一种基于边缘智能的硬压板状态识别装置和方法与流程

1.本发明属于电力设备状态智能识别技术领域，特别是涉及一种基于边缘智能的硬压板状态识别装置和方法，主要的作用。


背景技术：

2.继电保护和自动装置的硬压板种类繁多，单一变电站配置着近千块压板且不同屏柜内压板配置不尽相同，人工检查硬压板状态任务繁重，容易出现压板错误投退而检查不到位的情况，严重影响设备安全运行。随着变电运维集控一体化的发展，亟需提高压板状态检查效率。
3.边缘计算技术和人工智能技术在电力设备状态识别领域的不断深化应用，为压板智能化识别提供了新思路。专利cn202110439039.3提供了一种在移动运维中基于图像识别的压板状态辨识系统及方法，通过人工智能手段对压板状态进行识别，压板数据采集阶段采取的是人工拍照的方法，再上传到平台统一处理，在占用网络带宽的同时也降低了压板识别的实时性，本质上还摆脱不了人工干预，在遇到大规模识别压板的任务时，效率明显降低，因此有必要对现有技术进行改进，已解决现有技术中的不足。


技术实现要素：

4.为解决上述技术问题，本发明是通过以下技术方案实现的：
5.本发明为一种基于边缘智能的硬压板状态识别装置，包括图像采集模块、数据处理模块、云端通信模块、伸缩臂系统和底盘动力系统，所述图像采集模块包括双目摄像头和照明补光系统，双目摄像头用于拍摄压板图像，同时识别景深距离，照明补光系统，采用光敏元件控制led，提高所拍摄压板图像清晰度；
6.所述数据处理模块，包括压板信息存储单元、压板识别模型部署单元和识别结果处理单元，压板信息存储单元，用于存储每面屏柜的压板正确投退信息，压板识别模型部署单元，用于对所拍摄的压板图像进行识别处理，识别结果处理单元，用于将识别出的压板状态与正确的压板投退信息进行比对；
7.所述云端通信模块包括无线传输单元、压板信息传输协议和云端信息交互单元，所述的压板信息传输协议定义压板合、压板分或压板无三种状态协议，压板信息传输协议通过定义压板合、压板分、压板无三种状态协议，减少传输数据量，便于压板状态的快速传输。云端信息交互单元，在云端建立信息的接收单元与下发单元，可以接收边缘端提供的压板状态信息与告警信息，同时可以将异常投退的压板告警信息下发致客户端或手机端app，提醒客户及时处理异常压板信息；
8.所述伸缩臂系统包括基座、伸缩臂支架、齿轮、双电机和伸缩臂控制系统，基座上端通过关节、铰接将每一节伸缩臂链接起来，并通过电机控制伸缩臂移动，伸缩臂控制系统通过接收双目摄像头传输的距离数据，在三个维度控制摄像头位置，确保拍摄的图像能够全面反映压板信息，保证各个图像大小方位一致，提高训练样本统一性与模型识别准确率；
9.所述底盘动力系统包括履带式底盘、循迹模块、视觉二维码定位模块、超声波避障模块、电源模块以及底盘控制系统，履带式底盘具有一定的越障能力，能够适应不同环境，同时履带式底盘能够提高机身稳定性，避免了在拍摄压板图像时的抖动。所述循迹模块，能够自动识别运动轨迹。所述视觉二维码定位模块，能够识别出屏柜二维码存储的屏柜信息和压板信息，并给底盘控制系统提供屏柜位置数据。所述超声波避障模块，用于实时检测前方障碍物距离，给底盘控制系统提供距离数据，底盘控制系统，用于接收视觉二维码定位模块数据和超声波避障数据，实时控制履带底盘到指定屏柜位置。
10.进一步地，所述基座上端通过关节、铰接将每一节伸缩臂链接起来，并通过电机控制伸缩臂移动。
11.进一步地，所述电源模块包括电源管理模块和自动充电模块，且所述的电源管理模块为图像采集模块、数据处理模块、云端通信模块、伸缩臂控制系统以及底盘控制系统提供电力输出。
12.进一步地，所述自动充电模块采用的是无线充电方式，该无线充电方式，利用高传输效率的无线磁电感应盘，漏磁率低。
13.进一步地，所述无线传输单元采用wifi传输，无线传输单元采用wifi传输，将数据传输延迟降低在100ms内，满足现场需求。
14.本发明还提供了一种基于边缘智能的硬压板状态识别方法，具体包括以下步骤：
15.s1：建立图像识别标签组，根据现场压板状况，共建立三组标签，即压板合、压板分、压板无；压板合表示压板在合位，压板投入。压板分表示压板在分位，压板没有投入；压板无表示，该压板为备用压板或者未投入压板；
16.s2：压板数据样本库建立，收集到的压板类型数据越多，模型训练也就越准确，对于同一种压板，从正面、侧面不同角度采集数据，同时考虑在不同光线下采集数据，保证与实际运行环境一致。将收集好的数据进行分成两组，一部分用于模型训练，一部分用于模型验证；
17.s3：训练组数据标注，在对压板图像识别深度学习训练之前，需要对收集到的数据压板进行标注，人工标注压板合、压板分、压板无三种类型的压板，确保标注清晰、准确；
18.s4：模型训练，实现对模型的准确配置，以及参数的准确调整；
19.s5：模型验证，将验证组数据输入模型中，检查模型训练结果准确性符合要求；
20.s6：模型部署，将训练号的压板识别模型部署在压板识别模型部署单元中，在边缘端实现对压板状态识别；
21.s7：现场样本数据库建立，对于压板正确投退的屏柜，通过压板状态识别，将正确的压板状态信息和屏柜信息存储在压板信息存储单元中，建立正确的样本数据库；
22.s8：压板识别与比对，在边缘端识别到的压板数据与样本数据库中的数据进行比对，比对结果输出给云端通信模块，对异常投退的压板实时告警。
23.s4的具体步骤为：
24.s4-1：压板图像正则化剔除，对图像进行标准化处理。对图像像素点在红、绿、蓝三个分量上分别减去通道均值，即将图像中每一通道中的每个像素归一化为0到1之间的数据。这样被正则化处理之后的图像数据的宽
×
高
×
通道数，作为卷积神经网络的输入矩阵；
25.s4-2：压板图像数据增强，利用随机截取训练图上的框来生成新的训练样本，同时
要保证采样的样本能包含真实的目标。采样之后，为了保持训练数据格式的一致性，还需要对相应的的坐标信息做变换。图像增强相关的函数包括对比度、饱和度、色彩明暗、保持长宽比例的缩放，通过调整不同参数，增加样本维度，提高模型识别度，从而提高模型的抗干扰能力；
26.s4-3：模型训练，将处理好的压板图像数据输入到深度卷积神经网络中，训练时阶段性调整学习率，直到模型达到学习效果；
27.s4-4：保存并固化读写参数，将训练好的模型参数单独保存，防止模型重训练过程中参数变化；
28.s4-5：加载模型，在深度学习框架下加载训练参数，打包模型与参数，便于后续模型部署。
29.本发明具有以下有益效果：
30.1、本发明可自动识别继电保护和自动装置屏柜的压板情况，及时发现压板的异常状态，有效解决压板误操作、错投退、漏投退问题。可以自主完成数据的采集、回传和分析，减少了工作人员工作的劳动时间，降低了劳动强度，避免了工作人员检查过程中出现的人工漏检情况。
31.2、本发明给出了一种压板识别模型在边缘端的部署方法，压板识别模型边缘部署，压板数据在边缘端实现智能处理，不需要将大规模的图像数据上传至上位机，减小了通信负担，提高了响应实时性。使用“边缘计算”和“深度学习”，通过对大量样本的学习，利用人工智能的绝对算力，实现对变电站压板的准确识别。建立压板识别标准库与识别库，满足不同场景需求；可以离线部署训练模型，利用边缘计算技术实时识别压板状态。
32.当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
33.为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
34.图1为本发明主体结构示意图；
35.图2为本发明的模块示意图；
36.图3为本发明中的图像采集模块内部原理图；
37.图4为本发明中的数据采集模块内部原理图；
38.图5为本发明中的云端通信模块内部原理；
39.图6为本发明压板模型训练流程图。
40.附图中，各标号所代表的部件列表如下：
41.1、图像采集模块；11、双目摄像头；12、照明补光系统；2、数据处理模块；21、压板信息存储单元；22、压板识别模型部署单元；23、识别结果处理单元；3、云端通信模块；31、无线传输单元；32、压板信息传输协议；33、云端信息交互单元；4、伸缩臂系统；41、基座；42、伸缩臂支架；43、齿轮；44、双电机；5、底盘动力系统；51、履带式底盘；52、循迹模块；53、视觉二维码定位模块；54、超声波避障模块。
具体实施方式
42.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
43.请参阅图1-6所示，本发明为一种基于边缘智能的硬压板状态识别装置，包括图像采集模块1、数据处理模块2、云端通信模块3、伸缩臂系统4和底盘动力系统5，图像采集模块1包括双目摄像头11和照明补光系统12，双目摄像头11用于拍摄压板图像，同时识别景深距离，将摄像头距离压板的位置信息传输给伸缩臂控制系统45，用于调整摄像头与压板的相对位置，确保拍摄的图像与实际环境全方位一致；照明补光系统12，采用光敏元件控制led，在光照强度不足的情况下补充照明，提高所拍摄压板图像清晰度；
44.数据处理模块2，包括压板信息存储单元21、压板识别模型部署单元22和识别结果处理单元23，压板信息存储单元21，用于存储每面屏柜的压板正确投退信息，建立正确的样本数据库，方便对照；压板识别模型部署单元22，用于对所拍摄的压板图像进行识别处理；识别结果处理单元23，用于将识别出的压板状态与正确的压板投退信息进行比对，输出识别结果；
45.云端通信模块3包括无线传输单元31、压板信息传输协议32和云端信息交互单元33，的压板信息传输协议32定义压板合、压板分或压板无三种状态协议，无线传输单元31采用wifi传输，将数据传输延迟降低在100ms内，满足现场需求；压板信息传输协议32，通过定义压板合、压板分、压板无三种状态协议，减少传输数据量，便于压板状态的快速传输；云端信息交互单元33，在云端建立信息的接收单元与下发单元，可以接收边缘端提供的压板状态信息与告警信息，同时可以将异常投退的压板告警信息下发致客户端或手机端app，提醒客户及时处理异常压板信息；
46.伸缩臂系统4包括基座41、伸缩臂支架42、齿轮43、双电机44和伸缩臂控制系统，基座41上端通过关节、铰接将每一节伸缩臂链接起来，并通过电机控制伸缩臂移动；伸缩臂控制系统通过接收双目摄像头11传输的距离数据，在三个维度控制摄像头位置，确保拍摄的图像能够全面反映压板信息，保证各个图像大小方位一致，提高训练样本统一性与模型识别准确率；
47.底盘动力系统5包括履带式底盘51、循迹模块52、视觉二维码定位模块53、超声波避障模块54、电源模块以及底盘控制系统，履带式底盘51具有一定的越障能力，能够适应不同环境，同时履带式底盘51能够提高机身稳定性，避免了在拍摄压板图像时的抖动；循迹模块52，能够自动识别运动轨迹；视觉二维码定位模块53，能够识别出屏柜二维码存储的屏柜信息和压板信息，并给底盘控制系统提供屏柜位置数据；超声波避障模块54，用于实时检测前方障碍物距离，给底盘控制系统提供距离数据；电源模块，包括电源管理模块和自动充电模块；电源管理模块为图像采集模块1、数据处理模块2、云端通信模块3、伸缩臂控制系统4和底盘控制系统5提供电源；
48.自动充电模块，采用的是无线充电方式，利用高传输效率的无线磁电感应盘，漏磁率低；充电设备可做到隐形没有电接触，无需推杆设备磨损率低，同时利用底盘控制系统的自动循迹功能，在电源电量低于设定值时能够循迹充电基座自动充电，无需人为干预，在边缘端实现自动充电。
49.底盘控制系统，用于接收视觉二维码定位模块数据和超声波避障数据，实时控制
履带底盘到指定屏柜位置。
50.本发明还提供了一种基于边缘智能的硬压板状态识别方法，具体包括以下步骤：
51.s1：建立图像识别标签组，根据现场压板状况，共建立三组标签，即压板合、压板分、压板无。压板合表示压板在合位，压板投入。压板分表示压板在分位，压板没有投入。压板无表示，该压板为备用压板或者未投入压板；
52.s2：压板数据样本库建立，收集到的压板类型数据越多，模型训练也就越准确，对于同一种压板，从正面、侧面不同角度采集数据，同时考虑在不同光线下采集数据，保证与实际运行环境一致。将收集好的数据进行分成两组，一部分用于模型训练，一部分用于模型验证；
53.s3：训练组数据标注，在对压板图像识别深度学习训练之前，需要对收集到的数据压板进行标注，人工标注压板合、压板分、压板无三种类型的压板，确保标注清晰、准确；
54.s4：模型训练，实现对模型的准确配置，以及参数的准确调整；
55.s5：模型验证，将验证组数据输入模型中，检查模型训练结果准确性符合要求；
56.s6：模型部署，将训练号的压板识别模型部署在压板识别模型部署单元22中，在边缘端实现对压板状态识别；
57.s7：现场样本数据库建立，对于压板正确投退的屏柜，通过压板状态识别，将正确的压板状态信息和屏柜信息存储在压板信息存储单元21中，建立正确的样本数据库。
58.s8：压板识别与比对，在边缘端识别到的压板数据与样本数据库中的数据进行比对，比对结果输出给云端通信模块3，对异常投退的压板实时告警。
59.s4的具体步骤为：
60.s4-1：压板图像正则化剔除，对图像进行标准化处理。对图像像素点在红、绿、蓝三个分量上分别减去通道均值，即将图像中每一通道中的每个像素归一化为0到1之间的数据。这样被正则化处理之后的图像数据的宽
×
高
×
通道数，作为卷积神经网络的输入矩阵；
61.s4-2：压板图像数据增强，利用随机截取训练图上的框来生成新的训练样本，同时要保证采样的样本能包含真实的目标。采样之后，为了保持训练数据格式的一致性，还需要对相应的的坐标信息做变换。图像增强相关的函数包括对比度、饱和度、色彩明暗、保持长宽比例的缩放，通过调整不同参数，增加样本维度，提高模型识别度，从而提高模型的抗干扰能力；
62.s4-3：模型训练，将处理好的压板图像数据输入到深度卷积神经网络中，训练时阶段性调整学习率，直到模型达到学习效果；
63.s4-4：保存并固化读写参数，将训练好的模型参数单独保存，防止模型重训练过程中参数变化；
64.s4-5：加载模型，在深度学习框架下加载训练参数，打包模型与参数，便于后续模型部署。
65.以上仅为本发明的优选实施例，并不限制本发明，任何对前述各实施例所记载的技术方案进行修改，对其中部分技术特征进行等同替换，所作的任何修改、等同替换、改进，均属于在本发明的保护范围。