一种变电设备锈蚀状态的检测方法及系统与流程

1.本发明涉及变电设备锈蚀状态检测技术领域，特别是涉及一种变电设备锈蚀状态的检测方法及系统。


背景技术：

2.为了保证工业设备的正常运行和安全性，锈蚀状态的检测是必不可少的。然而，传统的手工和目视检查方法存在许多问题，如判断过程主观性强、效率低下、易发生人为错误等。因此，基于图像智能识别技术的锈蚀状态检测成为了一种新的解决方案。基于图像智能识别技术，通过采集工业设备表面的图像和数据信息，并对这些信息进行分析和处理，得到关于锈蚀状态的精准信息。该技术可以实现结合智能硬件和云计算技术，将锈蚀状态检测智能化。通过图像智能识别技术，可以大大提高锈蚀状态检测的效率和准确性，同时也可以降低成本和缩短周期。与传统锈蚀检测方法不同，基于图像智能识别技术的锈蚀检测具有以下优势：通过分析采集到的图像和数据信息，确定锈蚀区域的大小、位置和形状，得到更为精准的锈蚀状态信息。通过图像智能识别技术，可以实现自动化控制和检测，避免人为干预和造成的误差。


技术实现要素：

3.本发明的目的在于，提出一种变电设备锈蚀状态的检测方法及系统，解决如何提升锈蚀状态检测的效率和准确性，并提高工业生产的安全性和稳定性的技术问题。
4.一方面，提供一种变电设备锈蚀状态的检测方法，包括：
5.获取锈蚀区域的锈蚀图像数据以及对应的环境数据；
6.汇总采集的锈蚀图像数据形成对应的数据集，通过该数据集对预设的图像识别网络模型进行训练，获得训练成熟的图像识别网络模型；
7.实时采集待检测锈蚀状态表面的图像数据，将该实时采集待检测锈蚀状态表面的图像数据输入训练成熟的图像识别网络模型，得到锈蚀面与金属本体区分度清晰的二维视觉注意图；
8.根据所述二维视觉注意图对锈蚀程度进行特征提取，并根据提取的特征值进行状态评估，得到最终的检测结果。
9.优选地，还包括，汇总采集的环境数据形成气象参数历史及实时曲线图表、评估指导参数，用于预测锈蚀发展状态和指导运维作业周期。
10.优选地，所述图像识别网络模型中至少有两种跨阶段局部网络结构，其中第一种跨阶段局部网络结构应用于backbone中，第二种跨阶段局部网络主要应用于neck中；所述图像识别网络模型网络输出四个尺寸不同的输出特征图。
11.优选地，所述图像识别网络模型具体用于通过设置深度参数控制跨阶段局部网络结构中残差组块地个数进而实现模型的深度变化，通过宽度设置参数控制卷积核的个数进而控制模型的大小。
12.优选地，所述图像识别网络模型还用于通过k-means聚类数据标注框长宽比并且通过修改聚类数增加一组数值小于预设的阈值的anchor满足小目标的检测。
13.优选地，所述根据提取的特征值进行状态评估具体包括，
14.将提取的特征值与预设的特征值状态范围比较，若提取的特征值处于某一特征值状态范围内时，输出于该特征值状态范围对应的状态结果，其中，所述特征值状态范围至少包括多个连续的特征值状态限定范围值。
15.另一方面，还提供一种变电设备锈蚀状态的检测系统，用以实现所述变电设备锈蚀状态的检测方法，包括，
16.图像数据获取模块，用以获取锈蚀区域的锈蚀图像数据以及对应的环境数据；
17.识别模型训练模块，用以汇总采集的锈蚀图像数据形成对应的数据集，通过该数据集对预设的图像识别网络模型进行训练，获得训练成熟的图像识别网络模型；
18.图像识别模块，用以实时采集待检测锈蚀状态表面的图像数据，将该实时采集待检测锈蚀状态表面的图像数据输入训练成熟的图像识别网络模型，得到锈蚀面与金属本体区分度清晰的二维视觉注意图；
19.状态评估模块，用以根据所述二维视觉注意图对锈蚀程度进行特征提取，并根据提取的特征值进行状态评估，得到最终的检测结果。
20.优选地，所述识别模型训练模块还用于汇总采集的环境数据形成气象参数历史及实时曲线图表、评估指导参数，用于预测锈蚀发展状态和指导运维作业周期。
21.优选地，所述图像识别模块具体用于通过设置深度参数控制跨阶段局部网络结构中残差组块地个数进而实现模型的深度变化，通过宽度设置参数控制卷积核的个数进而控制模型的大小；并通过k-means聚类数据标注框长宽比并且通过修改聚类数增加一组数值较小的anchor满足小目标的检测。
22.优选地，所述状态评估模块具体用于将提取的特征值与预设的特征值状态范围比较，若提取的特征值处于某一特征值状态范围内时，输出于该特征值状态范围对应的状态结果，其中，所述特征值状态范围至少包括多个连续的特征值状态限定范围值。
23.综上，实施本发明的实施例，具有如下的有益效果：
24.本发明提供的变电设备锈蚀状态的检测方法及系统，基于图像智能识别技术的锈蚀检测过程，可以在较短的时间内完成，提高锈蚀检测的效率和速度。技术操作简单，只需使用硬件设备进行数据采集并上传至云端进行处理即可。可以实现锈蚀状态检测的标准化和统一，提高设备管理的规范化和标准化水平，可以大幅提升锈蚀状态检测的效率和准确性，提高工业生产的安全性和稳定性。
附图说明
25.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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性的前提下，根据这些附图获得其他的附图仍属于本发明的范畴。
26.图1为本发明实施例中一种变电设备锈蚀状态的检测方法的主流程示意图。
27.图2为本发明实施例中一种变电设备锈蚀状态的检测方法的逻辑示意图。
28.图3为本发明实施例中一种变电设备锈蚀状态的检测系统的示意图。
具体实施方式
29.为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
30.如图1所示和图2所示，为本发明提供的一种变电设备锈蚀状态的检测方法的一个实施例的示意图。在该实施例中，所述方法包括以下步骤：
31.步骤s1，获取锈蚀区域的锈蚀图像数据以及对应的环境数据；可理解的，高清摄像头采集锈蚀图像数据，环境状态采集器采集环境温湿度、风速、风向、雨量等区域气象数据，以上信息经由数据采集卡汇总传输至上位机系统。
32.步骤s2，汇总采集的锈蚀图像数据形成对应的数据集，通过该数据集对预设的图像识别网络模型进行训练，获得训练成熟的图像识别网络模型；汇总采集的环境数据形成气象参数历史及实时曲线图表、评估指导参数，用于预测锈蚀发展状态和指导运维作业周期。可理解的，位机监控系统汇总采集到的图像数据形成数据集，并结合图像识别网络模型进行训练学习获得训练成熟的模型；汇总到的区域气象数据形成气象参数历史及实时曲线图表和评估指导参数，用于预测锈蚀发展状态和指导运维作业周期。
33.具体实施例中，所述图像识别网络模型中至少有两种跨阶段局部网络结构，其中第一种跨阶段局部网络结构应用于backbone中，第二种跨阶段局部网络主要应用于neck中；所述图像识别网络模型网络输出四个尺寸不同的输出特征图。所述图像识别网络模型具体用于通过设置深度参数控制跨阶段局部网络结构中残差组块地个数进而实现模型的深度变化，通过宽度设置参数控制卷积核的个数进而控制模型的大小。所述图像识别网络模型还用于通过k-means聚类数据标注框长宽比并且通过修改聚类数增加一组数值小于预设阈值的anchor满足小目标的检测。可理解的，以(3,640,640)的输入为例，对新开发的目标检测框架的程序增加小目标配置文件，基于yolov5修改初始anchor参数和增加prediction head检测层得到本发明ap-yolov5网络模型，通过构造大尺度特征图片提升对小目标物体的检测能力。ap-yolov5网络结构中有两种csp(跨阶段局部网络)结构，csp1和csp2，其中csp1结构主要应用于backbone中，csp2结构主要应用于neck中；用于生成边界框和并预测类的prediction head(检测头部)也由三层结构增加到四层；ap-yolov5网络输出四个尺寸不同的输出特征图。具体地，网络通过设置深度参数(depth multiple)来控制csp结构中残差组块地个数进而实现模型的深度变化，通过宽度设置参数(width_multiple)来控制卷积核的个数进而控制模型的大小。通过k-means聚类数据标注框长宽比并且通过修改聚类数增加一组数值较小的anchor满足小目标的检测；在anchors自适应先验框机制出现以前算法都是依靠滑动窗口的方法检测目标的，增加的anchor先验框能够计算待检测样本在图片中的实际位置。由图2可知修改后的网络最终一共使用四层进行检测，维度分别对应160
×
160
×
255、80
×
80
×
255、40
×
40
×
255、20
×
20
×
255，增加检测层160
×
160的小目标检测层更适应于光伏板热斑检测的实际需求，有助于解决不同种类锈蚀状态的精准识别。
34.步骤s3，实时采集待检测锈蚀状态表面的图像数据，将该实时采集待检测锈蚀状态表面的图像数据输入训练成熟的图像识别网络模型，得到锈蚀面与金属本体区分度清晰
的二维视觉注意图；可理解的，现场采集待检测锈蚀状态表面的图像数据上传至上位机图像识别网络模型中，并形成锈蚀面与金属本体区分度清晰的二维视觉注意图，并对锈蚀程度进行特征提取和状态评估。
35.步骤s4，根据所述二维视觉注意图对锈蚀程度进行特征提取，并根据提取的特征值进行状态评估，得到最终的检测结果。
36.本实施例中，将提取的特征值与预设的特征值状态范围比较，若提取的特征值处于某一特征值状态范围内时，输出于该特征值状态范围对应的状态结果，其中，所述特征值状态范围至少包括多个连续的特征值状态限定范围值。
37.如图3所示，本发明还提供一种变电设备锈蚀状态的检测系统，用以实现所述变电设备锈蚀状态的检测方法，包括，
38.图像数据获取模块，用以获取锈蚀区域的锈蚀图像数据以及对应的环境数据；
39.识别模型训练模块，用以汇总采集的锈蚀图像数据形成对应的数据集，通过该数据集对预设的图像识别网络模型进行训练，获得训练成熟的图像识别网络模型；
40.图像识别模块，用以实时采集待检测锈蚀状态表面的图像数据，将该实时采集待检测锈蚀状态表面的图像数据输入训练成熟的图像识别网络模型，得到锈蚀面与金属本体区分度清晰的二维视觉注意图；
41.状态评估模块，用以根据所述二维视觉注意图对锈蚀程度进行特征提取，并根据提取的特征值进行状态评估，得到最终的检测结果。
42.本实施例中，所述识别模型训练模块还用于汇总采集的环境数据形成气象参数历史及实时曲线图表、评估指导参数，用于预测锈蚀发展状态和指导运维作业周期。
43.所述图像识别模块具体用于通过设置深度参数控制跨阶段局部网络结构中残差组块地个数进而实现模型的深度变化，通过宽度设置参数控制卷积核的个数进而控制模型的大小；并通过k-means聚类数据标注框长宽比并且通过修改聚类数增加一组数值较小的anchor满足小目标的检测。
44.所述状态评估模块具体用于将提取的特征值与预设的特征值状态范围比较，若提取的特征值处于某一特征值状态范围内时，输出于该特征值状态范围对应的状态结果，其中，所述特征值状态范围至少包括多个连续的特征值状态限定范围值。
45.需说明的是，上述实施例所述系统与上述实施例所述方法对应，因此，上述实施例所述系统未详述部分可以参阅上述实施例所述方法的内容得到，此处不再赘述。
46.综上，实施本发明的实施例，具有如下的有益效果：
47.本发明提供的变电设备锈蚀状态的检测方法及系统，基于图像智能识别技术的锈蚀检测过程，可以在较短的时间内完成，提高锈蚀检测的效率和速度。技术操作简单，只需使用硬件设备进行数据采集并上传至云端进行处理即可。可以实现锈蚀状态检测的标准化和统一，提高设备管理的规范化和标准化水平，可以大幅提升锈蚀状态检测的效率和准确性，提高工业生产的安全性和稳定性。
48.以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

技术特征：
1.一种变电设备锈蚀状态的检测方法，其特征在于，包括：获取锈蚀区域的锈蚀图像数据以及对应的环境数据；汇总采集的锈蚀图像数据形成对应的数据集，通过该数据集对预设的图像识别网络模型进行训练，获得训练成熟的图像识别网络模型；实时采集待检测锈蚀状态表面的图像数据，将该实时采集待检测锈蚀状态表面的图像数据输入训练成熟的图像识别网络模型，得到锈蚀面与金属本体区分度清晰的二维视觉注意图；根据所述二维视觉注意图对锈蚀程度进行特征提取，并根据提取的特征值进行状态评估，得到最终的检测结果。2.如权利要求1所述的方法，其特征在于，还包括，汇总采集的环境数据形成气象参数历史及实时曲线图表、评估指导参数，用于预测锈蚀发展状态和指导运维作业周期。3.如权利要求2所述的方法，其特征在于，所述图像识别网络模型中至少有两种跨阶段局部网络结构，其中第一种跨阶段局部网络结构应用于backbone中，第二种跨阶段局部网络主要应用于neck中；所述图像识别网络模型网络输出四个尺寸不同的输出特征图。4.如权利要求3所述的方法，其特征在于，所述图像识别网络模型具体用于通过设置深度参数控制跨阶段局部网络结构中残差组块地个数进而实现模型的深度变化，通过宽度设置参数控制卷积核的个数进而控制模型的大小。5.如权利要求4所述的方法，其特征在于，所述图像识别网络模型还用于通过k-means聚类数据标注框长宽比并且通过修改聚类数增加一组数值小于预设阈值的anchor满足小目标的检测。6.如权利要求5所述的方法，其特征在于，所述根据提取的特征值进行状态评估具体包括，将提取的特征值与预设的特征值状态范围比较，若提取的特征值处于某一特征值状态范围内时，输出于该特征值状态范围对应的状态结果，其中，所述特征值状态范围至少包括多个连续的特征值状态限定范围值。7.一种变电设备锈蚀状态的检测系统，用以实现如权利要求1-6任一项所述的方法，其特征在于，包括，图像数据获取模块，用以获取锈蚀区域的锈蚀图像数据以及对应的环境数据；识别模型训练模块，用以汇总采集的锈蚀图像数据形成对应的数据集，通过该数据集对预设的图像识别网络模型进行训练，获得训练成熟的图像识别网络模型；图像识别模块，用以实时采集待检测锈蚀状态表面的图像数据，将该实时采集待检测锈蚀状态表面的图像数据输入训练成熟的图像识别网络模型，得到锈蚀面与金属本体区分度清晰的二维视觉注意图；状态评估模块，用以根据所述二维视觉注意图对锈蚀程度进行特征提取，并根据提取的特征值进行状态评估，得到最终的检测结果。8.如权利要求7所述的系统，其特征在于，所述识别模型训练模块还用于汇总采集的环境数据形成气象参数历史及实时曲线图表、评估指导参数，用于预测锈蚀发展状态和指导运维作业周期。9.如权利要求7所述的系统，其特征在于，所述图像识别模块具体用于通过设置深度参
数控制跨阶段局部网络结构中残差组块地个数进而实现模型的深度变化，通过宽度设置参数控制卷积核的个数进而控制模型的大小；并通过k-means聚类数据标注框长宽比并且通过修改聚类数增加一组数值较小的anchor满足小目标的检测。10.如权利要求9所述的系统，其特征在于，所述状态评估模块具体用于将提取的特征值与预设的特征值状态范围比较，若提取的特征值处于某一特征值状态范围内时，输出于该特征值状态范围对应的状态结果，其中，所述特征值状态范围至少包括多个连续的特征值状态限定范围值。

技术总结
本发明提供一种变电设备锈蚀状态的检测方法及系统，包括，获取锈蚀区域的锈蚀图像数据以及对应的环境数据；汇总采集的锈蚀图像数据形成对应的数据集，通过该数据集对预设的图像识别网络模型进行训练，获得训练成熟的图像识别网络模型；实时采集待检测锈蚀状态表面的图像数据，将该实时采集待检测锈蚀状态表面的图像数据输入训练成熟的图像识别网络模型，得到锈蚀面与金属本体区分度清晰的二维视觉注意图；根据所述二维视觉注意图对锈蚀程度进行特征提取，并根据提取的特征值进行状态评估，得到最终的检测结果。本发明提升锈蚀状态检测的效率和准确性，提高工业生产的安全性和稳定性。性。性。


技术研发人员：张晶焯 刘小军 宋文伟 汪鹏 高瑞鑫 肖黎 佘楚云 马义松 李姝玉 杨丰阁 朱县盛 崔宇中 赖振宇 徐红星 林文校 王世刚 牛犇 彭光超 林海 赖运河
受保护的技术使用者：深圳供电局有限公司
技术研发日：2023.07.25
技术公布日：2023/10/15