基于神经计算棒的配网变压器实时识别设备及识别方法与流程

1.本发明属于配网变压器识别技术，尤其涉及一种基于神经计算棒的配网变压器实时识别设备及识别方法。


背景技术：

2.随着人工智能在电力行业逐渐应用，对于配网的变压器识别的过程，传统的解决方案是通过图像处理的方式离线识别但是存在识别效果较差的问题，也有采用深度学习的方式但模型部署在gpu服务器上，这样成本较高，所提供的在线服务ai接口，在网络良好的情况下可以使用，但是特定的使用场景存在着无网络或者网络延迟高等情况无法使用在线服务ai接口。


技术实现要素：

3.本发明要解决的技术问题是：提供一种基于神经计算棒的配网变压器实时识别设备及识别方法，以解决现有技术针对配网的变压器识别存在的成本较高和无网络或者网络延迟高等情况无法使用等技术问题。
4.本发明的技术方案是：一种基于神经计算棒的配网变压器实时识别设备，它包括：图像传感单元，图像传感单元与核心处理单元电连接；核心处理单元与配网变压器检测单元电连接；配网变压器检测单元与ai加速单元电连接；ai加速单元与网络单元电连接。
5.所述核心处理单元与扩展接口单元电连接。
6.所述核心处理单元是指使用树莓派arm处理单元。
7.所述配网变压器检测单元为基于目标检测模型tiny
‑
yolo3模型。
8.所述加速单元为神经计算棒。
9.一种基于神经计算棒的配网变压器实时识别设备的识别方法，通过图像传感单元实时采集照片，然后每帧图像通过图像传感单元发送给树莓派进行预处理，接着配网变压器检测单元对预处理过的图片进行推理，采用ai加速单元加速推理，最后把识别到的配网变压器的位置等信息返回给用户。
10.用户通过网络单元接入外接终端实时显示推理结果，或者通过树莓派显示器显示实时结果。
11.它还包括供电单元，所述供电单元充电宝，提供两个5v充电接口。
12.本发明有益效果：本发明采用树莓派arm处理单元，在该单元上运行配网变压器检测单元和ai加速单元、连接扩展单元、网络单元、电源供应单元。所述配网变压器检测单元为基于目标检测模型tiny
‑
yolo3模型，所述加速单元即为神经计算棒，加速tiny
‑
yolo3模型的推理速度达到实时检测性能。所述网络单元为核心处理单元分配网络。所述电源供应单元即为核心处理单元和网络单元进行5v供电和充电功能。所述扩展接口单元为树莓派的扩展功能可以对
设备进行增加功能等。该设备具有在离线情况下也能完成配网变压器的实时检测任务。解决了现有技术针对配网的变压器识别存在的成本较高和无网络或者网络延迟高等情况无法使用等技术问题。
13.附图说明
14.图1为本发明系统示意图。
具体实施方式
15.本发明图像传感单元1、核心处理单元2、配网变压器检测单元3，ai加速单元4，网络单元5、电源供应单元6和扩展接口单元7。该设备识别配网变压器的过程是，先是通过镜头实时采集照片，然后每帧图像通过图像传感器发送给树莓派进行预处理，接着配网变压器检测单元对预处理过的图片进行推理，采用ai加速单元加速推理，最后把识别到的配网变压器的位置等信息返回给用户，用户通过网络单元接入外接终端实时显示推理结果，或者通过树莓派显示器显示实时结果。
16.图像传感单元把镜头采集到的图像数据通过usb端口发送给核心处理单元进行图像处理，配网变压器检测单元在核心处理单元上面运行， ai加速单元通过usb端口连接核心处理单元，网络单元通过网线连接核心处理单元，电源供应单元为核心处理单元和(5)网络单元进行电源供电，(7)扩展接口单元为(2)核心处理单元扩展接口。
17.图像传感单元为usb摄像头。
18.核心处理单元为arm处理芯片树莓派3b+，树莓派3b+为5v电源供电，搭载linux系统，可以运行tensorflow等框架。
19.配网变压器检测单元为通过配网变压器标注数据图片训练的tiny
‑
yolo3模型，网络简单，计算量较小，可以在移动端或设备端运行，部署树莓派3b+上提供图片实时检测服务。
20.ai加速单元为intel的2代神经计算棒，其中包括openvino平台可对模型进行优化压缩等。
21.网络单元为一个无线路由器，通过网线连接树莓派分配网络，并提供wifi，可使连接wifi的设备访问树莓派提供的图片实时检测服务。
22.电源供应单元为一个容量较大的充电宝，提供两个5v充电接口，使树莓派在高功耗的状态下也能持续长时间供电。