(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 202210882608.6 (22)申请日 2022.07.26 (71)申请人 上海电力大 学 地址 201306 上海市浦东 新区沪城环路 1851号 (72)发明人 崔昊杨　杨可欣　戴莹莹　陈磊　 江超　胡安铎　李高芳　 (74)专利代理 机构 上海科盛知识产权代理有限 公司 312 25 专利代理师 陈金星 (51)Int.Cl. G06T 7/00(2017.01) G06V 10/82(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种电力开关柜状态检测方法及系统 (57)摘要 本发明涉及一种电力开关柜状态检测方法 及系统， 方法包括： 获取电力开关柜的图像， 对其 添加标签后构建得到训练数据集； 以YOL Ov5算法 为基础， 构建CGB ‑YOLOv5模型作为检测模型； 使 用训练数据集对检测模型进行训练， 得到训练好 的检测模型； 采集电力开关柜的图像， 使用训练 好的检测模 型对其进行检测， 得到图像中的待识 别目标； 对待识别目标进行处理得到电力开关柜 的状态。 与现有技术相比， 本发明构建CGB ‑ YOLOv5模型作为检测模型， 对边端高压开 关柜进 行目标检测， 再根据目标检测结果对应的标签分 别进行处理， 识别开关柜 的状态， 实现了各类开 关柜的灯表检测及示数识别问题， 解决了传统人 工巡检的低效及现有检测识别方法的精度不足 问题。 权利要求书2页 说明书8页 附图2页 CN 115187568 A 2022.10.14 CN 115187568 A 1.一种电力开关柜状态检测方法， 其特 征在于， 包括以下步骤： 获取电力开关柜的图像， 对其添加标签后构建得到训练数据集， 所述标签包括显示屏、 指示灯类和综合状态指示器； 建立检测模型， 所述检测模型以YOLOv5算法为基础， 融合CBAM注意力机制用于对特征 的提取， 使用Gho stNet搭建新型Ghost ‑Bottleneck结构， 将特征融合网络FPN+PAN结构替换 为BiFPN加权双向特 征金字塔网络， 新增大尺寸检测层与小感受野 锚框； 使用训练数据集对所述检测模型进行训练， 得到训练好的检测模型； 采集电力开关柜的图像， 使用训练好的检测模型对其进行检测， 得到 图像中的待识别 目标， 所述待识别目标包括显示屏、 指示灯类和综合状态指示器； 对所述待识别目标进行处 理得到电力开关柜的状态。 2.根据权利要求1所述的一种电力开关柜状态检测方法， 其特征在于， 所述检测模型具 体为： 获取YOLOv5模型， 在YOLOv5模型的卷积过程中集成CBAM卷积注意力机制模块； 在YOLOv5模型的主干特征提取网络中， 使用Ghost卷积方法代替全部常规卷积， 构 建新 型Ghost‑CSPDarknet53结构， 替代YOLOv5模型的CS PDarknet53结构； 对于YOLOv5模型的特征融合网络FPN+PAN结构， 采用BiFPN加权双向特征金字塔网络代 替； 对于YOLOv5模型的head结构， 增添高分辨 率检测层， 增 加小感受野瞄框； 得到CGB‑YOLOv5模型作为检测模型。 3.根据权利要求2所述的一种电力开关柜状态检测方法， 其特征在于， Ghost ‑ CSPDarknet53结构中， 采用Sw ish作为其激活函数， 如下： SiLU(x)＝x·sigmoid( β x) 其中， x表示输入， β 为常数或训练确定的参数。 4.根据权利要求2所述的一种电力开关柜状态检测方法， 其特征在于， 所述 “使用训练 数据集对所述检测模型进行训练， 得到训练好的检测模型 ”具体为： 获取公开数据集， 使用公开数据集对YOLOv5模型进行训练， 训练结束后得到YOLOv5模 型的权重； 将YOLOv5模型的权 重载入CGB ‑YOLOv5模型中； 使用训练数据集对CGB ‑YOLOv5模型进行训练。 5.根据权利要求1所述的一种电力开关柜状态检测方法， 其特征在于， 所述 “获取电力 开关柜的图像， 对其添加标签后构建得到训练数据集 ”具体为： 采集电气量不断变化的电力开关柜的图像， 人工为每张图像选定标签并生成标签文 件， 对于添加标签后的图像进行图像增强， 增强方式包括： 旋转、 缩放、 亮度调整、 镜像、 mosaic增强及单个小目标复制粘贴。 6.根据权利要求1所述的一种电力开关柜状态检测方法， 其特征在于， 所述 “对所述待 识别目标进行处 理得到电力开关柜的状态 ”中， 对显示屏进行处 理具体为： 将图像灰度化处 理并高斯滤波； 对图像进行二值化处理， 找出面积最大的连通域， 绘制出该连通域的最小外接矩形并 记录矩形的顶点 坐标， 得到 显示屏所在区域；权　利　要　求　书 1/2 页 2 CN 115187568 A 2对显示屏所在区域的灰度图依次进行腐蚀操作和膨胀操作， 利用投影法分割字符， 基 于差值哈希法进行模板匹配进行识别， 用均值相关系数衡量相近度得到最终输出值； 按照记录的顶点坐标， 依次进行识别并排序输出， 得到显示屏上记录的 电力开关柜状 态。 7.根据权利要求1所述的一种电力开关柜状态检测方法， 其特征在于， 所述 “对所述待 识别目标进行处 理得到电力开关柜的状态 ”中， 对指示灯类进行处 理具体为： 获取采样点以及其周围上下左右共五个点的亮度， 分别将各个点的亮度与 预设置的亮 度阈值进 行比较， 确定每个点的亮暗状态， 再将亮点和暗点的个数进 行比较， 数量多的一方 即为指示灯当前的状态， 得到指示灯对应的电力开关柜状态。 8.根据权利要求1所述的一种电力开关柜状态检测方法， 其特征在于， “对所述待识别 目标进行处 理得到电力开关柜的状态 ”中， 对综合状态指示器进行处 理具体为： 在电力开关柜的图像中， 获取包含综合状态指示器不同状态的图像， 并添加标签放入 训练数据集， 使用训练数据集对检测模型进行训练， 训练好的检测模型可检测出电力开关 柜中的综合状态指示器并识别其状态， 从而得到综合状态指示器对应的电力开关柜状态。 9.根据权利要求1所述的一种电力开关柜状态检测方法， 其特 征在于， 还 包括： 采集开关柜的全景图像， 将开关柜的全景图像送入预训练好的安全状态检测模型， 所 述安全状态检测模型输出开关柜的安全状态， 所述安全状态包括完好、 外破入侵、 失火冒 烟。 10.一种电力开关柜状态检测系统， 其特征在于， 基于如权利要求1 ‑9中任一所述的一 种电力开关柜状态检测方法， 包括： 图像采集模块， 用于采集电力开关柜的图像； 模型训练模块， 用于获取电力开关柜的图像， 对其添加标签后构建得到训练数据集， 建 立检测模 型， 并使用训练数据集对所述检测模型进 行训练， 得到训练好的检测模 型； 所述标 签包括显示屏、 指示灯类和综合状态指示器； 所述检测模 型以YOLOv5算法为基础， 融合CBAM 注意力机制用于对特征的提取， 使用GhostNet搭建新型Ghost ‑Bottleneck结构， 将特征融 合网络FPN +PAN结构替换为BiFPN加权双向特征金字塔网络， 新增大尺 寸检测层与小感受野 锚框； 识别模块， 使用训练好的检测模型对电力开关柜的图像进行检测， 得到 图像中的待识 别目标， 所述待识别目标包括显示屏、 指示灯类和综合状态指示器； 处理模块， 对所述待识别目标进行处 理得到电力开关柜的状态。权　利　要　求　书 2/2 页 3 CN 115187568 A 3