技术特征：
1.基于机器视觉的电力设备锈蚀识别方法，其特征在于：包括以下步骤：s1：通过摄像头实时采集电力设备内外局部区域的图像，将图像数据发送至识别分析模块；s2：识别分析模块将采集的图像清晰化处理后与以前采集的图像进行颜色识别，判断该处是否发生锈蚀，确定发生锈蚀后，将锈蚀图像与数据库模型对比，通过图像匹配与识别算法，识别该处锈蚀的种类和程度；s3：识别分析模块将采集的图像与数据库模型对比，识别该处锈蚀的电力设备部件；s4：识别分析模块整理该处锈蚀的电力设备部件以及锈蚀的种类和程度，得出电力设备的锈蚀情况；s5：通信模块将电力设备的锈蚀情况发送至终端。2.根据权利要求1所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述s1中通过摄像头采集的图像包括电力设备上安装的摄像头和外部监控摄像头所采集的图像。3.根据权利要求2所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述s2中对于采集的图像具有灯光闪烁的情况，识别分析模块对图像逐帧分析，选取色差最小的几张图像，通过融合算法，生成环境光稳定的图像，再进行识别。4.根据权利要求2所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述s2中对于采集的图像具有水雾的情况，识别分析模块对图像逐帧分析，通过多张融合的算法，生成去水雾效果的图像，再进行识别。5.根据权利要求2所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述s3中识别该处锈蚀的电力设备部件包括电力设备部件的位置和型号，识别分析模块通过多个摄像头对同一处锈蚀采集的图像识别该处锈蚀的电力设备部件的位置和型号，具体包括以下步骤：s3
‑
1：识别分析模块结合多个摄像头拍摄的同一处锈蚀图像，识别该处锈蚀的电力设备部件在电力设备的位置；s3
‑
2：将该处锈蚀的电力设备部件图像与数据库模型对比，识别该处锈蚀的电力设备部件的型号。6.根据权利要求5所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述s4中电力设备的锈蚀情况包括该处锈蚀的电力设备部件的位置和型号，锈蚀的种类和程度，还包括锈蚀的发展速度，具体包括以下步骤：s4
‑
1：识别分析模块整理该处锈蚀的电力设备部件的位置和型号，锈蚀的种类和程度，得出电力设备的锈蚀情况；s4
‑
2：识别分析模块将电力设备的锈蚀数据通过分析算法得出锈蚀的发展速度，将锈蚀的发展速度整理进电力设备的锈蚀情况。7.根据权利要求6所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述s4还包括以下步骤：s4
‑
3：根据锈蚀情况，联网搜索适合该锈蚀情况的解决方案，将选取的解决方案整理进电力设备的锈蚀情况。8.根据权利要求7所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述s4
‑
3还包括根据电力设备所在变电站内物资的情况选取锈蚀情况的解决方案，具体包括以
下步骤：s4
‑3‑
1：根据锈蚀情况，联网搜索适合该锈蚀情况的解决方案，并采集变电站物资管理系统的数据；s4
‑3‑
2：将搜索的解决方案和物资数据进行匹配，选取适合当前条件的解决方案，整理进电力设备的锈蚀情况。9.一种基于机器视觉的电力设备锈蚀识别系统，其特征在于：包括图像采集模块、数据库、识别分析模块、通信模块；所述图像采集模块用于将摄像头采集的图像数据发送至识别分析模块；所述数据库用于提供对比识别的电力设备部件模型和锈蚀模型；识别分析模块用于对图像识别分析和数据处理，整理电力设备的锈蚀情况，并发送至通信模块；通信模块用于将电力设备的锈蚀情况发送至终端。10.根据权利要求9所述的基于机器视觉的电力设备锈蚀识别系统，其特征在于：还包括搜索模块，所述搜索模块用于联网搜索适合该锈蚀情况的解决方案并发送至识别分析模块。
技术总结
本发明涉及电网设备监测领域，公开了基于机器视觉的电力设备锈蚀识别系统及方法，该基于机器视觉的电力设备锈蚀识别方法包括：S1：通过摄像头实时采集电力设备内外局部区域的图像；S2：将采集的图像清晰化处理后与以前采集的图像进行颜色识别，判断该处是否发生锈蚀，将锈蚀图像与数据库模型对比，识别该处锈蚀的种类和程度；S3：识别该处锈蚀的电力设备部件；S4：识别分析模块整理该处锈蚀的电力设备部件以及锈蚀的种类和程度，得出电力设备的锈蚀情况；S5：将电力设备的锈蚀情况发送至终端。本发明提供的基于机器视觉的电力设备锈蚀识别系统及方法解决了平常巡检工作中难以发现电力设备局部锈蚀处，锈蚀情况识别正确率低且效率低的问题。且效率低的问题。且效率低的问题。
技术研发人员：樊俊良 龚方舟 孙大年 谭利辉 陈伦
受保护的技术使用者：重庆重变电器有限责任公司
技术研发日：2021.07.30
技术公布日：2021/10/26