基于机器视觉的电力铭牌信息缺陷等级判断方法及装置与流程

本发明涉及电力设备铭牌信息管理领域，具体涉及一种基于机器视觉的电力设备铭牌信息缺陷等级判断方法及装置。

背景技术：

1、电力设备铭牌记录着设备的基本参数和身份信息，电力设备的铭牌信息管理是电力运行人员的基本工作之一。完整的电力设备铭牌信息，对配电线路的单线图制作、电力设备的测试检修以及线路的大修技改等有重要的意义。

2、目前，对电力设备铭牌信息的管理依赖运行人员的主动巡视并手动录入系统，铭牌信息缺陷管理的智能化与规范化水平有待进一步提高。同时也存在以下方面的问题：1）现场部分电力设备，如台变、柱上开关等，装设位置距离地面较高，且设备铭牌较小，用肉眼很难准确判断铭牌是否存在信息缺陷；2）部分计算机视觉技术，虽然提升了铭牌信息缺陷检测的效率，但这一类方法普遍需要进行模版比对，部分运行年限较长、缺乏铭牌模版的电力设备达不到检测要求；3）缺乏对铭牌信息缺陷等级的判断依据，未形成高效的铭牌缺陷处理办法，导致电力设备铭牌缺陷得不到及时有效的运维。

技术实现思路

1、本发明实施例提供一种基于机器视觉的电力设备铭牌信息缺陷等级判断方法及装置，该方法有利于实现电力设备铭牌信息缺陷等级管理的智能化和标准化，提升电力设备铭牌的运维效率，优化电力系统资产运维水平。

2、第一方面，本发明提供一种基于机器视觉的电力设备铭牌信息缺陷等级判断方法，包括：获取电力设备铭牌图像；运用深度学习技术检测电力设备铭牌图像中的文字信息，框选出电力设备铭牌图像中所有的文字信息；运用光学字符识别技术识别被框选出的文字信息，并将文字信息发送至资产管理系统中，建立对应的电力设备铭牌信息目录和缺陷管理目录；

3、对电力设备铭牌图像进行边缘检测，提取并形成二值化图像；将所述二值化图像中的被框选出的文字信息通过置零操作进行消除；对消除文字信息后的二值化图像进行网格检测，并通过置零操作进行消除网格线，得到消除文字和网格线后的二值化图像；

4、统计消除文字和网格线后的二值化图像中剩余数值为1的像素点数量，计算数值为1的像素点数量占图像总像素点数量的像素点百分比；根据像素点百分比对电力设备铭牌信息缺陷进行定级；

5、基于缺陷定级及缺陷情况描述，在资产管理系统中对电力设备铭牌进行缺陷上报并形成缺陷运维管理策略。

6、进一步优选，根据像素点百分比对电力设备铭牌信息缺陷进行定级的标准为：当像素点百分比数值小于或等于20时，判断电力设备铭牌信息无受损或轻微受损；当像素点百分比数值大于20且小于或等于50时，判断电力设备铭牌信息中度受损；当像素点百分比数值大于50时，判断电力设备铭牌信息严重受损。

7、进一步优选，所述缺陷运维管理策略包括：当电力设备铭牌信息无受损或轻微受损时，保持当前运维策略；当电力设备铭牌信息中度受损时，更改运维策略为加强巡视和保护，对缺陷信息进行修复，并在资产管理系统中进行登记上报缺陷信息；当电力设备铭牌信息严重受损时，更改运维策略为更换所述电力设备铭牌，并在资产管理系统中进行登记上报缺陷信息。

8、进一步优选，采用改进yolov5模型检测电力设备铭牌图像中的文字信息，改进yolov5模型包括输入端、主干网络、颈部网络、输出端四部分。输入端包括数据增强模块、自适应图像填充模块、自适应锚框计算模块，输入端将图像随机缩放、随机裁剪、随机排布。主干网络依次由第一cbh模块、第二cbh模块、第一c3模块、第三cbh模块、第二c3模块、第四cbh模块、第三c3模块、第五cbh模块、第四c3模块和sppf模块组成。颈部网络包括第六cbh模块、第七cbh模块、第五c3模块、第六c3模块、第七c3模块、第八c3模块、第一cbam 卷积注意力模块和第二cbam 卷积注意力模块，sppf模块输出的特征图进入第六cbh模块，第六cbh模块输出的特征图经上采样后与第四cbh模块输出的特征图进行特征融合，融合后的特征图经过第六c3模块、第七cbh模块处理；第七cbh模块输出的特征图经上采样后与第三cbh模块输出的特征图进行特征融合，然后送入第八c3模块，第八c3模块输出的特征图送入输出端卷积得到第一特征图输出；第八c3模块输出的特征图被第一cbam 卷积注意力模块关注后与第七cbh模块输出的特征图进行特征融合，然后送入第七c3模块处理，第七c3模块输出的特征图送入输出端卷积得到第二特征图输出；第七c3模块输出的特征图被第二cbam 卷积注意力模块关注后与第六cbh模块输出的特征图进行特征融合，然后送入第五c3模块处理，第五c3模块输出的特征图送入输出端卷积得到第三特征图输出。

9、进一步优选，采用的光学字符识别技术是基于ctc-attention联合机制的场景文本识别模型。

10、进一步优选，改进yolov5模型对电力设备铭牌图像中的文字信息按训练模型得到的权重文件进行检测，检测结果为若干个矩形框，将电力设备铭牌图像中的文字信息进行框选和裁剪，然后基于ctc-attention联合机制的场景文本识别模型对矩形框内的文字信息进行识别提取；将所述二值化图像中的被框选出的文字信息通过置零操作进行消除是：首先计算改进yolov5模型的检测结果坐标并记录，某矩形框中心点坐标为(x1,y1)，矩形框长度和宽度分别为l个像素点和h个像素点，然后记录基于ctc-attention联合机制的场景文本识别模型所识别目标的坐标，文字信息中某个像素点在矩阵框中的坐标为(x2,y2)，则对应所述二值化图像中点（x1+x2-l/2,y1+y2-h/2）的像素值置零。

11、进一步优选，采用霍夫直线检测对消除处理后的二值化图像进行网格检测。

12、进一步优选，消除网格线是指：记录霍夫直线检测所检测为直线的像素点，在消除文字信息后的二值化图像中对直线的像素点进行置零操作。

13、第二方面，本发明还提供了一种基于机器视觉的电力设备铭牌信息缺陷等级判断装置，包括：

14、图像获取模块，用于获取电力设备铭牌图像，由多旋翼无人机和其搭载的高像素摄像机组成；

15、检测和识别模块，用于检测和识别电力设备铭牌图像中的文字信息，并将所述文字信息发送至管理模块；

16、缺陷等级判断模块，用于处理电力设备铭牌图像，并根据电力铭牌信息缺陷等级判断方法对所述电力设备铭牌信息缺陷进行等级判断；

17、管理模块，用于接收检测和识别模块传送的文字信息，用于根据缺陷情况描述和缺陷等级判断，在资产管理系统中进行对应电力设备铭牌信息缺陷上报并形成缺陷运维管理策略，建立电力设备铭牌信息目录和缺陷管理目录。

18、第三方面，本发明还提供了一种基于机器视觉的电力设备铭牌信息缺陷等级判断设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述基于机器视觉的电力设备铭牌信息缺陷等级判断方法。

19、第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一所述的基于机器视觉的电力设备铭牌信息缺陷等级判断方法。

20、本发明通过获取电力设备铭牌图像；检测并识别电力设备铭牌图像上的文字信息；对电力设备铭牌图像进行边缘检测及二值化处理；将所识别提取的文字信息在边缘检测及二值化处理后的电力设备铭牌图像中消除；对所消除文字信息后的电力设备铭牌图像进行网格检测；消除电力设备铭牌图像上的网格线；根据所处理完成后的电力设备铭牌图像剩余像素点占图像总像素点比例，对电力设备铭牌信息进行缺陷定级，并在资产管理系统中进行缺陷上报并形成缺陷运维管理策略。本发明提供的方法有利于实现电力设备铭牌管理的智能化和标准化，提升运维人员的缺陷管理效率与实时性，有利于缩短消缺时间，且无需建立标准模版，广泛适用于配电网变压器台架和柱上开关等设备，有利于优化电力设备的资产运维水平。