基于机器视觉的电力设备异物入侵识别系统及方法与流程

1.本发明属于机器视觉技术和数字图像技术领域，尤其涉及基于机器视觉的电力设备异物入侵识别系统和方法。


背景技术：

2.随着社会的不断发展，变电站的建设也不断扩增，电力设备的安全性能也越来越引起重视，其中电气箱周边异物一直是影响电网安全稳定的棘手问题之一，异物包括静态异物和动态异物，静态异物包括塑料薄膜、气球、风筝、广告牌等漂浮物，由于大风或者人力等各种因素，漂浮物可能会入侵电气箱周界，引起线路故障，甚至会引起局部或者区域停电；而动态异物包括蛇、鼠、虫或一些小型动物，其中，老鼠会咬电线，对电力设备造成危害极大，因此，对电力设备异物入侵的识别是急需解决的问题。
3.现有技术中依靠人工定期检查或者由巡检机器人在电力设备周边巡逻检查，人工定期检查不能做到实时性，当人工在休息时间时出现异物入侵则不能进行有效检测，同时人工巡检效率太低，而巡检机器人则存在成本太高的问题。


技术实现要素：

4.本发明所解决的技术问题在于提供一种基于机器视觉的电力设备异物入侵识别系统及方法，以克服现有技术中人工清理缺少实时性以及效率低的问题，同时解决使用巡检机器人时成本高的问题。
5.本发明提供的基础方案：基于机器视觉的电力设备异物入侵识别系统，包括监控系统和分析服务器，所述监控系统用于实时拍摄场景图像，并将场景图像传输给分析服务器，所述分析服务器用于识别场景图像中的异物，生成异物入侵结果，所述分析服务器包括静态异物识别模块、动态异物识别模块和分析模块，所述静态异物识别模块和动态异物识别模块均与分析模块连接，所述静态异物识别模块用于识别场景图像中的静态异物图像，并将静态异物图像传输给分析模块，所述动态异物识别模块用于识别场景图像中的动态异物图像，并将动态异物图像传输给分析模块，所述分析模块用于根据静态异物识别模块和动态异物识别模块传输的静态异物图像和动态异物图像进行分析，生成静态异物和动态异物的入侵路线并计算出其落点相对于监控系统的位置。
6.本发明的原理及优点在于：监控系统将拍摄的场景图像传输给分析服务器中的静态异物识别模块和动态异物识别模块，静态异物识别模块和动态异物识别模块提取出场景图像中的静态异物模型和动态异物模型，并通过分析模块分析出静态异物模型和动态异物模型的入侵路线和落点位置。本发明的优点有：(1)可以实时监测和分析电气设备中的异物入侵；(2)解决了对电气设备动态异物识别的问题。
7.进一步，所述监控系统包括监控摄像设备和输入设备，所述监控摄像设备设有若干个，所述监控摄像设备用于实时拍摄场景图像，并将场景图像以直播流的形式对外提供码流服务，所述输入设备用于配置若干个监控摄像设备，同时将监控摄像设备的码流拉取
回来，并将码流拆分为逐帧形式，发送到静态异物识别模块和动态异物识别模块中。
8.有益效果：通过输入设备将监控设备采集的图像进行逐帧拆分，可以提高识别的准确性。
9.进一步，所述静态异物识别模块预设有静态异物检测模型，所述动态异物识别模块预设有动态异物检测模型，所述静态异物检测模型和动态异物检测模型均采用ai模型训练得到。
10.有益效果：对检测目标进行ai模型的训练，可以不断扩增异物模型，使得识别过程更智能化。
11.进一步，所述分析模块设有图像分割模块和图像生成模块，所述图像分割模块用于将场景图像分割成若干个像素点，所述图像生成模块通过去除场景图像中非异物的像素点，生成视差图，根据视差图计算静态异物和动态异物的入侵路线、大小和距离，并在场景图像中使用标注框标注异物入侵，生成预警画面。
12.有益效果：通过图像分割模块和图像生成模块，可以将异物在图像中的大小、位置以及入侵路线传输给操作者。
13.进一步，还包括预警系统，所述预警系统用于接收分析服务器的异物入侵结果，若判断存在异物入侵，则发出预警信号，反之，则不做反应。
14.有益效果：通过预警系统可以做到在灾害发生前及时预警和处理。
15.进一步，所述预紧系统包括预警器和主机，所述预警器和主机连接，所述预警器用于发出预警信号，所述主机与监控系统连接，所述主机用于配置监控系统，所述主机与分析服务器连接。
16.有益效果：监测过程完全自动化，解决了预警监测使用人工效率低，工作量大的问题。
17.进一步，所述主机还包括存储模块，所述存储模块与主机连接，所述存储模块用于存储监控系统拍摄的场景图像，所述主机还用于读取存储模块并播放场景图像和历史场景图像的回放。
18.有益效果：通过存储模块存储的预警画面，操作者更直观的查看异物入侵的情况，同时可以随时查看历史的预警画面。
19.基于机器视觉的电力设备异物入侵识别方法，包括：
20.s1：通过监控摄像设备采集监控区域实时画面；
21.s2：通过输入设备拉取监控摄像头实时监控画面，并逐帧传输给分析服务器中；
22.s3：分析服务器识别监控画面中异物入侵，生成异物入侵结果和预警画面，并传输给预警系统；
23.s4：预警系统接收异物入侵结果，若存在异物入侵，则发出预警信号，将预警画面发送给操作者；反之，则不做反应。
24.有益效果：(1)可以实现对电气设备全天候实时监测；(2)监测过程完全自动化，解决了预警监测使用人工效率低、工作量大的问题；(3)监测设备具有零接触、小干扰、高精度的优势。
25.进一步，所述s3中分析服务器包括静态异物识别模块、动态异物识别模块和分析模块，所述s3还包括：
26.s3
‑
1：静态异物识别模块识别场景图像中的静态异物图像，并将静态异物图像传输给分析模块；
27.s3
‑
2：动态异物识别模块识别场景图像中的动态异物图像，并将动态异物模图像传输给分析模块；
28.s3
‑
3：分析模块接收静态异物图像和动态异物图像，生成静态异物图像和动态异物图像的入侵路线和落点距监控系统的位置。
29.有益效果：相对于红外热像仪的方式，本发明的成本低、部署简单、鲁棒性强，适用于不同环境。
30.进一步，所述分析模块设有图像分割模块和图像生成模块，其中s3
‑
3还包括：
31.s3
‑3‑
1:图像分割模块将场景图像分割成若干个像素点，生成视差图，图像生成模块通过去除场景图像中非异物的像素点，生成视差图，得到静态异物和动态异物的入侵路线、大小和距离，并在场景图像中使用标注框标注异物入侵，生成预警画面。
32.有益效果：可以将异物的大小、距离和入侵路线传输给操作者，可以在灾害发生前做到及时预警和处理。
附图说明
33.图1为本发明实施例一的原理框图；
34.图2为本发明实施例一的逻辑流程图；
35.图3为本发明实施例二的原理框图。
具体实施方式
36.下面通过具体实施方式进一步详细说明：
37.说明书附图中的标记包括：监控摄像设备101、输入设备102、分析服务器103、静态异物识别模块1031、动态异物识别模块1032、分析模块1033、图像分割模块1034、图像生成模块1035、预警系统104、预警器1041、主机1042、存储模块1043、异物入侵路线识别模块1044。
38.实施例基本如图1和图2所示：本发明基于机器视觉的电力设备异物入侵识别系统，包括监控系统、分析服务器103和预警系统104，监控系统包括监控摄像设备101和输入设备102，在本实施例中，监控摄像设备101设有3个，分析服务器103包括静态异物识别模块1031、动态异物识别模块1032和分析模块1033，预警系统104包括预警器1041和主机1042，其中，监控摄像设备101安置在电力设备周界或者电力箱内部，通过主机1042来进行监控摄像的调试，例如开关机、转动摄像头和放大图像等操作，监控摄像设备101用来采集电力设备周界或者电力箱内部的场景图像，并将场景图像以直播流形式对外提供码流服务，在本实施例中，监控摄像设备101优选为工业相机mv
‑
e2900m，相机分辨率达到6576x4384像素，安装有组合照明光源，适用于在黑暗环境中使用；输入设备102用于拉取监控摄像头的码流，并将码流拆分为逐帧画面，在本实施例中，将码流拆分为5umx5um的逐帧画面，其中，输入设备102是工业相机mv
‑
e2900m所自带的码流拆分装置，即输入设备102集成在工业相机上，在本技术的其他实施例中，可以采用独立的输入设备实现。输入设备102再将拆分完成的逐帧画面传输给分析服务器103上的静态异物识别模块1031和动态异物识别模块1032。
39.分析服务器103用于识别场景图像中的异物，并生成异物入侵结果，将异物入侵结果传输给预警系统104，其中，分析服务器103中的静态异物识别模块1031用于识别场景图像中的静态异物图像，也就是输入设备102传输回的逐帧画面中的静态异物图像，动态异物识别模块1032用于识别逐帧画面中的动态异物图像，在本实施例中，静态异物包括塑料薄膜、鸟窝、风筝、广告牌等，动态异物包括蛇、鼠、壁虎等可以活动的东西，而静态异物识别模块1031中预设有静态异物检测模型，动态异物识别模块1032中预设有动态异物检测模型，在本实施例中，静态异物检测模型和动态异物检测模型均采用faster
‑
rcnn图像算法对以上所述的静态异物和动态异物进行特征提取，具体为，第一，输入测试图像，测试图像来源可为人工输入或者从监控摄像设备101中接收的图像；第二，将图像输入cnn，进行特征提取；第三，用rpn生成建议窗口，每张图生成300个建议窗口；第四，把建议窗口映射到cnn的最后一层卷积feature map上；第五，通过roi pooling层使每个roi生成固定尺寸的feature map；第六，利用softmax loss和smooth l1 loss对分类概率和边框回归联合训练。这样，通过对异物进行特征提取，使得静态异物识别模块1031和动态异物识别模块1032不仅识别准确性强，而且可以不断进行深度学习，扩充异物检测模型的库。
40.静态异物识别模块1031将识别到的静态异物模型传输给分析模块1033，动态异物识别模块1032将检测到的动态异物模型传输给分析模块1033，分析模块1033设有图像分割模块1034和图像生成模块1035，图像分割模块1034用于将场景图像分割成若干个像素点，图像生成模块1035通过去除场景图像中非异物的像素点，生成视差图，计算静态异物和动态异物的入侵路线、大小和距离，并在场景图像中使用标注框标注异物入侵。在本实施例中，图像分割模块1034和图像生成模块1035采用python和opencv混合编程实现。
41.预警系统104的预警器1041和主机1042相连接，在本实施例中，主机1042为识别管理客户端，其安装在安防监控中心pc设备中，分析服务器103安装在识别管理客户端中，预警器1041为喇叭或者蜂鸣器，识别管理客户端通过控制预警器1041发出预警信号，操作者通过识别管理客户端来配置监控系统的监控摄像设备101，识别管理客户端还为分析服务器103获取的码流进行解码和显示服务，同时，分析模块1033将异物入侵的识别画面作为预警画面传输给识别管理客户端，识别管理客户端通过pc设备为操作者提供预警画面的播放。
42.主机1042还设有存储模块1043，存储模块1043为pc设备自带的存储器，存储模块1043中存储有预警画面，操作者可以通过识别管理客户端提取出存储模块1043中的历史预警画面，用来进行历史预警画面的回放。
43.基于机器视觉的电力设备异物入侵的识别方法，包括：
44.s1:通过监控摄像设备101采集监控区域实时画面；
45.s2：通过输入设备102拉取监控摄像头实时监控画面，并逐帧传输给分析服务器103中；
46.s3：分析服务器103识别监控画面中异物入侵，生成异物入侵结果和预警画面，并传输给预警系统104；分析服务器103设有静态异物识别模块1031、动态异物识别模块1032和分析模块1033，其中，s3包括：
47.s3
‑
1：静态异物识别模块1031识别场景图像中的静态异物模型，并将静态异物模型传输给分析模块；
48.s3
‑
2：动态异物识别模块1032识别场景图像中的动态异物模型，并将动态异物模型传输给分析模块；
49.s3
‑
3：分析模块1033接收静态异物模型和动态异物模型，生成静态异物模型和动态异物模型的入侵路线和落点距监控系统的位置；分析模块1033设有图像分割模块1034和图像生成模块1035，其中：
50.s3
‑3‑
1:图像分割模块1034将场景图像分割成若干个像素点，生成视差图，图像生成模块1035通过去除场景图像中非异物的像素点，生成视差图，得到静态异物和动态异物的入侵路线、大小和距离，并在场景图像中使用标注框标注异物入侵，生成预警画面。
51.s4：预警系统104接收异物入侵结果，若存在异物入侵，则发出预警信号，将预警画面发送给操作者；反之，则不做反应。
52.实施例二：
53.如图3所示，实施例二与实施例一的不同之处在于，实施例二中主机设有异物入侵路线识别模块1044，异物入侵路线识别模块1044与主机1042连接，异物入侵路线识别模块1044用于识别分析模块1033传输回的场景图像中异物入侵路线，并用标注框在场景图像中框出该次异物入侵的起始点，生成最终预警画面。具体为，异物入侵路线识别模块1044在异物入侵的场景图像中使用标注框将异物入侵的起始点框出，生成最终预警画面，维修人员通过预警画面可以对异物入侵的起始点进行针对性的修缮，避免了维修人员一一排查，减少了维修人员的工作量。
54.以上的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本技术给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本技术的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本技术要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。