电缆相序识别方法、装置、计算机程序产品、存储介质与流程

本发明涉及电力检测，具体而言，涉及一种电缆相序识别方法、装置、计算机程序产品、存储介质。

背景技术：

1、在电网施工验收环节中，及时发现并排除故障隐患是电网运维重要环节之一。由于环网柜数量众多，施工人员素质良莠不齐，极易出现安装错误或违规的情况，进而引发电力线路故障。电缆接线错误是常见的安装错误之一，电缆接线错误一旦出现，便会导致电路相序错误，进而引发设备反转、短路等事故。

2、目前，环网柜的施工验收通常采取人工验收的方式，也即，通过验收人员实地考察来判断环网柜是否安装正确，然而，人工验收的方式导致验收工作无法快速、高效的进行。

3、此外，早期主要使用传统的图像检测技术识别电缆，通过对电缆外形、颜色等特征进行提取，再利用阈值分割等方法以对电缆线分类，以及，使用rgb的各个阈值区分目标与背景，再用不重叠窗口对图案和目标进行纹理特征比对，生成最小外接矩形框，进而识别电缆。该方法虽然定位较为准确，但是得到的电缆检测框水平宽度误差较大，进而导致该方法的鲁棒性差。

4、由上分析可知，针对上述现有技术提供的环网柜电缆相序识别方法依赖人工检测识别导致识别效率低、鲁棒性差的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种电缆相序识别方法、装置、计算机程序产品、存储介质，以至少解决现有技术提供的环网柜电缆相序识别方法依赖人工检测识别导致识别效率低、鲁棒性差的技术问题。

2、根据本发明实施例的一个方面，提供了一种电缆相序识别方法，包括：

3、获取待识别环网柜图像；利用目标识别模型对待识别环网柜图像进行标签识别，得到识别结果，其中，目标识别模型用于识别待识别环网柜图像中目标电缆的标签；根据识别结果确定目标电缆的相序。

4、可选地，上述电缆相序识别方法还包括：基于目标拍摄设备采集环网柜的原始图像数据集；对原始图像数据集进行多角度旋转，得到第一图像数据集；对第一图像数据集中的图像进行多尺寸裁剪，得到第二图像数据集；对第二图像数据集中的图像进行多参数调整，得到样本图像数据集；利用目标数据增强法对样本图像数据集进行数据增强处理，得到图像训练集；利用主干网络对图像训练集进行特征提取，得到第一特征图集；利用中间网络对第一特征图集进行特征融合，得到第二特征图集；利用预测层的检测头对第二特征图集进行分类预测，得到预测结果，其中，预测结果用于确定第二特征图集的任意一张图像中任意一根电缆的预测标签；根据预测标签对模型性能进行评估，得到评估结果，其中，评估结果用于确定标签识别准确率；响应于多次迭代训练得到的标签识别准确率收敛，将多次迭代训练中最后一次迭代训练得到的识别模型确定为目标识别模型。

5、可选地，利用目标数据增强法对样本图像数据集进行数据增强处理，得到图像训练集包括：从样本图像数据集中选取任意多张图像；对任意多张图像进行几何变换和色彩空间变换，得到多张第一变换图像；按照预设拼接规则对多张第一变换图像进行拼接，得到拼接后图像；基于多张拼接后图像构成图像训练集。

6、可选地，主干网络包括第一网络、第二网络和池化层，利用主干网络对图像训练集进行特征提取，得到第一特征图集包括：利用第一网络对图像训练集中任意一张图像进行切片处理，得到多张第二变换图像；利用第二网络对多张第二变换图像进行分步卷积与拼接，得到第三特征图集；利用池化层对第三特征图集进行跨尺寸特征检测与提取，得到第一特征图集。

7、可选地，中间网络包含第三网络和第四网络，利用中间网络对第一特征图集进行特征融合，得到第二特征图集包括：基于第三网络对第一特征图集中任意一张图像进行多次上采样，得到第五特征图集；基于第四网络对第五特征图集进行自底向上特征融合，得到第二特征图集。

8、可选地，检测头包括第一检测分支、第二检测分支和第三检测分支，利用预测层的检测头对第二特征图集进行分类预测，得到预测结果包括：利用第一检测分支对任意一根电缆进行位置预测，得到目标框，其中，目标框用于对电缆进行定位；利用第二检测分支对任意一根电缆进行标签类别预测，得到类别分数；利用第三检测分支对任意一根电缆进行置信度预测，得到置信度分数；基于目标框、类别分数和置信度分数确定任意一根电缆的预测标签，得到预测结果。

9、可选地，根据预测标签对模型性能进行评估，得到评估结果包括：根据第二特征图集的任意一张图像的真实标签，对预测标签进行正确性判断，得到判断结果，其中，判断结果包含第二特征图集对应的正确预测标签数量和错误预测标签数量；利用正确预测标签数量和错误预测标签数量统计标签识别准确率，得到评估结果。

10、根据本发明实施例的另一方面，还提供了一种电缆相序识别装置，包括：

11、获取模块，用于获取待识别环网柜图像；识别模块，用于利用目标识别模型对待识别环网柜图像进行标签识别，得到识别结果，其中，目标识别模型用于识别待识别环网柜图像中目标电缆的标签；确定模块，用于根据识别结果确定目标电缆的相序。

12、可选地，上述电缆相序识别装置还包括：训练模块，用于基于目标拍摄设备采集环网柜的原始图像数据集；对原始图像数据集进行多角度旋转，得到第一图像数据集；对第一图像数据集中的图像进行多尺寸裁剪，得到第二图像数据集；对第二图像数据集中的图像进行多参数调整，得到样本图像数据集；利用目标数据增强法对样本图像数据集进行数据增强处理，得到图像训练集；利用主干网络对图像训练集进行特征提取，得到第一特征图集；利用中间网络对第一特征图集进行特征融合，得到第二特征图集；利用预测层的检测头对第二特征图集进行分类预测，得到预测结果，其中，预测结果用于确定第二特征图集的任意一张图像中任意一根电缆的预测标签；根据预测标签对模型性能进行评估，得到评估结果，其中，评估结果用于确定标签识别准确率；响应于多次迭代训练得到的标签识别准确率收敛，将多次迭代训练中最后一次迭代训练得到的识别模型确定为目标识别模型。

13、可选地，上述训练模块还用于：主干网络包括第一网络、第二网络和池化层，利用主干网络对图像训练集进行特征提取，得到第一特征图集包括：利用第一网络对图像训练集中任意一张图像进行切片处理，得到多张第二变换图像；利用第二网络对多张第二变换图像进行分步卷积与拼接，得到第三特征图集；利用池化层对第三特征图集进行跨尺寸特征检测与提取，得到第一特征图集。

14、可选地，上述训练模块还用于：中间网络包含第三网络和第四网络，利用中间网络对第一特征图集进行特征融合，得到第二特征图集包括：基于第三网络对第一特征图集中任意一张图像进行多次上采样，得到第五特征图集；基于第四网络对第五特征图集进行自底向上特征融合，得到第二特征图集。

15、可选地，上述训练模块还用于：检测头包括第一检测分支、第二检测分支和第三检测分支，利用预测层的检测头对第二特征图集进行分类预测，得到预测结果包括：利用第一检测分支对任意一根电缆进行位置预测，得到目标框，其中，目标框用于对电缆进行定位；利用第二检测分支对任意一根电缆进行标签类别预测，得到类别分数；利用第三检测分支对任意一根电缆进行置信度预测，得到置信度分数；基于目标框、类别分数和置信度分数确定任意一根电缆的预测标签，得到预测结果。

16、可选地，上述训练模块还用于：根据预测标签对模型性能进行评估，得到评估结果包括：根据第二特征图集的任意一张图像的真实标签，对预测标签进行正确性判断，得到判断结果，其中，判断结果包含第二特征图集对应的正确预测标签数量和错误预测标签数量；利用正确预测标签数量和错误预测标签数量统计标签识别准确率，得到评估结果。

17、根据本发明实施例的又一方面，还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述任意一项的电缆相序识别方法。

18、根据本发明实施例的又一方面，还提供了一种计算机可读存储介质，存储介质存储有计算机程序，计算机程序被处理器执行时实现前述中任意一项的电缆相序识别方法。

19、根据本发明实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行前述任意一项的电缆相序识别方法。

20、在本发明实施例中，先获取待识别环网柜图像，接着利用目标识别模型对待识别环网柜图像进行标签识别，得到识别结果，其中，目标识别模型用于识别待识别环网柜图像中目标电缆的标签，最终根据识别结果确定目标电缆的相序。通过构建并训练得到目标识别模型，再利用该目标识别模型准确检测待识别环网柜图像中的小目标以准确识别待识别环网柜图像中目标电缆的标签，从而根据标签顺序确定目标电缆相序，达到了准确识别环网柜图像中电缆相序的目的，从而实现了提高电缆相序识别准确度和识别效率、提升电缆相序识别方法的鲁棒性的技术效果，进而解决了现有技术提供的环网柜电缆相序识别方法依赖人工检测识别导致识别效率低、鲁棒性差的技术问题。