【技术实现步骤摘要】
本专利技术涉及电能计量装置故障识别领域，具体涉及基于u-net语义分割的电能表封印完整性检测方法及系统。
技术介绍
1、电能表封印是一种确保电能表内部结构及数据不被非法改动的装置，对于确保电能表的公正可靠有着重要作用，其完整性是计量装置出厂检验的重要项目。
2、现有技术通常采用图像位置识别与轮廓识别的技术来进行电能表封印完整性检测，通常需要以来流水线相机按照设定角度对电能表进行拍照，对于原始图像数据的质量要求较高，且受照片角度的影响仅能逐一检测电能表封印完整性。但随着电能表数量的增多，现技术已无法完全满足电能表封印完整性检测需要，不能实现批量电能表封印完整性检测，且检测准确性不高。
3、有鉴于此，特提出本申请。
技术实现思路
1、本专利技术目的在于提供基于u-net语义分割的电能表封印完整性检测方法及系统，所构建模型结构简单，仅有少量卷积层和池化层，不需要全连接层，输入的图像可以任意大小，适应各种型号电能表封印的完整性检测，对流水线检测具有较好的适应性，能够实现批量电能表封印完整性检测，且检测准确性高。
2、本专利技术通过下述技术方案实现：
3、第一方面，本专利技术提供了基于u-net语义分割的电能表封印完整性检测方法，该方法包括：
4、批量获取原始电能表图像数据，对原始电能表图像数据进行特征提取，得到封印区域、电能表区域和背景区域；
5、依次对提取的封印区域、电能表区域和背景区域进行分区标注，得到带有标注的图
6、基于图像数据集构建并训练u-net语义分割模型，并基于训练好的u-net语义分割模型，构建电能表封印完整性检测模型；
7、将待检测的电能表图像数据输入电能表封印完整性检测模型，得到异常检测结果，即为电能表封印完整性的检测结果。
8、进一步地，对原始电能表图像数据进行特征提取，包括：
9、采用基于修正离散高斯-埃尔米特矩的电能表封印图像提取方法对原始电能表图像数据进行特征提取；其中，基于修正离散高斯-埃尔米特矩的电能表封印图像提取方法是基于mift(基于镜像翻转不变特征变换)的匹配算法，通过封印尺度空间构建、封印图像关键点定位、方向匹配、描述符生成与匹配和区域定位实现对原始电能表图像数据进行特征提取，提取电能表封印部分。
10、进一步地，基于修正离散高斯-埃尔米特矩的电能表封印图像提取方法的具体步骤为：
11、1)封印尺度空间构建：通过人工裁剪与筛选的方式获得待提取区域的模板图像，并使用修正离散高斯-埃尔米特矩生成多尺度的特征空间，计算出模板图像的尺度空间矩和电能表图像的尺度空间矩；
12、2)封印图像关键点定位：根据模板图像的尺度空间矩和电能表图像的尺度空间矩，分别计算出模板图像的关键点和电能表图像的关键点；
13、3)方向匹配：对模板图像和电能表图像中的每个关键点，计算mdghm幅度和方向；
14、4)描述符生成与匹配：对模板图像和电能表图像中的每个关键点，计算出所有关键点之间各个特征的欧式距离；
15、5)区域定位：从各欧式距离中找到欧氏距离最小的四对关键点，其中对应电能表区域图像的4对关键点形成的闭合矩形区域即待提取区域。
16、采用以上步骤1)～5)依次完成电能表封印区域、电能表区域、背景区域的图像提取。
17、进一步地，所有关键点之间各个特征的欧式距离计算公式为：
18、
19、其中，d(i,j)为计算的模板图像与电能表图像关键点之间的欧氏距离，为模板图像第i个关键点的第g个特征，为电能表图像第j个关键点的第g个特征；n1为模板图像的关键点数，n2为电能表图像的关键点数。
20、进一步地，模板图像的关键点计算公式为：
21、
22、其中：为模板图像tep关键点；为模板图像tep的差分特征dt(x,y,s)的梯度；ht为dt(x,y,s)的海森矩阵；
23、dt(x,y,s)计算公式为：dt(x,y,s)＝lt(x,y,s)-lt(x,y,1.26×s)；
24、电能表图像的关键点计算公式为：
25、
26、其中：为电能表图像em关键点；为电能表图像em的差分特征de(x′,y′,s)的梯度；he为de(x′,y′,s)的海森矩阵；
27、de(x′,y′,s)计算公式为：de(x′,y′,s)＝le(x′,y′,s)-le(x′,y′,1.26×s)。
28、进一步地，u-net语义分割模型的结构包括依次连接的第一卷积层、第一下采样层、第二卷积层、第二下采样层、第三卷积层、第三下采样层、第四卷积层、第一上采样层、第一连接层、第一反卷积层、第二上采样层、第二连接层、第二反卷积层、第三上采样层、第三连接层和第三反卷积层；
29、第一卷积层还连接第三连接层，第二卷积层还连接第二连接层，第三卷积层还连接第一连接层；
30、将带有标注的图像数据集中的图像x输入第一卷积层，其中h为图像的高度，w为图像的宽度，c为图像的通道数；从第三反卷积层输出结果。
31、进一步地，u-net语义分割模型的损失函数为：
32、
33、其中，m为像素；为预测概率；ym为目标标签；cclass为分类的种类，这里为3，分别表示异常封印、正常封印与背景。
34、第二方面，本专利技术又提供了基于u-net语义分割的电能表封印完整性检测系统，该系统包括：
35、获取单元，用于批量获取原始电能表图像数据；
36、特征提取单元，用于对原始电能表图像数据进行特征提取，得到封印区域、电能表区域和背景区域；
37、标注单元，用于依次对提取的封印区域、电能表区域和背景区域进行分区标注，得到带有标注的图像数据集；图像数据集即为包含语义的数据集d；
38、模型构建及训练单元，用于基于图像数据集构建并训练u-net语义分割模型，并基于训练好的u-net语义分割模型，构建电能表封印完整性检测模型；
39、检测单元，用于将待检测的电能表图像数据输入电能表封印完整性检测模型，得到异常检测结果，即为电能表封印完整性的检测结果。
40、进一步地，特征提取单元采用基于修正离散高斯-埃尔米特矩的电能表封印图像提取方法对原始电能表图像数据进行特征提取；其中，基于修正离散高斯-埃尔米特矩的电能表封印图像提取方法是基于mift(基于镜像翻转不变特征变换)的匹配算法，通过封印尺度空间构建、封印图像关键点定位、方向匹配、描述符生成与匹配和区域定位实现对原始电能表图像数据进行特征提取，提取电能表封印部分。
41、第三方面，本专利技术又提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述的基于u-net语义分割的本文档来自技高网...
【技术保护点】
1.基于U-Net语义分割的电能表封印完整性检测方法，其特征在于，该方法包括：
2.根据权利要求1所述的基于U-Net语义分割的电能表封印完整性检测方法，其特征在于，对原始电能表图像数据进行特征提取，包括：
3.根据权利要求2所述的基于U-Net语义分割的电能表封印完整性检测方法，其特征在于，所述基于修正离散高斯-埃尔米特矩的电能表封印图像提取方法的具体步骤为：
4.根据权利要求3所述的基于U-Net语义分割的电能表封印完整性检测方法，其特征在于，所有关键点之间各个特征的欧式距离计算公式为：
5.根据权利要求1所述的基于U-Net语义分割的电能表封印完整性检测方法，其特征在于，所述模板图像的关键点计算公式为：
6.根据权利要求1所述的基于U-Net语义分割的电能表封印完整性检测方法，其特征在于，所述U-Net语义分割模型的结构包括依次连接的第一卷积层、第一下采样层、第二卷积层、第二下采样层、第三卷积层、第三下采样层、第四卷积层、第一上采样层、第一连接层、第一反卷积层、第二上采样层、第二连接层、第二反卷积层、第三上采样层、
7.根据权利要求6所述的基于U-Net语义分割的电能表封印完整性检测方法，其特征在于，所述U-Net语义分割模型的损失函数为：
8.基于U-Net语义分割的电能表封印完整性检测系统，其特征在于，该系统包括：
9.根据权利要求8所述的基于U-Net语义分割的电能表封印完整性检测系统，其特征在于，所述特征提取单元采用基于修正离散高斯-埃尔米特矩的电能表封印图像提取方法对原始电能表图像数据进行特征提取；其中，所述基于修正离散高斯-埃尔米特矩的电能表封印图像提取方法是基于MIFT的匹配算法，通过封印尺度空间构建、封印图像关键点定位、方向匹配、描述符生成与匹配和区域定位实现对原始电能表图像数据进行特征提取，提取电能表封印部分。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于U-Net语义分割的电能表封印完整性检测方法。
...【技术特征摘要】
1.基于u-net语义分割的电能表封印完整性检测方法，其特征在于，该方法包括：
2.根据权利要求1所述的基于u-net语义分割的电能表封印完整性检测方法，其特征在于，对原始电能表图像数据进行特征提取，包括：
3.根据权利要求2所述的基于u-net语义分割的电能表封印完整性检测方法，其特征在于，所述基于修正离散高斯-埃尔米特矩的电能表封印图像提取方法的具体步骤为：
4.根据权利要求3所述的基于u-net语义分割的电能表封印完整性检测方法，其特征在于，所有关键点之间各个特征的欧式距离计算公式为：
5.根据权利要求1所述的基于u-net语义分割的电能表封印完整性检测方法，其特征在于，所述模板图像的关键点计算公式为：
6.根据权利要求1所述的基于u-net语义分割的电能表封印完整性检测方法，其特征在于，所述u-net语义分割模型的结构包括依次连接的第一卷积层、第一下采样层、第二卷积层、第二下采样层、第三卷积层、第三下采样层、第四卷积层、第一上采样层、第一连接层、第一反卷积层、第二...
【专利技术属性】
技术研发人员：廖开吉，贺辉，李锐超，刘丽娜，王俊平，李平，肖凌月，赵伟程，白佳灵，丁熠辉，
申请(专利权)人：国网四川省电力公司营销服务中心，
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。