计量设备的异常检测方法、装置、存储介质及计算机设备与流程

本发明涉及供电管理，尤其是涉及一种计量设备的异常检测方法、装置、存储介质及计算机设备。

背景技术：

1、电能计量设备对电能计量来说是重中之重的电力设备，计量设备的正常运行是企业必需保障的。计量是电力市场交易的直接依据，也是电网运行状态监测的重要信息源，电力计量设备是电力计量确保计量准确可靠的、电力企业关注的重点方向，为此，对计量设备进行异常检测至关重要。

2、目前，通常通过人工到达现场对计量设备进行异常检测。然而，这种人工检测方式，需要工作人员搬运检测仪器到达现场，导致计量设备的检测效率较低，与此同时，由于工作人员技术水平的参差不齐，会导致检测错误的情况，从而导致计量设备的检测准确度较低。

技术实现思路

1、本发明提供了一种计量设备的异常检测方法、装置、存储介质及计算机设备，主要在于能够提高计量设备的检测效率和检测准确度。

2、根据本发明的第一个方面，提供一种计量设备的异常检测方法，包括：

3、获取待检测计量设备的实时现场图像；

4、对所述实时现场图像进行图像分割，得到所述待检测计量设备中不同元器件的分割图像，其中，所述分割图像包括不同元器件的器件图像、不同元器件之间线路连接关系的连线图像、不同元器件上铭牌的铭牌信息图像；

5、将所述不同元器件的分割图像与预设安装标准库中存储的对应元器件的标准图像进行匹配，得到匹配结果；

6、根据所述匹配结果，判定所述待检测计量设备是否存在异常。

7、可选地，在所述对所述实时现场图像进行图像分割，得到所述待检测计量设备中不同元器件的分割图像之前，所述方法还包括：

8、判断所述实时现场图像的拍摄角度是否为预设角度；

9、若所述实时现场图像的拍摄角度不是所述预设角度，则基于所述电能计量设备的实际安装信息，确定所述实时现场图像对应的旋转角度和旋转方向；

10、依据所述旋转角度和所述旋转方法，对所述实时现场图像进行旋转，得到旋转后的实时现场图像；

11、依据所述电能计量设备的实际尺寸信息，确定所述旋转后的实时现场图像的变形部位，并确定所述变形部位的变形量；

12、基于所述变形量，对所述变形部位进行变形处理，得到变形后的实时现场图像。

13、可选地，所述对所述实时现场图像进行图像分割，得到所述待检测计量设备中不同元器件的分割图像，包括：

14、将所述实时现场图像输入至预设深度卷积神经网络进行分割处理，得到所述待检测计量设备中不同元器件的分割图像；

15、其中，所述预设深度卷积神经网络包括特征提取网络、候选区域生成网络和类别预测网络；所述将所述实时现场图像输入至预设深度卷积神经网络进行分割处理，得到所述待检测计量设备中不同元器件的分割图像，包括：

16、将所述实时现场图像输入至所述特征提取网络进行特征提取，得到所述实时现场图像对应的图像特征向量；

17、将所述图像特征向量输入至所述候选区域生成网络进行区域预测，得到所述实时现场图像对应的预测分割区域；

18、将所述预测分割区域输入至所述类别预测网络进行类别预测，得到所述实时现场图像对应的不同分割类别，以及所述不同分割类别对应的位置信息；

19、基于所述不同分割类别及其对应的位置信息，对所述实时现场图像进行图像分割，得到所述待检测计量设备中不同元器件的分割图像。

20、可选地，在所述将所述实时现场图像输入至预设深度卷积神经网络进行分割处理，得到所述待检测计量设备中不同元器件的分割图像之前，所述方法还包括：

21、构建预设初始深度卷积神经网络，并获取样本图像及其对应的实际分割图像；

22、将所述样本图像输入至所述预设初始深度卷积神经网络进行图像分割，得到所述样本图像对应的预测分割图像；

23、基于所述预测分割图像和所述实际分割图像，构建所述预设初始深度卷积神经网络对应的损失函数；

24、基于所述损失函数，构建所述预设深度卷积神经网络。

25、可选地，所述对所述实时现场图像进行图像分割，得到所述待检测计量设备中不同元器件的分割图像，包括：

26、依据预设线材颜色和预设线材形状，在所述实时现场图像中确定连接不同元器件的各相色导线的起点、终点和走向；

27、依据所述不同元器件在所述实时现场图像中的位置信息，以及所述各相色导线的起点、终点和走向，对所述实时现场图像进行图像分割，得到不同元器件之间线路连接关系的连线图像。

28、可选地，所述将所述不同元器件的分割图像与预设安装标准库中存储的对应元器件的标准图像进行匹配，得到匹配结果，包括：

29、将所述不同元器件的器件图像与预设安装标准库中存储的对应元器件的标准器件图像进行匹配，得到所述不同元器件的器件完整度匹配结果、器件运行状态匹配结果、器件安装关系匹配结果；

30、将所述不同元器件上铭牌的铭牌信息图像与预设安装标准库中存储的对应元器件的标准铭牌信息图像进行匹配，得到所述不同元器件上铭牌的铭牌信息匹配结果；

31、将所述不同元器件之间线路连接关系的连线图像与预设安装标准库中存储的对应元器件之间的标准连线图像进行匹配，得到所述不同元器件之间的连线关系匹配结果；

32、所述根据所述匹配结果，判定所述待检测计量设备是否存在异常，包括：

33、若元器件破损、元器件运行异常、元器件安装错误、铭牌信息缺失、元器件之间连线错误至少出现一种，则判定所述待检测计量设备存在异常。

34、可选地，在所述根据所述匹配结果，判定所述待检测计量设备是否存在异常之后，所述方法还包括：

35、若所述待检测计量设备存在异常，则对不同异常信息进行分类，得到不同异常类别下的异常信息；

36、利用不同预设标志位对所述不同异常类别进行标记；

37、按照预设标志位由小到大的顺序对所述不同异常类别进行排序，得到排序后的不同异常类别，其中，预设标志位越小，则其对应的异常类别的异常等级越高；

38、基于所述排序后的不同异常类别下的异常信息，生成告警提示单，并将所述告警提示单发送至运维人员终端，以便所述运维人员终端的运维人员基于所述告警提示单对所述计量设备进行维修。

39、根据本发明的第二个方面，提供一种计量设备的异常检测装置，包括：

40、获取单元，用于获取待检测计量设备的实时现场图像；

41、图像分割单元，用于对所述实时现场图像进行图像分割，得到所述待检测计量设备中不同元器件的分割图像，其中，所述分割图像包括不同元器件的器件图像、不同元器件之间线路连接关系的连线图像、不同元器件上铭牌的铭牌信息图像；

42、匹配单元，用于将所述不同元器件的分割图像与预设安装标准库中存储的对应元器件的标准图像进行匹配，得到匹配结果；

43、判定单元，用于根据所述匹配结果，判定所述待检测计量设备是否存在异常。

44、根据本发明的第三个方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以上电能计量设备的异常检测方法。

45、根据本发明的第四个方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以上电能计量设备的异常检测方法。

46、根据本发明提供的一种计量设备的异常检测方法、装置、存储介质及计算机设备，与目前通过人工到达现场对计量设备进行异常检测的方式相比，本发明通过获取待检测计量设备的实时现场图像；并对所述实时现场图像进行图像分割，得到所述待检测计量设备中不同元器件的分割图像，其中，所述分割图像包括不同元器件的器件图像、不同元器件之间线路连接关系的连线图像、不同元器件上铭牌的铭牌信息图像；之后将所述不同元器件的分割图像与预设安装标准库中存储的对应元器件的标准图像进行匹配，得到匹配结果；最终根据所述匹配结果，判定所述待检测计量设备是否存在异常，由此通过实时拍摄计量设备的实时现场图像，并将实时现场图像按照元器件种类和连接线路等进行分割，并将分割后的图像与预设安装标准库中存储的标准图像进行对比，根据对比结果来判断计量设备是否存在异常，避免工作人员携带检测仪器到现场进行检测，从而本发明实施例能够提高计量设备的异常检测效率和异常检测准确度。