一种变电现场安全监控方法及系统与流程

1.本发明属于安全监控领域，特别涉及一种变电现场安全监控方法及系统。


背景技术：

2.电力行业是我国的基础行业，电力行业的发展直接影响着我国的经济发展和人民的日常生活，而变电站是我国电网的重要组成单元，它的好坏直接影响我国电力行业的发展，因此在电力设备建设过程中，变电现场的安全监控尤其重要。
3.在变电作业现场的安全监控过程中，绝缘子裂纹检测是一个重要的难题，绝缘子是一种特殊的绝缘控件，能够在架空输电线路中起到重要作用，然而由于绝缘子长期受到机电负荷、日晒雨淋冷热变化等作用，绝缘子的往往会出现裂纹，为输电线路安全带来了极大的隐患。通过人工的方式进行绝缘子检测，不仅耗时耗力，检测过程还存在极大的安全隐患，因此，变电作业现场亟需能安全准确的进行绝缘子裂纹检测的安全监控方法。


技术实现要素：

4.针对上述现有技术存在的问题，本发明提供了一种变电现场安全监控方法及系统。
5.本发明实施例的第一方面提供了一种变电现场安全监控方法，包括：
6.通过变电现场的多种监控设备获取同一角度的多张原始图像；
7.采用超分辨卷积神经网络，对多张原始图像进行超分辨率重建得到多张超清图像；
8.从多张超清图像中选取基于同一角度不同信道的超清图像，进行图形融合得到高质量图像；
9.对高质量图像进行绝缘子标注，对标记的绝缘子区域进行分割，得到绝缘子图串；
10.基于所述绝缘子图串，进行绝缘子裂纹检测，并输出最终的检测结果；
11.根据最终的检测结果生成最终的绝缘子安全告警信息，并进行告警。
12.本发明实施例的第二方面公开了一种变电现场安全监控系统，包括：
13.图像采集模块，用于通过变电现场的多种监控设备获取同一角度的多张原始图像；
14.图像优化模块，用于采用超分辨卷积神经网络，对多张原始图像进行超分辨率重建得到多张超清图像；
15.图像融合模块，用于从多张超清图像中选取基于同一角度不同信道的超清图像，进行图形融合得到高质量图像；
16.图像分隔模块，用于对高质量图像进行绝缘子标注，对标记的绝缘子区域进行分割，得到绝缘子图串；
17.图像检测模块，用于基于所述绝缘子图串，进行绝缘子裂纹检测，并输出最终的检测结果；
18.告警模块，用于根据最终的检测结果生成最终的绝缘子安全告警信息，并进行告警。
19.本发明实施例的第三方面公开了一种计算机可读存储介质，，所述存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现上述的一种变电现场安全监控方法。
20.本发明的一种变电现场安全监控方法及系统，具备如下有益效果：
21.一种变电现场安全监控方法及系统，包括通过变电现场的多种监控设备获取同一角度的多张原始图像，再通过超分辨卷积神经网络提高原始图像的分辨率，然后将超分辨重建后的不同监控设备获取的同一角度不同信道的图像进行融合，得到包含多种信道信息的高质量图像，在对高质量图像进行绝缘子标注，得到绝缘子图串，以减少绝缘子裂纹检测过程中的计算量，通过对绝缘子图串进行裂纹检测，并生成检测结果进行安全告警，通过该方法进行绝缘子检测可以使得检测结果更加准确，且无需人工参与，降低了绝缘检测过程中的安全风险。
附图说明
22.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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的前提下，还可以根据这些附图获得其他的附图。
23.图1是本发明实施例一种变电现场安全监控方法的整体流程图；
24.图2是图像融合的流程图；
25.图3是绝缘子标记的流程图。
具体实施方式
26.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
27.本发明实施例提供了一种变电现场安全监控方法，包括：
28.通过变电现场的多种监控设备获取同一角度的多张原始图像；
29.采用超分辨卷积神经网络，对多张原始图像进行超分辨率重建得到多张超清图像；
30.从多张超清图像中选取基于同一角度不同信道的超清图像，进行图形融合得到高质量图像；
31.对高质量图像进行绝缘子标注，对标记的绝缘子区域进行分割，得到绝缘子图串；
32.基于绝缘子图串，进行绝缘子裂纹检测，并输出最终的检测结果；
33.根据最终的检测结果生成最终的绝缘子安全告警信息，并进行告警。
34.优选的是，上述多张原始图像包括但不限于可见光图像、红外图像、深度图像。
35.参考图1，本实施例中，先对获取的原始图像进行处理，再对绝缘子裂纹进行检测，
首先通过变电现场的多种监控设备获取多张同一角度的原始图像，其中监控设备可采用高清摄像机、红外摄像机、单目摄像机等，原始图像包括可见光图像、红外图像、深度图像，将获取的多张原始图像输入到超分辨卷积神经网络中，进行超分辨率重建，得到多张超清图像，选取多张超清图像中不同信道的图像进行融合，可选取r、g、b、红外、深度五个信道的图像进行融合，将融合后的高质量图像进行绝缘子标注，将图像中的绝缘子区域进行分割，得到绝缘子图串，在对绝缘子图串进行绝缘子裂纹检测，检测出具有裂纹的绝缘子，再根据检测结果生成告警信息。通过该方法提高了图像的辨识度，增加了绝缘子裂纹检测的准确性，同时获取绝缘子图串在进行裂纹检测，减少了绝缘子裂纹检测过程中的计算量。
36.基于上述安全监控方法，上述采用超分辨卷积神经网络具体步骤如下：
37.(1)通过第一层神经网络将原始图像中的图像信息转换为维度向量，通过所述维度向量构建图像的维度矩阵；
38.(2)将所述维度矩阵输入到第二层神经网络中，通过第二层神经网络完成对维度矩阵的非线性映射，得到映射矩阵；
39.(3)将所述映射矩阵输入到第三层神经网络中，将映射矩阵转换为高分辨率的超清图像，最终输出。
40.本实施例中，采用超分辨卷积神经网络对原始图像进行超分辨率重建，其中超分辨率卷积网络采用三层卷积神经网络组成，首先将原始图像输入到第一层卷积网络中，将原始图像划分成图像块，通过9*9的卷积核对每个图像块进行滤波计算，将图像块表示为向量形式，将所得的所有图像向量组合成图像矩阵，并计算所得图像矩阵的偏置，将所得矩阵输入到第二层卷积网络中，第二层卷积网络通过1*1的卷积核，对图像矩阵进行非线性映射，增加图像矩阵的维度，得到多维图像矩阵，将多维图像矩阵输入至第三层卷积网络中，第三层卷积网络采用5*5的卷积核，对多维图像举证进行卷积运算，将多维矩阵转换为超分辨率图像，并输出，完成对原始图像的超分辨率重建，得到超清图像。
41.基于上述安全监控方法，上述图像融合的具体过程如下：
42.(1)对可见光超清图像进行颜色信道提取，得到所述可见光图像的灰度图像和r、g、b三个信道的图像；
43.(2)读取与所述可见光超清图像相同拍摄角度的红外超清图像和深度超清图像，得到红外和深度两个信道的图像；
44.(3)将多个信道的图像转化为向量形式，构建多个信道图像的融合矩阵n；
45.(4)计算所述多个信道图像融合矩阵的协方差矩阵m；
46.(5)基于所求得的协方差矩阵m，计算特征值和特征向量；
47.(6)对上述特征值和特征向量进行排序，得到特征向量组成的主成分参数矩阵；
48.(7)基于所求得的主成分参数矩阵对多个信道图像进行主成分分析，得到各信道的主成分图像；
49.(8)将各信道的主成分图像进行直方匹配得到主成分匹配图像；
50.(9)对主成分匹配图像进行主成分还原分析，完成图像融合得到高质量图像。
51.基于上述图像融合过程，上述图像融合中参与融合的多信道图像均为超清图像，所述超清图像的分辨率相同。
52.参考图2，本实施例中，对经过超分辨率处理的多信道图像进行融合，其中参与融
合的图像拍摄角度相同且均为分辨率相同的超清图像，将多个信道的图像依次转化为向量t1,t2,
…
,tm，构建多个信道图像的融合矩阵n，
[0053][0054]
其中，x
ij
表示第i个信道图像的第j个信息量，n表示图像的大小，m表示参与融合为的信道数量，在本实施例中m＝5。根据融合矩阵n计算其协方差矩阵m，
[0055][0056]
基于所求得的协方差矩阵m，计算特征值λi和特征向量ti，其中i＝1,2,
…
,m，此时图像的信息量主要存储在所求得的特征向量ti中，特征向量ti所存储的信息量即为其对应的特征值λi，将特征向量ti进行排序组合，可得到图像的主成分参数矩阵，根据主成分参数矩阵可以将各个信道图像的主成分图像提取出，将各信道的主成分图像进行直方匹配得到主成分匹配图像，对主成分匹配图像进行主成分还原分析，将主成分匹配图像融合还原为多个信道空间的图像，完成图像融合得到高质量图像。
[0057]
基于上述安全监控方法，上述绝缘子标记具体步骤如下：
[0058]
s1.将高质量图像划分成若干图像块，所述图像块互不相交；
[0059]
s2.以高质量图像的r、g、b、深度、红外信道信息作为聚类特征，选定k个聚类特征数值不同的图像块作为聚类中心，计算每个图像块与聚类中心之间的特征距离，根据计算结果将图像块分配到最近聚类中心；
[0060]
s3.根据聚类分配结果，重新计算聚类中心的位置，循环迭代预设次数，得到若干聚类簇；
[0061]
s4.选定绝缘子所在聚类簇，则对该聚类簇中所有的图像块进行绝缘子标记。
[0062]
基于上述绝缘子标记具体步骤，上述图像块与聚类中心之间的距离的计算方式如下：
[0063]
将所述聚类特征转换为向量形式：g＝(r,g,b,s,h)；
[0064]
计算图像块聚类特征向量与聚类中心聚类特征向量之间的特征距离：
[0065][0066]
距离l即为图像块与聚类中心之间的特征距离；
[0067]
其中，g表示聚类特征向量r、g、b、s、h分别表示r、g、b、深度、红外五个信道对应的数值，c表示聚类中心，i表示第i个图像块。
[0068]
参考图,3，本实施例中，通过聚类法对绝缘子进行标注，首先获取高质量图像，并将高质量图像划分成若干图像块，以高质量图像每个图像块的r、g、b、深度、红外信道信息作为聚类特征，将各个图像块聚类特征的值表示为多维向量g＝(r,g,b,s,h)，根据聚类特征向量选取k个聚类中心，其中，k个聚类中心的聚类特征向量均不相同。然后依次计算其余图像块与聚类中心之间的特征距离l，
[0069][0070]
将图像块分配给特征距离其最近的聚类中心，当所有图像块都分配完成之后得到k个聚类簇，然后重新计算各个聚类簇中聚类中心的位置，
[0071][0072]
其中，l为聚类簇中图像块的数量，再次循环上述聚类过程，直至到达设定聚类次数θ，在本实施例中设定θ＝1000，迭代θ次后输出最终聚类结果，完成绝缘子的标注，再通过预设候选框截取绝缘子图串，绝缘子候选框具体预设方法如下：
[0073]
将完成绝缘子标注的图片匹配到高质量图像上，选取绝缘子所在的聚类簇；
[0074]
计算该聚类簇中聚类中心与聚类簇中图像块之间的最远平面距离s；
[0075]
以聚类中心为中心选取一个边长为2s的初始候选框，其中聚类中心与平面距离最远的图像块的连线与初始候选框的一边垂直；
[0076]
判断初始候选框各边与聚类簇之间的位置关系，根据位置管理移动初始候选框的边界，若初始候选框边界与聚类簇存在一个交点，则不在移动该边界；
[0077]
若初始候选框边界与聚类簇存在两个交点，则将该边界向远离聚类中心方向移动的距离；
[0078]
若初始候选框边界与聚类簇不存在交点，则将该边界向靠近聚类中心方向移动的距离，其中n表示移动次数；
[0079]
重复上述移动过程直到初始候选框的所有边界均停止移动或者移动次数n＝4时，停止移动，最终各边界组成的候选框即为预设的候选框。
[0080]
基于上述安全监控方法，上述绝缘子裂纹检测，具体步骤如下：
[0081]
通过边缘检测算法对绝缘子图串中的绝缘子图像边缘进行分割，得到绝缘子边缘图像；
[0082]
采用petrou斜坡模型对绝缘子边缘图像进行检测；
[0083]
判断绝缘子轮廓扫描结果是否满足petrou斜坡模型；
[0084]
若不满足petrou斜坡模型，则检测绝缘子轮廓扫描结果中不满足petrou斜坡模型的部分是否连接；
[0085]
若绝缘子轮廓扫描结果中不满足petrou斜坡模型的部分连接在一起，则说明绝缘子存在裂纹。
[0086]
本实施例中，通过对绝缘子图串中的绝缘子图像边缘进行分割，再采用petrou斜坡模型完成绝缘子裂纹检测。在本实施例中，绝缘子图串经过超分辨率处理和多信道融合后，在进行绝缘子图像的边缘分割，因此所得的绝缘子边缘图像受噪声影响更小，边缘线条更加清晰，而绝缘子上的裂纹均为连通的线条，因此在本实施例，通过petrou斜坡模型对绝缘子图串进行扫描，若检测到不属于绝缘子边缘轮廓，且连通的轮廓线条，则说明绝缘子存在裂纹。
[0087]
本发明实施例提供了一种变电现场安全监控系统，包括：
[0088]
图像采集模块，用于通过变电现场的多种监控设备获取同一角度的多张原始图像；
[0089]
图像优化模块，用于采用超分辨卷积神经网络，对多张原始图像进行超分辨率重建得到多张超清图像；
[0090]
图像融合模块，用于从多张超清图像中选取基于同一角度不同信道的超清图像，进行图形融合得到高质量图像；
[0091]
图像分隔模块，用于对高质量图像进行绝缘子标注，对标记的绝缘子区域进行分割，得到绝缘子图串；
[0092]
图像检测模块，用于基于绝缘子图串，进行绝缘子裂纹检测，并输出最终的检测结果；
[0093]
告警模块，用于根据最终的检测结果生成最终的绝缘子安全告警信息，并进行告警。
[0094]
述系统的实现方式，与上述实施例提供的一种变电现场安全监控方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
[0095]
本发明实施例提供了一种终端，该终端包括包括处理器和存储器,所述存储器中存储有至少一条程序代码,所述至少一条程序代码由所述处理器加载并执行以实现上述的一种变电现场安全监控方法。
[0096]
具体的是，该终端包括：至少一个处理器、存储器、用户接口和至少一个网络接口。终端中的各个组件通过总线系统耦合在一起。可以理解，总线系统用于实现这些组件之间的连接通信。
[0097]
本发明实施例提供了一种计算机可读存储介质，该存储介质中存储有至少一条程序代码，所述至少一条程序代码由处理器加载并执行以实现上述实施例中的一种变电现场安全监控方法。
[0098]
可以理解，存储器可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。本发明实施例中的存储器能够存储数据以支持终端的操作。这些数据的示例包括：用于在终端上操作的任何计算机程序，如操作系统和应用程序。其中，操作系统包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序可以包含各种应用程序。
[0099]
本发明不局限于上述具体的实施方式，本领域的普通技术人员从上述构思出发，不经过创造性的劳动，所做出的种种变换，均落在本发明的保护范围之内。