线管识别方法及用于电柜接线考试的图像数据分析方法与流程

本发明涉及电柜接线考试，具体的说，涉及了一种线管识别方法及用于电柜接线考试的图像数据分析方法。

背景技术：

1、配电柜是配电箱的上一级配电设备，其体积较大，其中可以放入较大的电气设备；对于电力作业人员来说，配电柜导线的连接在电工的工作中占有很大的比重，电工配电柜接线有一定的标准和规范，且导线连接的状态直接关系着后续配电柜能否正常工作，因此，需要对电工配电柜接线操作进行培训及测试，使得电力作业人员熟练掌握电工配电柜接线操作。

2、电工配电柜接线操作，通常需要满足以下条件：

3、（1）接线应按接线端头标志进行

4、接线端头标志一般包括u、v、w和n，其中u、v、w分别对应三相，n对应零线；在接线操作过程中，导线头尾需要用带有接线端头标志的号码管或者号码纸进行标示；

5、因此，在电柜接线考试时，学员需要手动将带有接线端头标志的号码管或者号码纸，安装到相应的导线上；并确保导线两端严格按照图纸，正确地接到指定的接线柱上；

6、（2）导线应通过捆扎带绑好，且保证捆扎后的线缆排列平直

7、在一些较复杂的电子设备中，连接的导线多且复杂，如果不加任何整理，就会显得十分混乱，即不美观也不便于查找。为了简化装配结构，减少占用空间，便于检查、测试和维修等，常常在产品装配时，将相同走向的导线绑扎成一定形状的线扎（又称线把、线束）；

8、因此，在电柜接线考试时，学员需要自己根据二次接线图以及元件布置图确定的走线方式，按电器元件接点间的实际位置手动量裁导线；并确保导线长短合适以使得扎线时松紧适当，避免扎制导线时拉得过紧，以免因振动将导线或焊盘拉断，或者因扎线太松失去线扎的效果，造成线束松散或线束不挺直。

9、在电力系统接线考试场景中，在考生完成接线后，通常由老师通过目测的方式，人工来判断和记录导线是否正确地接到指定的接线柱上以及扎线是否松紧适当，这样不但耗时耗力，工作效率低，并且可能受老师主观人为因素影响最终的评判结果，不利于考试的公平与公正。

10、伴随着社会科学技术水平的发展，各个行业的信息化程度越来越高，自动化、智能化深入人心；机器视觉作为信息化技术的组成部分，其应用范围不断扩展。机器视觉的主要任务是通过分析图像，对图像中所涉及到物体或者场景生成描述信息。

11、虽然文献cn114186784a提出一种基于边缘计算的电学考试评分方法，考试设备端使用具有npu的边缘计算嵌入式平台，形成一个无人值守的中学电路考试系统，但该方案无法实现电柜接线考试场景下的线管识别及线缝识别。

12、虽然文献cn113777533a提出一种接线测试方法及接线测试系统，但该方案主要用于在电路通电前自动判断接线是否正确，减少由接线错误导致的电路烧毁，从而延长电路的使用寿命，也无法实现电柜接线考试场景下的线管识别及线缝识别。

13、因此，如何基于图像分析技术，自动快速且准确地进行电工配电柜接线考试场景下线管识别及线缝识别，成为亟待解决的问题。

14、为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。

技术实现思路

1、本发明的目的是针对现有技术的不足，从而提供一种线管识别方法及用于电柜接线考试的图像数据分析方法。

2、为了实现上述目的，本发明所采用的技术方案是：

3、本发明第一方面提供一种线管识别方法，其包括以下步骤：

4、步骤0，构建号码线管位置检测模型；

5、所述号码线管位置检测模型包括主干网络模块和特征融合模块，所述主干网络模块包括依次设置的预处理单元、第一特征提取单元、第二特征提取单元、第三特征提取单元和第四特征提取单元，所述特征融合模块包括依次设置的第一上采样单元、第二上采样单元、第三上采样单元、第一下采样单元和第二下采样单元；

6、步骤1，获取待检测接线区域对应的目标图像；

7、其中，所述目标图像指的是学员接线考试完成后采集到的配电柜接线图像；

8、步骤2，将所述目标图像输入所述号码线管位置检测模型，得到所述目标图像中各个号码线管的区域位置信息；

9、所述预处理单元，对所述目标图像进行数据增强并输出目标图像特征图ⅰ；所述第一特征提取单元，对所述目标图像特征图ⅰ进行特征提取并输出目标图像特征图ⅱ；所述第二特征提取单元，对所述目标图像特征图ⅱ进行特征提取并输出目标图像特征图ⅲ；所述第三特征提取单元，对所述目标图像特征图ⅲ进行特征提取并输出目标图像特征图ⅳ；所述第四特征提取单元，对所述目标图像特征图ⅳ进行特征提取并输出目标图像特征图ⅴ；

10、所述第一上采样单元，对所述目标图像特征图ⅴ和所述目标图像特征图ⅳ进行特征融合，并输出融合特征图ⅰ；

11、所述第二上采样单元，对所述融合特征图ⅰ和所述目标图像特征图ⅲ进行特征融合，并输出融合特征图ⅱ；

12、所述第三上采样单元，对所述融合特征图ⅱ和所述目标图像特征图ⅱ进行特征融合，并输出融合特征图ⅲ；

13、所述第一下采样单元，对所述融合特征图ⅲ进行下采样处理并输出融合特征图ⅳ；

14、所述第一下采样单元和所述第二下采样单元，分别输出特征数据至head模块，使所述head模块输出号码线管的区域位置信息；

15、步骤3，判断是否获得所述目标图像中各个号码线管的区域位置信息，

16、若是则利用ocr文字识别模型，提取出所述目标图像中各个号码线管上的字符内容，并将提取出的字符内容标记在所述目标图像中的指定位置处。

17、本发明第二方面提供一种用于电柜接线考试的图像数据分析方法，包括以下步骤：

18、应用上述的线管识别方法，获得所述目标图像中线管上的字符内容，并基于识别出的字符内容检测电柜接线考试时学员是否按接线端头标志进行接线；

19、对所述目标图像进行线缝识别，获得线缝识别结果；基于所述线缝识别结果，检测电柜接线考试对应的导线捆扎操作是否合格。

20、本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说：

21、1）针对电柜接线考试的线管识别这样的小尺度目标检测任务，本发明预先构建号码线管位置检测模型，由于特征图小不利于检测小目标，该区域位置检测模型删除了主干网络末端尺度为20*20的输出；另外，该区域位置检测模型还增加了主干网络中尺度为160*160的输出，使其特征进入特征金字塔进行特征传递和融合，将特征金字塔进行前移，从而使得神经网络以更小的感受野去提取小尺度的目标特征，从而提高区域位置检测的精度；

22、同时，该区域位置检测模型还保留20*20的特征进行上采样融合，让高层的语义信息与低层的细节信息进行有效结合，在保留原始网络分类性能基础上，增加网络的特征表达能力，从而提高号码线管的区域位置定位的准确性；

23、因此，本发明能够快速且准确地对待检测接线区域的原始图像数据，进行线管识别；

24、2）本发明利用计算机视觉技术辅助人工进行电柜接线考试结果评判，可提高评判效率，并增加结果的可靠性。