(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 202211062504.7 (22)申请日 2022.09.01 (71)申请人 华雁智科 （杭州） 信息技 术有限公司 地址 310000 浙江省杭州市莫干山路1418- 50号4幢10层 （上城科技工业基地） (72)发明人 徐阳俊　陈明芽　毛登峰　包伊莉　 (74)专利代理 机构 成都睿道专利代理事务所 (普通合伙) 51217 专利代理师 蒋珊珊 (51)Int.Cl. G06V 20/52(2022.01) G06V 10/20(2022.01) G06V 10/26(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于图像AI技术的变电异常对象监测 的方法和系统 (57)摘要 本发明提供了一种基于图像AI技术的变电 异常对象监测的方法和系统， 包括获取监测图 像； 对所述监测图像进行预处理， 得到预处理图 像； 基于所述预处理图像和参考图像， 确定预处 理图像是否发生变化， 若是， 则获取变化区域的 子监测图像； 将所述子监测图像输入检测模型， 模型输出告警类型； 以利用图像的分割 与检测技 术， 在巡视之余， 对站内进行监视， 提升高清视频 设备利用率， 并在监视到异常时进行告警， 使得 运维人员可以及时发现隐患， 并进行处置， 保障 站内设备及线路的安全。 权利要求书2页 说明书6页 附图3页 CN 115482503 A 2022.12.16 CN 115482503 A 1.一种基于图像AI 技术的变电异常对象监测的方法， 其特 征在于， 包括 获取监测图像； 对所述监测图像进行 预处理， 得到预处 理图像； 基于所述预处理图像和参考图像， 确定预处理图像是否发生变化， 若是， 则获取变化 区 域的子监测图像； 将所述子监测图像输入检测模型， 模型输出告警类型。 2.根据权利要求1所述的基于图像AI技术的变电异常对象监测的方法， 其特征在于， 所 述获取变化区域的子监测图像， 包括， 将所述预处理图像和所述参考图像输入分割模型， 模型输出分割图像； 所述分割图像 为所述预处 理图像和所述 参考图像中存在差异的区域的图像； 基于所述分割图像， 控制摄 像设备获取包括该分割图像的子监测图像。 3.根据权利要求2所述的基于图像AI技术的变电异常对象监测的方法， 其特征在于， 所 述分割模型通过训练得到， 包括， 获取第一训练样本组， 所述第一训练样本组包括样本参 考图像和样本监测图像； 获取所述第 一训练样本组的第 一标签， 所述第 一标签为所述样本参考图像与 所述样本 监测图像中存在差异的区域的图像； 将所述第一训练样本组输入初始分割 模型， 基于模型的输出和所述第 一标签迭代更新 所述初始分割模型的参数， 得到训练好的分割模型。 4.根据权利要求3所述的基于图像AI技术的变电异常对象监测的方法， 其特征在于， 所 述初始分割模型为孪生神经网络和FCN的变化检测网络 。 5.根据权利要求1所述的基于图像AI技术的变电异常对象监测的方法， 其特征在于， 还 包括， 基于所述告警类型发出警告， 并将所述分割图像合并后输出。 6.根据权利要求1所述的基于图像AI技术的变电异常对象监测的方法， 其特征在于， 所 述预处理包括灰度处 理、 噪点判断及去除和/或二 值化处理。 7.根据权利要求1所述的基于图像AI技术的变电异常对象监测的方法， 其特征在于， 所 述检测模型通过训练得到， 包括， 获取第二训练样本； 所述第二训练样本包括异常情况的图像； 获取所述第二训练样本的第二标签， 所述第二标签为异常情况的图像对应的告警类 型； 将所述第二训练样本输入初始检测模型， 基于模型的输出和所述第 二标签迭代更新所 述初始检测模型的参数， 得到训练好的检测模型。 8.根据权利要求7所述的基于图像AI技术的变电异常对象监测的方法， 其特征在于， 所 述初始检测模型为YOLOV4。 9.根据权利要求1 ‑8任一项所述的基于 图像AI技术的变电异常对象监测的方法， 其特 征在于， 在监测设备的非巡 视任务期间对变电站内的异常情况进行分析。 10.一种基于 图像AI技术的变电异常对象监测的系统， 其特征在于， 包括获取模块、 预 处理模块、 子监测图像获取模块和 确定模块； 所述获取模块用于获取监测图像； 所述预处 理模块用于对所述 监测图像进行 预处理， 得到预处 理图像；权　利　要　求　书 1/2 页 2 CN 115482503 A 2所述子监测图像获取模块用于基于所述预处理图像和参考图像， 确定预处理图像是否 发生变化， 若是， 则获取变化区域的子监测图像； 所述确定模块用于将所述子监测图像输入检测模型， 模型输出告警类型。权　利　要　求　书 2/2 页 3 CN 115482503 A 3