【技术实现步骤摘要】
本专利技术涉及图像检测，尤其涉及一种多光自适应视场感知融合方法、装置和设备。
技术介绍
1、目前，对电气设备进行局部放电检测的技术有观察法、超高频法、超声波法、红外成像法、光测法、绝缘油色谱分析法、紫外成像法等。其中，红外热成像技术在我国电力系统中应用日益广泛，它已成了开展电气设备状态检查的必备手段。紫外成像法是一种新兴的通过检测电晕、电弧放电来识别电力设备绝缘状态的技术。通过相应的传感设备可有效检测到故障的放电电晕特征量或温度红外热辐射。
2、无人机系统具有机动性强、敏捷安全的优点，搭载紫外、红外、可见光光学探测设备即可完成电晕放电、红外热辐射图像拍摄任务。然而，这些传感器长时间同时工作的能耗极大，而无人机所携带的能源受限。如何在不增加无人机额外负担的前提下确保拍摄任务的顺利进行成为亟待解决的技术问题。
技术实现思路
1、本专利技术点目的在于：为解决当前无人机上的多类传感器长时间同时工作的能耗极大，而无人机所携带的能源受限的问题，本专利技术提供一种多光自适应视场感知融合方法、装置和设备。
2、本申请实施例的技术方案是这样实现的：
3、本申请实施例第一方面提供一种多光自适应视场感知融合方法，包括：
4、获取待识别影像；所述待识别影像中包括目标对象的影像；
5、将所述待识别影像输入至已训练好的神经网络模型，根据输出结果确定所述目标对象的异常类型；
6、基于所述异常类型调整对应的红外光图像传感器和紫外光图像传感器的
7、可选的，所述目标对象包括变压器、绝缘子串或电流互感器；所述获取待识别影像，包括：
8、利用可见光拍摄设备获取所述待识别影像。
9、可选的，在将所述待识别影像输入至已训练好的神经网络模型，根据输出结果确定所述目标对象的异常类型之前，所述方法还包括：
10、获取样本影像；所述样本影像包括训练集和测试集；
11、利用所述训练集对所述神经网络模型进行训练，并利用所述测试集对所述神经网络模型进行测试，直至所述神经网络模型的损失函数达到预设要求，得到已训练好的神经网络模型。
12、可选的，所述神经网络模型为yolov8神经网络模型。
13、可选的，所述异常类型包括局部放电和局部异常高温；所述基于所述异常类型调整对应的红外光图像传感器和紫外光图像传感器的工作状态，包括：
14、在所述异常类型为局部放电的情况下，将所述紫外光图像传感器和可见光拍摄设备中的可见光图像传感器调整为开启状态；
15、在所述异常类型为局部异常高温的情况下，将所述红外光图像传感器和所述可见光图像传感器调整为开启状态；
16、在所述异常类型为局部放电和局部异常高温的情况下，将所述紫外光图像传感器、所述红外光图像传感器和所述可见光图像传感器均调整为开启状态。
17、可选的，在基于所述异常类型调整对应的红外光图像传感器和紫外光图像传感器的工作状态之后，所述方法还包括：
18、获取所述可见光图像传感器检测的可见光图像、所述红外光图像传感器检测的红外光图像和所述紫外光图像传感器紫外光图像；
19、将所述可见光图像、所述红外光图像和/或所述紫外光图像转换为目标输出格式。
20、本申请实施例第二方面提供一种多光自适应视场感知融合装置，包括：获取模块、确定模块和调整模块，其中，
21、所述获取模块，配置为获取待识别影像；所述待识别影像中包括目标对象的影像；
22、所述确定模块，配置为将所述待识别影像输入至已训练好的神经网络模型，根据输出结果确定所述目标对象的异常类型；
23、所述调整模块，配置为基于所述异常类型调整对应的红外光图像传感器和紫外光图像传感器的工作状态。
24、本申请实施例第三方面提供一种无人机，包括：无人机主体；所述无人机主体上设置有第二方面所述的多光自适应视场感知融合装置。
25、本申请实施例第四方面提供一种电子设备，包括处理器和存储器；所述存储器有存储计算机程序，其中，所述计算机程序在被所述处理器执行时实现第一方面所述的多光自适应视场感知融合方法。
26、本申请实施例第五方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述方法的步骤。
27、与现有技术相比，本申请提供的技术方案带来的有益效果是：
28、本专利技术提供一种多光自适应视场感知融合方法、装置和设备，通过获取待识别影像，将待识别影像输入至已训练好的神经网络模型，根据输出结果确定目标对象的异常类型；基于异常类型调整对应的红外光图像传感器和紫外光图像传感器的工作状态。本专利技术通过获取的可见光影像初步判断目标对象的异常类型，根据异常类型确定完成精确检测所需的传感器类型，由此将处于非工作状态的红外光图像传感器和/或紫外光图像传感器切换至工作状态，不需要使红外光图像传感器和紫外光图像传感器实时保持工作状态，从而降低整体功耗，延迟续航时间。
本文档来自技高网...【技术保护点】
1.一种多光自适应视场感知融合方法，其特征在于，包括：
2.根据权利要求1所述的多光自适应视场感知融合方法，其特征在于，所述目标对象包括变压器、绝缘子串或电流互感器；所述获取待识别影像，包括：
3.根据权利要求1所述的多光自适应视场感知融合方法，其特征在于，在将所述待识别影像输入至已训练好的神经网络模型，根据输出结果确定所述目标对象的异常类型之前，所述方法还包括：
4.根据权利要求1所述多光自适应视场感知融合方法，其特征在于，所述神经网络模型为YOLOv8神经网络模型。
5.根据权利要求1所述的多光自适应视场感知融合方法，其特征在于，所述异常类型包括局部放电和局部异常高温；所述基于所述异常类型调整对应的红外光图像传感器和紫外光图像传感器的工作状态，包括：
6.根据权利要求5所述的多光自适应视场感知融合方法，其特征在于，在基于所述异常类型调整对应的红外光图像传感器和紫外光图像传感器的工作状态之后，所述方法还包括：
7.一种多光自适应视场感知融合装置，其特征在于，包括：获取模块、确定模块和调整模块，其中，
...【技术特征摘要】
1.一种多光自适应视场感知融合方法，其特征在于，包括：
2.根据权利要求1所述的多光自适应视场感知融合方法，其特征在于，所述目标对象包括变压器、绝缘子串或电流互感器；所述获取待识别影像，包括：
3.根据权利要求1所述的多光自适应视场感知融合方法，其特征在于，在将所述待识别影像输入至已训练好的神经网络模型，根据输出结果确定所述目标对象的异常类型之前，所述方法还包括：
4.根据权利要求1所述多光自适应视场感知融合方法，其特征在于，所述神经网络模型为yolov8神经网络模型。
5.根据权利要求1所述的多光自适应视场感知融合方法，其特征在于，所述异常类型包括局部放电和局部异常高温；所述基于所述异常类型调整对应的红外光图像传感器和紫外光图像传感器的工作状态，包括...
【专利技术属性】
技术研发人员：张国灿，邓鹤鸣，范鹏，邓慰，刘翔，赵欢，洪卫东，李奕兰，吴思杰，陈张晓，徐劲松，郑振锋，姚玮滢，郭晗晟，
申请(专利权)人：国网福建省电力有限公司泉州供电公司，
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。