基于深度学习的配电房设备开关部件状态监测方法和装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114301180A(43)申请公布日2022.04.08(21)申请号202111675600.4G06V10/22(2022.01)(22)申请日2021.12.31G06V10/24(2022.01)G06V10/82(2022.01)(71)申请人南方电网大数据服务有限公司地址510800广东省广州市花都区新华街红珠路5-1(72)发明人钱林钧杨凯李站杨荣霞陈承志(74)专利代理机构华进联合专利商标代理有限公司44224代理人肖茹芸(51)Int.Cl.H02J13/00(2006.01)G06T7/00(2017.01)G06T7/10(2017.01)G06N3/04(2006.01)权利要求书3页说明书15页附图7页(54)发明名称基于深度学习的配电房设备开关部件状态监测方法和装置(57)摘要本申请涉及一种基于深度学习的配电房设备开关部件状态监测方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取待检测设备图像；待检测设备图像为对目标配电房中的电力设备进行拍摄得到的图像；电力设备包括至少一个开关部件；将待检测设备图像输入至台账标签识别模型，得到台账标签文本内容；以及将待检测设备图像输入至开关部件状态识别模型，得到开关部件的实际开关状态；台账标签文本内容用于表征电力设备的运行状态；确定开关部件在运行状态下的期望开关状态；若实际开关状态与期望开关状态不匹配，则生成针对电力设备的告警提示。采用本方法能够在配电房内对异常的电力设备及时生成告警提示，从而提升对电力设备的监测效果。CN114301180ACN114301180A权利要求书1/3页1.一种基于深度学习的配电房设备开关部件状态监测方法，其特征在于，所述方法包括：获取待检测设备图像；所述待检测设备图像为对目标配电房中的电力设备进行拍摄得到的图像；所述电力设备包括至少一个开关部件；将所述待检测设备图像输入至台账标签识别模型，得到台账标签文本内容；以及将所述待检测设备图像输入至开关部件状态识别模型，得到所述开关部件的实际开关状态；所述台账标签文本内容用于表征所述电力设备的运行状态；确定所述开关部件在所述运行状态下的期望开关状态；若所述实际开关状态与所述期望开关状态不匹配，则生成针对所述电力设备的告警提示。2.根据权利要求1所述的方法，其特征在于，所述台账标签识别模型包括台账标签区域检测模块、文本区域检测模块和文本内容识别模块；所述将所述待检测设备图像输入至台账标签识别模型，得到台账标签文本内容，包括：将所述待检测设备图像输入至所述台账标签区域检测模块，得到所述待检测设备图像中的台账标签区域图像；将所述台账标签区域图像输入至所述文本区域检测模块，确定所述台账标签区域图像中的文本框区域图像；将所述文本框区域图像输入至所述文本内容识别模块，确定所述文本框区域图像中的文本内容，并将所述文本内容作为所述台账标签文本内容。3.根据权利要求2所述的方法，其特征在于，所述文本区域检测模块包括卷积处理模块、特征拼接模块和卷积运算模块；所述将所述台账标签区域图像输入至所述文本区域检测模块，确定所述台账标签区域图像中的文本框区域图像，包括：将所述台账标签区域图像输入至所述卷积处理模块，得到不同尺寸的至少两个特征图；所述不同尺寸的至少两个特征图为所述卷积处理模块对所述台账标签区域图像进行不同倍数的下采样处理得到的；将所述至少两个特征图输入至所述特征拼接模块，得到拼接特征图；将所述拼接特征图输入至所述卷积运算模块，得到所述台账标签区域图像的字符中心概率分数图和字符间隙概率分数图；所述字符中心概率分数图和字符间隙概率分数图为所述卷积运算模块对所述拼接特征图进行多轮卷积运算得到的；根据所述字符中心概率分数图和所述字符间隙概率分数图，确定所述台账标签区域图像中的文本框区域图像。4.根据要求3所述的方法，其特征在于，所述至少两个特征图包括第一特征图，第二特征图，第三特征图、第四特征图和第五特征图；所述特征拼接模块包括第一采样模块、第二采样处理模块、第三采样处理模块和第四采样处理模块；所述将所述至少两个特征图输入至所述特征拼接模块，得到拼接特征图，包括：将所述第一特征图与所述第二特征图间的拼接特征图输入至所述第一采样处理模块，得到第一上采样特征图；将所述第一上采样特征图与所述第三特征图间的拼接特征图输入至所述第二采样处理模块，得到第二上采样特征图；2CN114301180A权利要求书2/3页将所述第二上采样特征图与所述第四特征图间的拼接特征图输入至所述第三采样处理模块，得到第三上采样特征图；将所述第三上采样特征图与所述第五特征图间的拼接特征图输入至所述第四采样处理模块，得到第四上采样特征图，并将所述第四上采样特征图