基于图像识别技术的功率测试仪及功率测试方法与流程

本发明属于电力测量技术领域，具体涉及用于测量智能电能表的基于图像分析技术的功率测试方法及功率测试仪。

背景技术：

智能电能表外部设有脉冲指示灯，根据固定脉冲间隔，即脉冲常数，指示当前智能电能表的表计功率。由于智能电能表常数不同，记录相同的电能，常数小的智能电能表脉冲个数少，常数大的智能电能表脉冲个数多。常见智能电能表的脉冲常数中，单相智能电能表的脉冲常数可以是1200imp/kwh三相四线制智能电能表的脉冲常数可以是6400imp/kwh。如电能常数为1200imp/kwh，在用电时电能表的脉冲指示灯将闪烁，当脉冲指示灯闪烁1200次时，计数器个位数值将进一位，说明已经使用了1kwh（度）电。

电力公司在用电检查的过程中往往涉及读取智能电能表的相关数据，例如：电压、电流、功率等表计数据。实际运用过程中需要同时读取并排多块电能表的功率数据。目前常见方式为按压智能电能表的按钮若干次达到显示表计功率的目的，此方法效率低下、而且很难做到对多块电能表进行同时监测。居民小区智能电能表的表箱一般在安装时嵌入墙体，很难检查是否存在暗线，通常需要测量所有分户智能电能表的表计电流，然后相加，再和总进线电流进行比对，从而判断是否存在暗线，人工测量和比对误差较大，且用时较长、测量同步性差，实际工作难以实现小电流漏电、偷电的发现。

现有技术中，有通过智能电能表的通讯端口进行同步采集多个智能电能表的表计电流，再进行同步对比以发现窃电行为的设备，但是需要连接大量线缆，操作非常不便。

中国专利申请201810500905.3公开了一种利用智能电能表脉冲闪烁间隔推算变压器功率和电流的方法，但未公开获取智能电能表计量装置数据的设备组成和具体方法，同时也未针对智能电能表阵列表计数据的批量获取问题提出解决方案。

双目测距技术是一种3d感测技术，通过两个摄像头抓取图像，用类似人眼的原理构建3d感测模型，一般的方法是，首先通过双目标定对两幅图像进行立体校准和对齐，然后根据双摄像头中心距或称基线确定图像中同邻域点到摄像头的位置关系即视差图。现有技术中尚未有将3d感测技术应用于功率测试领域的公开技术方案。

技术实现要素：

本发明目的在于提供一种基于图像识别技术的功率测试仪，使用便捷，用于快速测量多智能电能表的表计电流，从而同步对比发现窃电行为，特别是小电流的窃电行为。

本发明提供的技术方案是：基于图像识别技术的功率测试仪，包括两路用于采集智能电能表阵列图像的图像采集通道，神经网络单元、中央处理器和显示器组件；其中，每路图像采集通道包括设有调焦镜头的图像传感器以及接收图像传感器输出信号的图像预处理单元；神经网络单元接收所述图像预处理单元的输出信号并将判断数据发送给中央处理器，由中央处理器控制显示器组件输出包含判断数据的界面信息；所述判断数据包含智能电能表阵列的定位信息和电能信息。

对上述技术方案的改进在于：所述调焦镜头为焦距小于28mm的广角镜头。

对上述技术方案的改进在于：所述图像传感器感光频段包含可见光频段或红外频段。

对上述技术方案的改进在于：所述界面信息包含智能电能表阵列图像。

对上述各技术方案的优选实施例中包含一个控制每路图像采集通道中调焦镜头的同步调焦单元。

基于上述技术方案，本发明还提供了基于图像识别技术的功率测试方法，包含：通过两路图像采集通道获得智能电能表阵列的图像信息；通过储存有学习数据的神经网络单元从所述图像信息中提取判断数据；通过中央处理器将图像信息和判断数据整合后控制显示器组件输出界面信息。

进一步的，所述判断数据携带智能电能表阵列内每个智能电能表的定位信息和电能信息。

上述技术方案的一个实施例中包括以下步骤：

a）通过两路图像采集通道分别获取智能电能表阵列的两组图像信息，所述每组图像信息包含一个相同时间段内每个时刻的图像帧；

b）将两组图像信息中同一时刻的图像帧设为该时刻的图像帧对，通过双目测距技术算法将该时刻的图像帧对转换为该时刻的3d感测模型；

c）通过神经网络单元中的学习数据从一个时刻的3d感测模型中提取智能电能表阵列内每个智能电能表的边界，根据边界判断每个智能电能表的定位信息，所述定位信息包含该智能电能表的智能电能表模型对象；

d）根据每个智能电能表的智能电能表模型对象提取所述图像信息中该智能电能表的脉冲指示灯的脉冲间隔，并转化为该智能电能表的电能信息；

e）中央处理器对智能电能表阵列中每个智能电能表的电能信息进行统计后，将统计信息、图像信息和判断数据整合后控制显示器组件输出界面信息。

进一步的，所述智能电能表模型对象包括智能电能表的空间位置信息、型号信息和脉冲指示灯参数信息。

在上述技术各技术方案的一个实施例中，通过一个同步调焦单元控制每路图像采集通道的焦距同步变化。

本发明的一个方面带来的一个有益效果是：利用图像识别技术及智能电能表的脉冲灯对多块相邻的智能电能表组成的智能电能表阵列进行同时读取和汇总，操作简单、使用方便。

本发明的一个方面带来的一个有益效果是：因图像识别技术能准确的对智能表的脉冲灯亮、灭进行识别，并可以准确的进行计时，所以该装置能较为准确的测量出拍摄区域内所有智能电能表的实时功率等电能参数。

本发明的一个方面带来的一个有益效果是：使用双目测距技术原理，避免了实际使用中阳光等强光对图像识别带来的干扰，将基于图像识别技术的功率测试仪的测量成功率提高到实用水平。

本发明的一个方面带来的一个有益效果是：使用神经网络单元辅助分析双图像采集通道的输出信号，由于调焦镜头间的基线是固定的，可以免除3d感测模型建模中，具体的双目矫正和对其的步骤可以省略，节约图像处理时的硬件计算开支，提高视频分析效率，减小显示屏组件的视频输出的时滞问题。

附图说明

图1是本发明一个实施例中功率测试仪的系统框图；

图2是图1中功率测试仪的工作原理示意图；

图3是本发明一个实施例中功率测试仪的系统框图；

图4是本发明一个实施例中功率测试方法的流程图；

图5是本发明一个实施例中利用功率测试仪实现机器学习的方法流程图；

其中，10、智能电能表阵列，11、智能电能表，12、智能电能表3d感测模型，20、功率测试仪，21、调焦镜头，22、图像传感器，23、图像预处理单元，30、神经网络单元，40、中央处理器，50、显示器组件，60、同步调焦单元，70、分布式数据服务器。

具体实施方式

下面结合附图和具体实施例进一步对本发明提供的技术方案进行进一步的说明。

实施例一

如图1所示，本实施例是一种基于图像识别技术的功率测试仪20，是一种手持式终端，通过网络与分布式数据服务器70通讯连接，用于同时读取现场多块智能电能表的实时功率数据和并汇总分析智能表的总功率，有效成像距离大于10m，有效视角大于100°。本实施例包括两路用于采集智能电能表阵列图像的图像采集通道，分别接收两路图像采集通道输出信号的神经网络单元30、接收神经网络单元30判断数据的分布式数据服务器70，接收分布式数据服务器70转发判断数据的中央处理器40、显示器组件50以及控制调整两路图像采集通道中光路部件的同步调焦单元60。

本实施例中功率测试仪20的手持式终端设置有并列的两个可见光频段的摄像头组件，每个摄像头组件包括焦距为18mm至5mm的调焦镜头21和与调焦镜头组合装配的图像传感器22，调焦镜头21为广角镜头，摄像头组件采集的每个图像帧由图像预处理单元23做去畸变、曝光调整等预处理后输出到神经网络单元30。每个摄像头组件和图像预处理单元23构成一个单独的图像采集通道。本实施例中：调焦镜头21中心距（即基线）为18mm；图像传感器22选用cmosimagesensor（cis）；图像预处理单元23的核心可以为图像信号处理器（isp），如ambarella公司的cv22系列等专用芯片。本发明的其他实施例中图像传感器22也可以选用ccd器件。

如图2所示，本实施例中，神经网络单元30中主要包括分析单元、学习数据存储单元和合并输出单元，其中分析单元接收来自第一图像采集通道和第二图像采集通道的同步图像帧，将两个同步图像帧作为整体数据，通过学习数据存储单元提供的神经网络数据判断智能电能表阵列，从智能电能表阵列中判断出每个智能电能表的图形边沿，并确定脉冲指示灯的空间位置，即定位信息，采集脉冲指示灯的固定脉冲间隔，计算每个智能电能表的电能信息，电能信息包含智能电能表型号、实时功率、实时电流和标准电压。上述判断数据和学习数据存储单元的更新通过网络同步到分布式数据服务器70，由分布式数据服务器70通过网络转发给中央处理器40，再由中央处理器40控制显示器组件50输出包含判断数据的界面信息，界面信息包含智能电能表阵列图像、判断数据、判断数据的汇总信息以及窃电结论的报告，在智能电能表阵列图像中包含智能电能表3d感测模型12的展示。本实施例中分布式数据服务器70可以与多个功率测试仪20连接，从而同步每个功率测试仪20中学习数据存储单元的数据，该技术方案可以减少网络通讯负担。在本发明的另一适用于5g网络的实施例中，神经网络单元30也可以是设置在分布式数据服务器70一端的分布式神经网络系统，从而集中处理各手持式终端内图像预处理单元23的输出信息，图像预处理单元23的包含多个图像帧的输出数据可以通过网络直接传送到神经网络单元30，经过神经网络单元30判断后回传给功率测试仪20的中央处理器40，该方案可以降低功率测试仪20内各模块和芯片的总成本，适于大规模应用。

本实施例中还包含一个控制每路图像采集通道中调焦镜头的同步调焦单元60，该模块由中央处理器40内的图像调节模块和图像预处理单元23协作控制，主要用于根据收到的智能电能表阵列图像控制双目视野和根据图像预处理单元23的判断控制协同对焦。在本发明的其他实施例中，同步调焦单元60可以根据配置的内置程序和电路自动锁定双目视野并自动对焦。

本发明的其他实施例中，调焦镜头21也可以选用焦距小于28mm的广角镜头，同时选用分辨率匹配的图像传感器22，以调整功率测试仪20的双目视野和使用距离。

本实施例的功率测试仪至少可以实现以下功能：首先通过摄像头组件采集回来的实时图像数据识别出是否有电能表，有多少电能表。然后，对识别后的电能表在功率测试仪的显示屏组件上用方框进行标记。默认识别到的电能表的脉冲常数为1200imp/kwh，如果不是1200imp/kwh可点击方框进行编辑，手工输入实际脉冲常数。本实施例的功率测试仪要求在图形识别出视野范围内的智能电能表后提高摄像头组件的稳定性，当视野范围内的一个智能电能表脉冲指示灯闪烁时开始计时，直到下一次闪烁结束，时间间隔ta，根据功率常数1200计算出功率pa=3/ta，负载电流ia=pa/220。以此类推将所有视野范围内的参数进行相加，得出总的功率和总电流并实时显示在显示屏组件下方。本实施例的功率测试仪还应当完成如下功能，如果当前智能表的功率较小，会造成30秒内没有检测到脉冲灯闪烁，则即认为该表功率为0；如果检测到脉冲灯闪烁时间间隔小于0.1秒那么认为该表存在故障，冒大数，忽略该数值。

实施例二

如图3所示，本实施例是一种单机使用的基于图像识别技术的功率测试仪手持式终端，与实施例一的主要区别在于：使用的图像传感器22是红外频段的图像传感器，适用于光坏境较恶劣的工况；神经网络单元30的判断数据直接输出给中央处理器40，即，学习数据仅在功率测试仪20内更新，而不与外部数据同步学习数据；同步调焦单元60由神经网络单元30控制调焦，可以实现智能调焦，并且调焦经验也会在神经网络单元30内部积累更新。

如图4所示，本实施例的神经网络单元30中增加了视差合成单元，当神经网络单元30接收到第一图像通道和第二图像通道输出的图像帧后，先由视差合成单元合成为携带有每个图像点的深度信息的视差图，该视差图作为分析单元的输入，由分析单元判断分析并学习积累后通过合并输出单元合并输出给中央处理器40，由中央处理器40控制显示屏组件50输出包含智能电能表3d感测模型12的界面信息。

实施例三

本实施例是一种基于图像识别技术的功率测试方法，可以基于上述各实施例中提供的功率测试仪实施，如图5所示，包含步骤s100、s200和s300，其中：

s100，通过两路图像采集通道获得智能电能表阵列的图像信息。该图像信息一方面用于在空间上判断智能电能表阵列中每个智能电能表的物理边界，从而确定智能电能表的型号、脉冲指示灯的观察位置，另一方面用于在时间上提取每个智能电能表上脉冲指示灯的脉冲间隔。优选的，在获取图像信息的过程中，本实施例通过一个同步调焦单元控制每路图像采集通道的焦距同步变化，以保证两组图像信息具有同步相关的清晰度，以便于提高双目测距的成功率。

本实施例中，具体的，本步骤可以包含以下步骤：

s101，通过两路图像采集通道分别获取智能电能表阵列的两组图像信息，所述每组图像信息包含一个相同时间段内每个时刻的图像帧；

s102，将两组图像信息中同一时刻的图像帧设为该时刻的图像帧对，通过双目测距技术算法将该时刻的图像帧对转换为该时刻的3d感测模型。

s200，通过储存有学习数据的神经网络单元从所述图像信息中提取判断数据。该提取至少完成两个功能：1、神经网络单元根据两组图像信息中同为第一时刻的两个图像帧中判断每个智能电能表的物理边界并设置追踪标志，每个追踪标志对应一个在两个图像帧中均具有完整物理边界的智能电能表，在两组图像信息中沿时间流逝方向的、第一时刻的下一个时刻的两个图像帧中，根据邻域算法，对每一个智能电能表进行追踪标记；2、根据同一追踪标记对应的智能电能表上脉冲指示灯的明暗状态计算其脉冲间隔，根据智能电能表的型号计算出该智能电能表的电能信息。

本实施例中，具体的，本步骤可以包含以下步骤：

s201，通过神经网络单元中的学习数据从一个时刻的3d感测模型中提取智能电能表阵列内每个智能电能表的边界，根据边界判断每个智能电能表的定位信息，所述定位信息包含该智能电能表的智能电能表模型对象；

s202，根据每个智能电能表的智能电能表模型对象提取所述图像信息中该智能电能表的脉冲指示灯的脉冲间隔，并转化为该智能电能表的电能信息。智能电能表模型对象包括智能电能表的空间位置信息、型号信息和脉冲指示灯参数信息。

s300,通过中央处理器将图像信息和判断数据整合后控制显示器组件输出界面信息。判断数据携带智能电能表阵列内每个智能电能表的定位信息和电能信息。

本实施例中，具体的，本步骤可以包含以下步骤：

301，中央处理器对智能电能表阵列中每个智能电能表的电能信息进行统计后，将统计信息、图像信息和判断数据整合后控制显示器组件输出界面信息。

302，中央处理器根据显示屏组件中的触摸屏返回对结果的调整信息，并将调整信息返回给神经网络单元用于反聩积累，从而调整其判断数据的准确率。

以上各实施例未提及技术方案，均为本领域技术人员所熟悉的，本领域技术人员可以根据本公开提供的技术启示，完成本公开提供技术方案的进一步改进。本公开所提及单元、模块，也可以由通用芯片通过特殊配置予以替换，该替换应当认为属于本公开的保护范围。