度不同的外观缺陷。例如，划痕和裂痕。二者在外观上具有相似的纹理和形状特征，但划痕对于双向计量智能电表运行的影响程度较低，裂痕却严重影响双向计量智能电表的运行状态。但现有技术在识别双向计量智能电表的外观缺陷时，却无法精准识别此类外观相似但缺陷类型不同的外观缺陷。也就是说，现有技术对于双向计量智能电表外观缺陷识别的识别精度较低。
技术实现思路
1、本专利技术实施例提供了一种双向计量智能电表缺陷识别方法和装置，以解决进行双向计量智能电表外观缺陷识别时，识别精度较低的问题。
2、第一方面，本专利技术实施例提供了一种双向计量智能电表缺陷识别方法，包括：
3、获取待测双向计量智能电表的外观图像；
4、对所述外观图像进行图像增强处理，得到样本图像；
5、构建并训练缺陷识别模型；所述缺陷识别模型内设置有特征融合边，用于融合所述缺陷识别模型在进行缺陷识别的过程中所产
6、将所述样本图像输入至训练好的缺陷识别模型中，得到缺陷标记图像；所述缺陷标记图像上标记有所述待测双向计量智能电表上各外观缺陷的位置和对应的缺陷类型。
7、在一种可能的实现方式中，所述构建并训练缺陷识别模型，包括：
8、构建缺陷识别模型；所述缺陷识别模型包括依次连接的骨干网络、颈部网络和头部网络，且所述骨干网络内设置高效通道注意力eca模块和可变形卷积dconv模块，所述骨干网络和所述颈部网络之间设置特征融合边；
9、根据构建损失函数；
10、其中，lsiou表示所述损失函数，iou表示所述缺陷识别模型所输出的缺陷标记图像和实际的缺陷标记图像之间的交并比，cdis表示距离损失，csha表示形状损失；
11、对所述缺陷识别模型进行训练，直到所述损失函数最小时，得到训练好的缺陷识别模型。
12、在一种可能的实现方式中，在所述获取待测双向计量智能电表的外观图像之后，还包括：
13、根据所述外观图像，获取所述外观图像的图像参数；
14、根据所述图像参数，计算所述外观图像的图像采样间距；
15、在将所述样本图像输入至训练好的缺陷识别模型中，得到缺陷标记图像之后，还包括：
16、根据所述缺陷标记图像，确定所述待测双向计量智能电表上各外观缺陷所对应的像素数量；
17、根据所述图像采样间距和所述像素数量，对应计算各外观缺陷的缺陷面积。
18、在一种可能的实现方式中，所述根据所述图像参数，计算所述外观图像的图像采样间距，包括：
19、根据计算所述外观图像的图像采样间距；
20、其中，isd表示所述图像采样间距，h表示相机与待测双向计量智能电表的上表面之间的距离，wn表示全画幅传感器标准宽度，fn表示35mm等效焦距，wr表示图像水平分辨率。
21、在一种可能的实现方式中，所述根据所述图像参数，计算所述外观图像的图像采样间距，包括：
22、根据计算所述外观图像的图像采样间距；
23、其中，isd表示所述图像采样间距，h表示相机与待测双向计量智能电表的上表面之间的距离，ws表示相机的传感器宽度，f表示相机的实际焦距，wr表示图像水平分辨率。
24、在一种可能的实现方式中，所述根据所述缺陷标记图像，确定所述待测双向计量智能电表上各外观缺陷所对应的像素数量，包括：
25、对所述缺陷标记图像进行裁剪，得到各外观缺陷对应的裁剪图像；
26、分别获取各裁剪图像中外观缺陷所占的像素比例以及各裁剪图像的总像素数量；
27、根据所述像素比例和所述总像素数量，分别计算各外观缺陷所对应的像素数量。
28、在一种可能的实现方式中，所述根据所述像素比例和所述总像素数量，分别计算各外观缺陷所对应的像素数量，包括：
29、根据nf＝nppf分别计算外观缺陷所对应的像素数量；
30、其中，nf表示外观缺陷所对应的像素数量，np表示所述总像素数量，pf表示所述像素比例。
31、在一种可能的实现方式中，所述根据所述图像采样间距和所述像素数量，对应计算各外观缺陷的缺陷面积，包括：
32、根据s＝isd2nf对应计算各外观缺陷的缺陷面积；
33、其中，s表示当前外观缺陷的缺陷面积，isd表示所述图像采样间距，nf表示当前外观缺陷所对应的像素数量。
34、第二方面，本专利技术实施例提供了一种双向计量智能电表缺陷识别装置，包括：
35、获取模块，用于获取待测双向计量智能电表的外观图像；
36、处理模块，用于对所述外观图像进行图像增强处理，得到样本图像；
37、识别模块，用于构建并训练缺陷识别模型；所述缺陷识别模型内设置有特征融合边，用于融合所述缺陷识别模型在进行缺陷识别的过程中所产生的图像特征和图像增强特征；
38、所述识别模块，还用于将所述样本图像输入至训练好的缺陷识别模型中，得到缺陷标记图像；所述缺陷标记图像上标记有所述待测双向计量智能电表上各外观缺陷的位置和对应的缺陷类型。
39、在一种可能的实现方式中，所述识别模块，用于构建缺陷识别模型；所述缺陷识别模型包括依次连接的骨干网络、颈部网络和头部网络，且所述骨干网络内设置高效通道注意力eca模块和可变形卷积dconv模块，所述骨干网络和所述颈部网络之间设置特征融合边；
40、所述识别模块，还用于根据构建损失函数；
41、其中，lsiou表示所述损失函数，iou表示所述缺陷识别模型所输出的缺陷标记图像和实际的缺陷标记图像之间的交并比，cdis表示距离损失，csha表示形状损失；
42、所述识别模块，还用于对所述缺陷识别模型进行训练，直到所述损失函数最小时，得到训练好的缺陷识别模型。
43、本专利技术实施例提供一种双向计量智能电表缺陷识别方法和装置，通过在缺陷识别模型内设置特征融合边，从而实现跨级特征融合，跨级特征融合的方式可以有效结合不同层级的特征信息，增强不同尺度下的特征融合效果，使得缺陷识别模型对不同尺度、不同形状的特征融合效果更好，缺陷识别更加精准，从而提高缺陷识别性能。
本文档来自技高网...【技术保护点】
1.一种双向计量智能电表缺陷识别方法，其特征在于，包括：
2.根据权利要求1所述的双向计量智能电表缺陷识别方法，其特征在于，所述构建并训练缺陷识别模型，包括：
3.根据权利要求1或2所述的双向计量智能电表缺陷识别方法，其特征在于，在所述获取待测双向计量智能电表的外观图像之后，还包括：
4.根据权利要求3所述的双向计量智能电表缺陷识别方法，其特征在于，所述根据所述图像参数，计算所述外观图像的图像采样间距，包括：
5.根据权利要求3所述的双向计量智能电表缺陷识别方法，其特征在于，所述根据所述图像参数，计算所述外观图像的图像采样间距，包括：
6.根据权利要求3所述的双向计量智能电表缺陷识别方法，其特征在于，所述根据所述缺陷标记图像，确定所述待测双向计量智能电表上各外观缺陷所对应的像素数量，包括：
7.根据权利要求6所述的双向计量智能电表缺陷识别方法，其特征在于，所述根据所述像素比例和所述总像素数量，分别计算各外观缺陷所对应的像素数量，包括：
8.根据权利要求3所述的双向计量智能电表缺陷识别方法，其特征在
9.一种双向计量智能电表缺陷识别装置，其特征在于，包括：
10.根据权利要求9所述的双向计量智能电表缺陷识别装置，其特征在于，
...【技术特征摘要】
1.一种双向计量智能电表缺陷识别方法，其特征在于，包括：
2.根据权利要求1所述的双向计量智能电表缺陷识别方法，其特征在于，所述构建并训练缺陷识别模型，包括：
3.根据权利要求1或2所述的双向计量智能电表缺陷识别方法，其特征在于，在所述获取待测双向计量智能电表的外观图像之后，还包括：
4.根据权利要求3所述的双向计量智能电表缺陷识别方法，其特征在于，所述根据所述图像参数，计算所述外观图像的图像采样间距，包括：
5.根据权利要求3所述的双向计量智能电表缺陷识别方法，其特征在于，所述根据所述图像参数，计算所述外观图像的图像采样间距，包括：
6.根据权利...
【专利技术属性】
技术研发人员：张玉帅，冯波，王鸿玺，李飞，阎超，申洪涛，李春睿，石振刚，
申请(专利权)人：国网河北省电力有限公司营销服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。