(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210779622.3 (22)申请日 2022.07.04 (71)申请人 国网新疆电力有限公司电力科 学研 究院 地址 830011 新疆维吾尔自治区乌鲁 木齐 市高新技术产业开 发区 （新市区） 恒达 街200号 申请人 国网四川省电力公司电力科 学研究 院 (72)发明人 李明轩　李峰　张凌浩　李富祥　 颜培培　叶波　王丽花　 (74)专利代理 机构 广州天河万研知识产权代理 事务所(普通 合伙) 44418 专利代理师 刘强(51)Int.Cl. G06T 15/00(2011.01) G06T 17/00(2006.01) G06T 19/20(2011.01) G06N 3/08(2006.01) (54)发明名称 一种基于深度学习方法的变电设备油渍智 能检测方法 (57)摘要 本发明公开的属于变电设备油渍的智能检 测技术领域， 具体为一种基于深度学习方法的变 电设备油渍智能检测方法， 包括以下操作步骤： S1： 通过局域摄像头对变电设备进行画面捕捉， 获取三维参照数据， S2： 通过三维摄像头、 深度摄 像头、 色彩摄像头对变电设备进行三维、 深度尺 寸和色彩获取， 并将获取的信息参照三维参照数 据进行合并建模， 使变电设备区域形成三维模型 呈现在计算机内， S3： 通过三维摄像头对变电设 备进行画面建模， 并通过三维参照数据进行优 化， 完成三维模型， 本发 明能够对油渍进行检测， 无需人工巡查， 减少劳动力损耗， 且使计算机进 行自主学习， 排除额外因素， 进而不断增加判定 的精准性。 权利要求书1页 说明书4页 附图2页 CN 115294253 A 2022.11.04 CN 115294253 A 1.一种基于深度学习方法的变电设备油渍智能检测方法， 其特征在于： 包括以下操作 步骤： S1： 通过局域摄 像头对变电设备进行画面捕捉， 获取三维参照数据； S2： 通过三维摄像头、 深度摄像头、 色彩摄像头对变电设备进行三维、 深度尺寸和色彩 获取， 并将获取 的信息参照三维参照数据进行合并建模， 使变电设备区域形成三维模型呈 现在计算机内； S3： 通过三维摄像头对变电设备进行画面建模， 并通过三维参照数据进行优化， 完成三 维模型； S4： 通过深度摄像头对变电设备的模型进行尺寸规整， 并通过三维参照数据进行对比 优化， 使变电设备模型与现实变电设备尺寸 一致， 还原现实的变电设备； S5： 通过色彩摄 像头对三维模型进行色彩参数渲染， 并通过三维参照数据进行优化； S6： 通过色彩摄像头和三维参照数据对变电设备本体色彩参数进行读取， 并与实时获 取的色彩参数进行对比， 查看色彩参数变化的区域； S7： 计算机通过深度摄像头对色彩参数变化的区域进行形状显现， 通过显现出的形状 规则性判断是否为油渍； S8： 通过人为干预， 对色彩参数变化的区域进行识别， 并将人为识别的结果输入计算 机； S9： 计算机通过人为判定的精准结果， 对色彩参数和形状规格参数进行记录， 并将此参 数默认为人为判定结果， 并带入下一次的检测。 2.根据权利要求1所述的一种基于深度学习方法的变电设备油渍智能检测方法， 其特 征在于， 所述S1中三维参照数据为 三维形状、 尺寸、 色彩数据。 3.根据权利要求1所述的一种基于深度学习方法的变电设备油渍智能检测方法， 其特 征在于， 所述S1中局域摄 像头安装在变电设备的四周， 观察变电设备四周环境。 4.根据权利要求1所述的一种基于深度学习方法的变电设备油渍智能检测方法， 其特 征在于， 所述S2中三 维摄像头、 深度摄像头和色彩摄像头均安装在变电设备四周， 对变电设 备四周环境进行 数据获取， 并将获取的数据传入计算机进行建模。 5.根据权利要求1所述的一种基于深度学习方法的变电设备油渍智能检测方法， 其特 征在于， 所述S6中实时获取的色彩参数 是通过局域摄 像头拍摄的实时数据。 6.根据权利要求1所述的一种基于深度学习方法的变电设备油渍智能检测方法， 其特 征在于， 所述S8 中人为识别判定结果若不是油渍， 则对色彩参数变化数据和形状规则数据 进行记录， 默认为非油渍物质， 并对下次检测的数据进行排除。 7.根据权利要求1所述的一种基于深度学习方法的变电设备油渍智能检测方法， 其特 征在于， 所述S8中人为识别判定结果若 是油渍， 则对油渍区域进 行清理， 并对实时三 维数据 进行同步。权　利　要　求　书 1/1 页 2 CN 115294253 A 2一种基于深度学习方 法的变电设 备油渍智能检测方 法 技术领域 [0001]本发明涉及变电设备油渍的智能检测技术领域， 具体为一种基于深度学习方法的 变电设备油渍智能检测方法。 背景技术 [0002]变电站是电力系统中变换电压、 接收和 分配电能、 控制电力的流向和调整电压的 电力设施， 它通过其变压器将各级电压的电网联系起 来。 [0003]而在变电站中需要各种组件设备， 这些设备类型较多， 包含变压器类、 开关类、 四 小器类、 无功装置类设备外， 还有其他设备及辅助装置， 如阻波器、 绝缘子、 高压套管、 导引 线、 接地装置、 二次设备、 高压直 流设备等， 这些设备统称为变电设备。 [0004]现有的变电站为了更方便的维修和清理变电设备， 常会通过人工或摄像头对变电 站区域进 行巡视， 当变电设备出现渗油时， 需要 人工进行处理， 而人为巡视和判断需要耗费 较多的劳动力， 费时费力， 为此， 我们提出一种基于深度学习方法的变电设备油渍智能检测 方法。 发明内容 [0005]鉴于上述和/或现有一种基于深度学习方法的变电设备油渍智能检测方法中存在 的问题， 提出了 本发明。 [0006]因此， 本发明的目的是提供一种基于深度学习方法的变电设备油渍智能检测方 法， 通过三维摄像头、 深度摄像头和色彩摄像头对变电设备进行三维、 深度尺寸和色彩获 取， 并将获取 的信息参照三维参照数据进行合并建模， 通过得到色彩和形状规则性判定是 否为油渍， 能够解决上述 提出现有的问题。 [0007]为解决上述 技术问题， 根据本发明的一个方面， 本发明提供了如下技 术方案： [0008]一种基于深度学习方法的变电设备油渍智能检测方法， 其包括： 以下操作步骤： [0009]S1： 通过局域摄 像头对变电设备进行画面捕捉， 获取三维参照数据； [0010]S2： 通过三维摄像头、 深度摄像头、 色彩摄像头对变电设备进行三维、 深度尺寸和 色彩获取， 并将获取 的信息参照三维参照数据进行合并建模， 使变电设备区域形成三维模 型呈现在计算机内； [0011]S3： 通过三维摄像头对变电设备进行画面建模， 并通过三维参照数据进行优化， 完 成三维模型； [0012]S4： 通过深度摄像头对变电设备的模型进行尺寸规整， 并通过三维参照数据进行 对比优化， 使变电设备模型与现实变电设备尺寸 一致， 还原现实的变电设备； [0013]S5： 通过色彩摄像头对三维模型进行色彩参数渲染， 并通过三维参照数据进行优 化； [0014]S6： 通过色彩摄像头和三维参照数据对变电设备本体色彩参数进行读取， 并与实 时获取的色彩参数进行对比， 查看色彩参数变化的区域；说　明　书 1/4 页 3 CN 115294253 A 3