(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 202210666558.8 (22)申请日 2022.06.13 (71)申请人 国网安徽省电力有限公司安庆供电 公司 地址 246000 安徽省安庆市人民路170号 申请人 国家电网有限公司 (72)发明人 黄向前　李冬森　赵锋　陈跃梅　 胡中鲲　杜家伟　张玉巧　李彦　 赵吴鹏　刘贵胜　 (74)专利代理 机构 合肥洪雷知识产权代理事务 所(普通合伙) 34164 专利代理师 孙小华 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/82(2022.01)G06V 10/764(2022.01) G06V 10/56(2022.01) G06V 10/30(2022.01) G06V 10/28(2022.01) G06T 7/11(2017.01) G06T 5/40(2006.01) G06T 5/00(2006.01) H04N 7/18(2006.01) (54)发明名称 基于视频图像及深度学习的设备线路智能 监测系统及方法 (57)摘要 本发明公开了一种基于视频图像及深度学 习的设备线路智能监测系统及方法， 涉及设备线 路监测技术领域。 本发明包括视频相机、 监测中 心和监测终端， 视频相机包括捕获视频流图像帧 数据的图像数据传感器、 缓冲图像帧的图像数据 的图像缓冲器以及传输电路； 检测中心包括图像 预处理模块、 图像分割模块、 图像识别单元和报 警单元； 检测终端， 用于接收报警单元发送的异 常信号息。 本发 明通过采集视频图像和设备运行 状态的实时监测和分析模型进行比对处理， 对处 理后的图像进行设备的线路识别和操作面板指 示灯识别， 比对一旦出现异常的设备信息通过报 警单元发送至维护人员的检测终端， 降低了人工 巡检的成本， 及时发现异常 设备， 降低生产成本 。 权利要求书2页 说明书6页 附图1页 CN 115100562 A 2022.09.23 CN 115100562 A 1.一种基于视频图像及深度学习的设备线路智能监测系统， 包括视频相机、 监测中心 和监测终端， 其特 征在于： 所述视频相机包括捕 获视频流图像帧数据的图像数据传感器、 缓冲图像帧的图像数据 的图像缓冲器以及传输电路； 所述图像传感器安装在设备正前方， 用于采集设备线路的视 频图像信息； 所述缓冲器， 用于暂时存 储为缓冲图像帧的图像数据； 所述检测中心包括图像预处理模块、 图像分割模块、 图像识别单元和报 警单元； 所述图 像预处理模块， 用于将与图像进 行灰度化处理、 平滑滤波处理操作来消减图像噪声； 所述图 像分割模块， 用于根据预处理后的图像特征信息进行分类； 所述图像识别单元包括线路识 别模块和面板指示灯识别模块； 所述线路识别模块， 用于对设备的线路进 行识别， 判断线路 是否异常； 所述面板指示灯识别模块， 用于对操作面板的指示灯进 行识别， 判断指示灯或者 仪表是否异常； 所述检测终端， 用于 接收报警单 元发送的异常信号息 。 2.根据权利要求1所述的一种基于视频图像及深度学习的设备线路智能监测系统， 其 特征在于， 所述视频相机通过 无线传输模块， 将采集的视频流图像帧数据发送至检测中心。 3.根据权利要求1所述的一种基于视频图像及深度学习的设备线路智能监测系统， 其 特征在于， 所述检测中心在对图像进行预处理前， 需要先将视频流图像 帧数据进行初步筛 选， 已初始采集的视频流图像帧数据为基准， 当采集的视频流图像帧数据出现变化， 再将 变 化后的视频流图像帧数据发送到图像预处 理模块进行处 理。 4.根据权利要求1所述的一种基于视频图像及深度学习的设备线路智能监测系统， 其 特征在于， 所述检测终端包括检修人员手持端和移动 终端； 所述检修人员手持端和移动终 端在接收到报警单元发送的异常信息后， 维修人员根据报警单元提供的异常设备序列号以 及视频帧图像异常处进行 标记。 5.一种基于视频图像及深度学习的设备线路智能监测方法， 其特征在于， 包括如下步 骤： 步骤S1： 视频相机捕获视频流图像帧数据上传至监控中心； 步骤S2： 监控中心将视频流图像进行清洗， 将没有变化的视频图像进行删除； 步骤S3： 将出现变化后的视频图像进行 预处理； 步骤S4： 对预处 理后的图像进行设备的线路识别和操作面板指示灯识别； 步骤S5： 建立设备运行状态的实时监测和分析模型， 将与模型比对的识别结果， 出现异 常的设备信息通过报警单 元发送至维护人员的检测终端； 步骤S6： 维护人员根据检测终端显示的信息前往 事故设备进行维修。 6.根据权利要求5所述的一种基于视频图像及深度学习的设备线路智能监测方法， 其 特征在于， 所述 步骤S3中， 具体视频图像预处 理的步骤如下： 步骤S31： 对视频图像进行 灰度化处 理； 步骤S32： 对灰度图进行平 滑滤波处 理； 步骤S33： 平滑滤波处 理后采用直方图均衡处 理； 步骤S34： 将直方图均衡处 理完的图像进行分割处 理。 7.根据权利要求6所述的一种基于视频图像及深度学习的设备线路智能监测方法， 其 特征在于， 所述步骤S 32中， 对灰度图进 行平滑滤波处理引入加权系数的平衡模板对灰度图权　利　要　求　书 1/2 页 2 CN 115100562 A 2进行平滑滤波处理； 在平滑滤波处理时采用低通滤波进行处理， 用于过滤掉图像的高频噪 声信号。 8.根据权利要求6所述的一种基于视频图像及深度学习的设备线路智能监测方法， 其 特征在于， 所述步骤S 34中， 采用最大类间方差阈值分割对直方图均衡处理完的图像进 行分 割进行处 理。 9.根据权利要求5所述的一种基于视频图像及深度学习的设备线路智能监测方法， 其 特征在于， 所述步骤S4中进行设备线路识别时， 采用减法运输监测图像设备运行状态是否 发生变化， 具体 计算公式为： ΔPi(x,y)＝Pi(x,y)‑P(x,y)； 式中， Pi(x,y)表示当前有待进行判别处理的图像； P(x,y)表示数据库中存储的标准图 像； 当结果为0时， 则表明当前图像无异常， 设备 处于正常运行状态； 而当结果不为0时， 则表 明点前图像中电路设备存在改动， 需要运维人员前去查看。 10.根据权利要求1所述的一种基于视频图像及深度学习的设备线路智能监测方法， 其 特征在于， 所述 步骤S4中， 进行操作面板指示灯识别时， 具体识别流 程如下： 步骤S41： 将预处 理后的图像转 化为HSV格式； 步骤S42： 排出图像 每个色度中的杂色； 步骤S43： 合并所有无杂色的图像； 步骤S44： 分析图像中元 素的轮廓； 步骤S45： 判断指示灯的颜色。权　利　要　求　书 2/2 页 3 CN 115100562 A 3