【技术实现步骤摘要】
本申请涉及电力工程领域和计算机视觉领域，具体而言，涉及一种保护屏压板的状态的识别方法、装置及电子设备。
技术介绍
1、现有压板位置检测识别的方法大多采取传统图像处理的方法来得到压板位置，或者采取深度学习的方法进行图像检测，从而识别保护屏压板的位置或状态。例如，采集屏柜图像，提取有效色块，灰度化和二值化处理，形态学处理，面积、尺寸和形状分析，识别压板区域个数，识别压板的状态，确定压板顺序和状态标识序列；确定压板图像，与模板图像匹配分割，利用ssd深度神经网络模型进行识别，得到压板状态。
2、但现有的图像检测方法仍存在缺点，如下所示：保护屏压板的图像识别结果受到图像质量的影响，如光照条件、图像模糊等；保护屏压板的图像识别结果受到变电站内部的环境因素，如灰尘、遮挡等，降低了图像的清晰度和识别准确性；yolo系列的网络模型侧重于速度和效率，由于其网络模型需要尽量减少网络的参数，因此，无法做到逐像素的对比，降低了检测结果的准确性；现有的保护屏压板的图像识别没有将保护屏压板之前的状态进行比对，使得模型无法学习到同一保护屏压板的特征信息，导致检测结果的准确性较低的问题。
3、针对相关技术中通过图像识别技术识别变电站中保护屏压板的状态是否发生变化时，由于采集到的图像反光不清晰，以及无法比对之前压板状态，导致识别结果不准确的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请的主要目的在于提供一种保护屏压板的状态的识别方法、装置及电子设备，以解决相关技术中通过图像识别
2、为了实现上述目的，根据本申请的一个方面，提供了一种保护屏压板的状态的识别方法，该方法包括：采集目标保护屏的目标图像，其中，所述目标保护屏部署着多个压板，所述压板的状态包括：断开、闭合；将所述目标图像输入目标模型中，识别所述多个压板中每个压板的当前状态，得到识别结果，其中，所述目标模型是采用第一图像和第二图像对预设模型进行训练后得到模型，所述第一图像是在第一预设时刻对保护屏采集到的图像，所述第二图像是在第二预设时刻对保护屏采集到的图像，所述第一预设时刻晚于所述第二预设时刻；对每个压板的当前状态和每个压板的第一状态进行比对，根据比对结果确定所述目标保护屏中存在变化的目标压板，其中，所述压板的第一状态是上一次通过所述目标模型对所述压板进行识别后得到的压板状态。
3、进一步地，所述目标模型由以下步骤训练得到：在图像集合中依据采集时刻确定所述第一图像和所述第二图像，其中，所述图像集合是保护屏的历史图像的集合；将所述第一图像的特征信息和所述第二图像的参照特征信息输入编码器中进行计算，得到第一特征，其中，所述第二图像的参照特征信息是通过预设模型提取到的特征信息；通过解码器和前馈网络对所述第一特征、检测查询特征和参照查询特征进行计算，得到所述第一图像中的检测框和所述第二图像中的参照框；计算所述检测框和所述第一图像中的真实框之间的距离，得到第一损失函数值，以及计算所述参照框和所述第二图像中的真实框之间的距离，得到第二损失函数值；依据所述第一损失函数值和所述第二损失函数值对所述预设模型进行迭代训练，得到所述目标模型。
4、进一步地，所述解码器至少包括：第一解码器和第二解码器，通过解码器和前馈网络对所述第一特征、检测查询特征和参照查询特征进行计算，得到所述第一图像对应的检测框和所述第二图像对应的参照框，包括：将所述第一特征和所述检测查询特征输入所述第一解码器中提取目标特征；将所述第一特征和所述参照查询特征输入所述第二解码器中提取参照特征；依据所述目标特征更新所述参照特征，得到更新后的参照特征；将所述目标特征输入所述前馈网络中，计算得到所述检测框；将所述更新后的参照特征输入所述前馈网络中，计算得到所述参照框。
5、进一步地，计算所述检测框和所述第一图像中的真实框之间的距离，得到第一损失函数值，包括：依据第一区域的面积和第二区域的面积计算第一数值，其中，所述第一区域是指所述检测框和所述第一图像中对应压板的真实框的交集区域，所述第二区域是指所述检测框和所述第一图像中对应压板的真实框的并集区域；依据所述第一数值、所述第二区域的面积和第三区域的面积计算第二数值，其中，所述第三区域是包含所述检测框和所述第一图像中对应压板的真实框的最小区域；依据所述第一数值、第一线段的长度和第二线段的长度计算第二数值，其中，所述第一线段是所述第一区域的对角线，所述第二线段是第三区域的对角线，所述第三区域是包含所述检测框和所述第一图像中对应压板的真实框的最小区域；依据所述第二数值、所述检测框的宽和高，以及所述第一图像中对应压板的真实框的宽和高计算所述第一损失函数值。
6、进一步地，将所述第一图像的特征信息和所述第二图像的参照特征信息输入编码器中进行计算，得到第一特征，包括：通过卷积神经网络提取所述第一图像的第二特征；将所述第二特征和所述参照特征信息进行拼接，得到第三特征；将所述第三特征输入所述编码器中，提取所述第一特征。
7、进一步地，将所述第一特征和所述检测查询特征输入所述第一解码器中提取目标特征，包括：将所述检测查询特征输入第一网络结构，提取所述第一图像的第四特征，其中，所述第一网络结构至少包括：自注意力模块、相加模块和归一化模块；将所述第四特征和所述第一特征输入第二网络结构中，提取所述第一图像的目标特征，其中，所述第二网络结构至少包括：交叉注意力模块、前馈网络模块、相加模块和归一化模块。
8、进一步地，所述交叉注意力模块至少包括：空间注意力模块和通道注意力模块，将所述第四特征和所述第一特征输入第二网络结构中，提取所述第一图像的目标特征，包括：将所述第四特征和所述第一特征输入所述通道注意力模块中，计算每个通道的权重，得到第五特征，其中，所述通道注意力模块至少包括：平均池化层、最大池化层、拼接结构、降维卷积层、全连接层、激活函数层；将所述第五特征输入所述空间注意力模块中，对不同区域进行加权，得到第六特征，其中，所述空间注意力模块至少包括：平均池化层、最大池化层、全连接层、激活函数层；通过所述前馈网络模块、所述相加模块和所述归一化模块从所述第六特征中提取所述第一图像的目标特征。
9、为了实现上述目的，根据本申请的另一方面，提供了一种保护屏压板的状态的识别装置，该装置包括：采集单元，用于采集目标变压器目标保护屏及测控屏保护屏压板的目标图像，其中，所述目标保护屏部署着多个压板，所述压板的状态包括：断开、闭合；识别单元，用于将所述目标图像输入目标模型中，识别所述多个压板中每个压板的当前状态，得到识别结果，其中，所述目标模型是采用第一图像和第二图像对预设模型进行训练后得到模型，所述第一图像是在第一预设时刻对保护屏采集到的图像，所述第二图像是在第二预设时刻对保护屏采集到的图像，所述第一预设时刻晚于所述第二预设时刻；比对单元，用于对每个压板的当前状态和每个压板的第一状态进本文档来自技高网...
【技术保护点】
1.一种保护屏压板的状态的识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标模型由以下步骤训练得到：
3.根据权利要求2所述的方法，其特征在于，所述解码器至少包括：第一解码器和第二解码器，通过解码器和前馈网络对所述第一特征、检测查询特征和参照查询特征进行计算，得到所述第一图像中的检测框和所述第二图像中的参照框，包括：
4.根据权利要求2所述的方法，其特征在于，计算所述检测框和所述第一图像中的真实框之间的距离，得到第一损失函数值，包括：
5.根据权利要求2所述的方法，其特征在于，将所述第一图像的特征信息和所述第二图像的参照特征信息输入编码器中进行计算，得到第一特征，包括：
6.根据权利要求3所述的方法，其特征在于，将所述第一特征和所述检测查询特征输入所述第一解码器中提取目标特征，包括：
7.根据权利要求6所述的方法，其特征在于，所述交叉注意力模块至少包括：空间注意力模块和通道注意力模块，将所述第四特征和所述第一特征输入第二网络结构中，提取所述第一图像的目标特征，包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机指令，其中，在所述计算机指令被处理器执行时实现权利要求1至7中任意一项所述的保护屏压板的状态的识别方法。
10.一种电子设备，其特征在于，包括一个或多个处理器和存储器，所述存储器用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至7中任意一项所述的保护屏压板的状态的识别方法。
...【技术特征摘要】
1.一种保护屏压板的状态的识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标模型由以下步骤训练得到：
3.根据权利要求2所述的方法，其特征在于，所述解码器至少包括：第一解码器和第二解码器，通过解码器和前馈网络对所述第一特征、检测查询特征和参照查询特征进行计算，得到所述第一图像中的检测框和所述第二图像中的参照框，包括：
4.根据权利要求2所述的方法，其特征在于，计算所述检测框和所述第一图像中的真实框之间的距离，得到第一损失函数值，包括：
5.根据权利要求2所述的方法，其特征在于，将所述第一图像的特征信息和所述第二图像的参照特征信息输入编码器中进行计算，得到第一特征，包括：
6.根据权利要求3所述的方法，其特征在于，将所述第一特征和所述检测查询特征输入所...
【专利技术属性】
技术研发人员：符成，骆荣杰，梁志雄，冯镇生，宋晓越，蔡珍珍，罗成，樊国强，莫靖，郭修杰，熊燚，杜怡志，崔景源，方若，欧明强，黄泽璇，严锦伟，
申请(专利权)人：广东电网有限责任公司佛山供电局，
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。