发电机定子线棒的故障检测方法、装置、电子设备和介质与流程

1.本技术涉及图像处理技术领域，尤其涉及一种发电机定子线棒的故障检测方法、装置、电子设备和介质。


背景技术：

2.在发电机定子线棒的故障检测应用场景中，相关技术中，可以基于深度学习技术，对图像进行判别，以判断发电机定子线棒是否故障，然而基于深度学习技术对图像进行判别时，往往不能对图像中物体进行分类并判断不同物体的不同状态，导致对发电机定子线棒故障检测时的准确率较低，因此，如何提高发电机定子线棒故障检测时的准确率，并确保电力系统的安全运行，已成为亟待解决的问题。


技术实现要素：

3.本技术的目的旨在至少在一定程度上解决上述技术中的技术问题之一。
4.本技术第一方面提供了一种发电机定子线棒的故障检测方法，包括：获取待检测图像；对所述待检测图像进行识别，获取所述待检测图像的目标类别；确定与所述待检测图像的目标类别匹配的目标故障检测策略，基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果。
5.本技术第一方面提供的发电机定子线棒的故障检测方法，还具备如下技术特征，包括：
6.根据本技术一个实施例，所述对所述待检测图像进行识别，获取所述待检测图像的目标类别之前，包括：预先构建模板图像数据库，其中，所述模板图像数据库中包括多种类别的图像。
7.根据本技术一个实施例，所述对所述待检测图像进行识别，获取所述待检测图像的目标类别，包括：基于训练完成的神经网络模型，分别对待检测图像和所述模板图像数据库中每种类别图像进行特征提取，得到待检测图像对应的第一特征向量和每种类别图像对应的第二特征向量；根据所述第一特征向量和所述第二特征向量，确定所述待检测图像的目标类别。
8.根据本技术一个实施例，所述根据所述第一特征向量和所述第二特征向量，确定所述待检测图像的目标类别，包括：获取所述第一特征向量和所述第二特征向量的夹角余弦值；根据所述夹角余弦值，获取所述待检测图像和每种类别图像对应的第二特征向量之间的第一相似度；根据所述第一相似度和预设的第一相似度阈值，确定所述待检测图像的目标类别。
9.根据本技术一个实施例，若所述待检测图像的目标类别为指示灯，所述基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果，包括：将所述待检测图像输入至hsv模型中，获取所述待检测图像的hsv模型颜色空间值；将所述hsv模型颜色空间值中的亮度值和预设亮度值阈值进行比较，根据比较结果确定指示灯状态；基于
所述指示灯状态，获取发电机定子线棒的故障检测结果。
10.根据本技术一个实施例，若所述待检测图像的目标类别为开关，所述基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果，包括：将所述待检测图像输入至hsv模型中，获取所述待检测图像的hsv模型颜色空间值；获取预设的标准图像，其中，所述标准图像包括温度低限图像或温度高限图像；通过归一化平方差匹配算法计算所述标准图像和所述待检测图像之间的第二相似度，根据所述第二相似度和和预设的第二相似度阈值，确定开关的状态；基于所述开关状态，获取发电机定子线棒的故障检测结果。
11.根据本技术一个实施例，若所述待检测图像的目标类别为指针式仪表，所述基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果，包括：对所述待检测图像进行预处理；基于霍夫变换检测预处理后的待检测图像中的直线信息，选取直线信息中最长的直线为指针所在的直线；获取指针所在的直线与水平线之间的夹角，确定指针式仪表值；基于所述指针式仪表值，获取发电机定子线棒的故障检测结果。
12.根据本技术一个实施例，若所述待检测图像的目标类别为数字式仪表，所述基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果，包括：对所述待检测图像进行预处理；基于垂直投影法，获取预处理后的待检测图像中的数字图像区域；对所述数字图像区域进行识别，确定数字式仪表值；基于所述数字式仪表值，获取发电机定子线棒的故障检测结果。
13.本技术第二方面提供了一种发电机定子线棒的故障检测装置，包括：第一获取模块，用于获取待检测图像；识别模块，用于对所述待检测图像进行识别，获取所述待检测图像的目标类别；第二获取模块，用于确定与所述待检测图像的目标类别匹配的目标故障检测策略，基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果。
14.本技术第二方面提供的一种发电机定子线棒的故障检测装置，还具备如下技术特征，包括：
15.根据本技术一个实施例，所述装置，还用于：预先构建模板图像数据库，其中，所述模板图像数据库中包括多种类别的图像。
16.根据本技术一个实施例，所述识别模块，还用于：基于训练完成的神经网络模型，分别对待检测图像和所述模板图像数据库中每种类别图像进行特征提取，得到待检测图像对应的第一特征向量和每种类别图像对应的第二特征向量；根据所述第一特征向量和所述第二特征向量，确定所述待检测图像的目标类别。
17.根据本技术一个实施例，所述识别模块，还用于：获取所述第一特征向量和所述第二特征向量的夹角余弦值；根据所述夹角余弦值，获取所述待检测图像和每种类别图像对应的第二特征向量之间的第一相似度；根据所述第一相似度和预设的第一相似度阈值，确定所述待检测图像的目标类别。
18.根据本技术一个实施例，若所述待检测图像的目标类别为指示灯，所述第二获取模块，还用于：将所述待检测图像输入至hsv模型中，获取所述待检测图像的hsv模型颜色空间值；将所述hsv模型颜色空间值中的亮度值和预设亮度值阈值进行比较，根据比较结果确定指示灯状态；基于所述指示灯状态，获取发电机定子线棒的故障检测结果。
19.根据本技术一个实施例，若所述待检测图像的目标类别为开关，所述第二获取模块，还用于：将所述待检测图像输入至hsv模型中，获取所述待检测图像的hsv模型颜色空间值；获取预设的标准图像，其中，所述标准图像包括温度低限图像或温度高限图像；通过归一化平方差匹配算法计算所述标准图像和所述待检测图像之间的第二相似度，根据所述第二相似度和和预设的第二相似度阈值，确定开关的状态；基于所述开关状态，获取发电机定子线棒的故障检测结果。
20.根据本技术一个实施例，若所述待检测图像的目标类别为指针式仪表，所述第二获取模块，还用于：对所述待检测图像进行预处理；基于霍夫变换检测预处理后的待检测图像中的直线信息，选取直线信息中最长的直线为指针所在的直线；获取指针所在的直线与水平线之间的夹角，确定指针式仪表值；基于所述指针式仪表值，获取发电机定子线棒的故障检测结果。
21.根据本技术一个实施例，若所述待检测图像的目标类别为数字式仪表，所述第二获取模块，还用于：对所述待检测图像进行预处理；基于垂直投影法，获取预处理后的待检测图像中的数字图像区域；对所述数字图像区域进行识别，确定数字式仪表值；基于所述数字式仪表值，获取发电机定子线棒的故障检测结果。
22.本技术第三方面实施例提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本技术第一方面提供的发电机定子线棒的故障检测方法。
23.本技术第四方面实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本技术第一方面提供的发电机定子线棒的故障检测方法。
24.本技术第五方面实施例提供了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行本技术第一方面提供的发电机定子线棒的故障检测方法。
25.本技术提供的发电机定子线棒的故障检测方法及装置，通过获取待检测图像，对待检测图像进行识别，获取待检测图像的目标类别，确定与待检测图像的目标类别匹配的目标故障检测策略，基于目标故障检测策略和待检测图像，获取发电机定子线棒的故障检测结果，本技术通过确定待检测图像的目标类别，并选取与目标类别匹配的目标故障检测策略，以获取发电机定子线棒的故障检测结果，提高了确定发电机定子线棒的故障检测结果的准确性和可靠性，保证了电力系统的安全和稳定运行。
26.本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
27.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
28.图1为本技术一实施例的发电机定子线棒的故障检测方法的流程示意图；
29.图2为本技术另一实施例的发电机定子线棒的故障检测方法的流程示意图；
30.图3为本技术另一实施例的发电机定子线棒的故障检测方法的流程示意图；
31.图4为本技术另一实施例的发电机定子线棒的故障检测方法的流程示意图；
32.图5为本技术另一实施例的发电机定子线棒的故障检测方法的流程示意图；
33.图6为本技术另一实施例的发电机定子线棒的故障检测方法的流程示意图；
34.图7为本技术一实施例的发电机定子线棒的故障检测装置的结构示意图；
35.图8是本技术一实施例的电子设备的框图。
具体实施方式
36.下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
37.下面参考附图描述本技术实施例的发电机定子线棒的故障检测方法、装置、电子设备和介质。
38.图1为本技术一实施例的发电机定子线棒的故障检测方法的流程示意图，如图1所示，该方法包括：
39.s101，获取待检测图像。
40.需要说明的是，待检测图像可以为发电机定子线棒运行时的任一图像。
41.需要说明的是，本技术中对于获取待检测图像的具体方式不作限定，可以根据实际情况进行选取。
42.可选地，可以利用图像采集装置，采集发电机定子线棒运行时的图像，以获取待检测图像。
43.举例而言，可以利用摄像头采集发电机定子线棒运行时的图像，以获取待检测图像。
44.需要说明的是，由于获取到的待检测图像分辨率较高、待检测图像的尺寸较大，可以对待检测图像进行切分，舍弃目标外部分图像，此外，为了模拟待检测图像的多尺度特征，可以选取图像金字塔3*3、5*5、7*7的网格对待检测图像进行切分。
45.进一步地，由于待检测图像质量良莠不齐，为保证后续检测的鲁棒性，可以选取不同的亮度比例将采集到的待检测图像进行亮度值变换，例如：亮度比例可以设置为20％、50％、80％，实现对待检测图像的明暗度调节。
46.s102，对待检测图像进行识别，获取待检测图像的目标类别。
47.在本技术实施例中，在获取到待检测图像后，可以对待检测图像进行识别，以获取待检测图像的目标类别。
48.可选地，可以基于训练完成的神经网络模型，对待检测图像进行识别，获取待检测图像的目标类别。
49.举例而言，可以采用预先训练完成的yolo模型对待检测图像进行识别，以获取待检测图像的目标类别。
50.其中，yolo模型可以用于目标检测，即从图像中找出物体并给出其类别和位置，对于单张图像，输出为图像中包含的n个物体的每个物体的中心位置(x，y)、宽(w)、高(h)以及其类别。
51.可选地，待检测图像的目标类别可以为指示灯、开关、数字式仪表、指针式仪表。
52.s103，确定与待检测图像的目标类别匹配的目标故障检测策略，基于目标故障检测策略和待检测图像，获取发电机定子线棒的故障检测结果。
53.需要说明的是，为了提高获取发电机定子线棒的故障检测结果的准确性和可靠性，本技术预先设置了针对不同类别的故障检测策略，在确定待检测图像的目标类别后，可以确定与目标类别匹配的目标故障检测策略，并基于目标故障检测策略和待检测图像，获取发电机定子线棒的故障检测结果。
54.需要说明的是，本技术对于发电机定子线棒存在故障的故障类型不作限定，例如：电气故障(绕组产生电晕、短路、开路、接地等故障)、物理故障(绕组断裂、绝缘老化等故障)。
55.可选地，若待检测图像的目标类别为指示灯，则选取与指示灯匹配的故障检测策略为目标故障检测策略，进而基于目标故障检测策略和待检测图像，获取发电机定子线棒的故障检测结果。
56.可选地，可以通过待检测图像，获取指示灯的状态，并根据指示灯的状态，确定发电机定子线棒的故障检测结果。
57.举例而言，当目标类别为指示灯，通过目标故障检测策略和待检测图像，若得到指示灯的状态为关闭状态，则确定发电机定子线棒的故障检测结果为故障状态，若得到指示灯的状态为开启状态，则确定发电机定子线棒的故障检测结果为正常状态。
58.本技术提出的发电机定子线棒的故障检测方法，通过获取待检测图像，对待检测图像进行识别，获取待检测图像的目标类别，确定与待检测图像的目标类别匹配的目标故障检测策略，基于目标故障检测策略和待检测图像，获取发电机定子线棒的故障检测结果，本技术通过确定待检测图像的目标类别，并选取与目标类别匹配的目标故障检测策略，以获取发电机定子线棒的故障检测结果，提高了确定发电机定子线棒的故障检测结果的准确性和可靠性，保证了电力系统的安全和稳定运行。
59.上述实施例中，关于对待检测图像进行识别，获取待检测图像的目标类别的具体过程，可结合图2进一步理解，图2为本技术另一实施例的发电机定子线棒的故障检测方法的流程示意图，如图2所示，该方法包括：
60.s201，基于训练完成的神经网络模型，分别对待检测图像和模板图像数据库中每种类别图像进行特征提取，得到待检测图像对应的第一特征向量和每种类别图像对应的第二特征向量。
61.在本技术实施中，在对待检测图像进行识别，获取待检测图像的目标类别之前，预先构建模板图像数据库，其中，模板图像数据库中包括多种类别的图像。
62.可选地，模板图像数据中的图像数量可以根据实际情况进行设定，例如：每个类别选择1000张不同的图像组成模板图像数据库。
63.可选地，可以基于训练完成的yolo模型，分别对待检测图像和模板图像数据库中每种类别图像进行特征提取，得到待检测图像对应的第一特征向量和每种类别图像对应的第二特征向量。
64.s202，根据第一特征向量和第二特征向量，确定待检测图像的目标类别。
65.在本技术实施例中，在获取到第一特征向量和第二特征向量后，可以获取第一特征向量和第二特征向量的夹角余弦值，根据夹角余弦值，获取待检测图像和每种类别图像
对应的第二特征向量之间的第一相似度，根据第一相似度和预设的第一相似度阈值，确定待检测图像的目标类别。
66.举例而言，在获取到第一特征向量和第二特征向量后，可以利用以下公式，获取第一特征向量和第二特征向量的夹角余弦值：
[0067][0068]
其中，其中，xi待检测图像对应的第一特征向量、yi为模板图像数据库中每种类别图像对应的第二特征向量、分子为第一特征向量和第二特征向量的内积，分母分子表示两个图像特征向量长度的乘积。
[0069]
需要说明的是，夹角余弦值可以衡量两个个体之间的差异，夹角余弦值的范围在[-1,1]之间，夹角余弦值越大，相似度越小，夹角余弦值越小，相似度越大。
[0070]
在本技术实施例中，在获取待检测图像和每种类别图像对应的第二特征向量之间的第一相似度后，可以根据第一相似度和预设的第一相似度阈值，确定待检测图像的目标类别。
[0071]
需要说明的是，本技术对于相似度阈值的设置不作限定，可以根据实际情况进行限定，可选地，可以设置相似度阈值为0.1。
[0072]
可选地，当第一相似度小于预设的第一相似度阈值，确定待检测图像的目标类别为模板图像数据库中当前图像的类别。
[0073]
举例而言，针对待检测图像x、模板图像数据库中的图像y的图像类别为a类别，第一相似度小于预设的第一相似度阈值，确定待检测图像的目标类别为a类别。
[0074]
本技术提出的发电机定子线棒的故障检测方法，通过训练完成的神经网络模型，可以准确、高效地获取待检测图像的目标类别，为后续确定与待检测图像的目标类别匹配的目标检测策略奠定了基础。
[0075]
在本技术实施例中，预先设置了针对不同类别的故障检测策略，在确定待检测图像的目标类别后，可以确定与目标类别匹配的目标故障检测策略。
[0076]
上述实施例中，若待检测图像的目标类别为指示灯，关于基于目标故障检测策略和待检测图像，获取发电机定子线棒的故障检测结果的具体过程，可结合图3进一步理解，图3为本技术另一实施例的发电机定子线棒的故障检测方法的流程示意图，如图3所示，该方法包括：
[0077]
s301，将待检测图像输入至hsv模型中，获取待检测图像的hsv模型颜色空间值。
[0078]
其中，hsv模型是指h、s、v三维颜色空间中的一个可见光子集，它包含某个颜色域的所有颜色，hsv模型中颜色的参数分别是：色调(h)，饱和度(s)，亮度(v)。
[0079]
在本技术实施例中，将待检测图像输入至hsv模型中，获取待检测图像的hsv模型颜色空间值(色调值、饱和度值和亮度值)。
[0080]
s302，将hsv模型颜色空间值中的亮度值和预设亮度值阈值进行比较，根据比较结果确定指示灯状态。
[0081]
需要说明的是，当亮度值大于或等于预设亮度值阈值时，确定指示灯状态为明亮
状态，当亮度值小于预设亮度值阈值时，确定指示灯状态为熄灭状态。
[0082]
在本技术实施例中，可以设置预设亮度阈值为210。
[0083]
可选地，色调h值用于判别指示灯的颜色，例如：色调h值11-25为黄色，色调h值35-90为绿色，其余都为红色。
[0084]
s303，基于指示灯状态，获取发电机定子线棒的故障检测结果。
[0085]
需要说明的是，当指示灯状态为明亮状态时，发电机定子线棒的故障检测结果为正常状态、当指示灯状态为熄灭状态时，发电机定子线棒的故障检测结果为故障状态。
[0086]
上述实施例中，若待检测图像的目标类别为开关，关于基于目标故障检测策略和待检测图像，获取发电机定子线棒的故障检测结果的具体过程，可结合图4进一步理解，图4为本技术另一实施例的发电机定子线棒的故障检测方法的流程示意图，如图4所示，该方法包括：
[0087]
s401，获取预设的标准图像，其中，标准图像包括温度低限图像或温度高限图像。
[0088]
其中，预设的标准图像为红外热辐射图像。
[0089]
可选地，为了保证匹配质量，提高鲁棒性，预设的标准图像的数量不少100张。
[0090]
s402，通过归一化平方差匹配算法计算标准图像和待检测图像之间的第二相似度，根据第二相似度和和预设的第二相似度阈值，确定开关的状态。
[0091]
可选地，可以将待检测图像转换为红外热辐射图像。
[0092]
可选地，可以利用以下公式，通过归一化平方差匹配算法计算标准图像和待检测图像之间的第二相似度：
[0093][0094]
其中，t(x1，y1)为预设的标准图像的像素点坐标，i(x，y)为待检测图像的像素点坐标，r(x，y)为第二相似度。
[0095]
需要说明的是，当第二相似度越大时，表明待检测图像和预设的标准图像之间的匹配程度越低，当第二相似度为零时，表明待检测图像和预设的标准图像完全匹配。
[0096]
在本技术实施例中，当预设标准图像为低限图像时，在获取到第二相似度后，可以根据第二相似度和和预设的第二相似度阈值，确定待检测图像是否为低限图像，也就是说，当第二相似度大于第二相似度阈值时，确定待检测图像为高限图像，则开关状态为开启状态，即当第二相似度小于或等于第二相似度阈值时，确定待检测图像为低限图像，则开关状态为关闭状态，
[0097]
s403，基于开关状态，获取发电机定子线棒的故障检测结果。
[0098]
需要说明的是，当开关闭合后会有电流会产生热量，即开关闭合前后的温度会不同，因此，可以基于开关状态，获取发电机定子线棒的故障检测结果。
[0099]
需要说明的是，当开关状态为开启状态时，发电机定子线棒的故障检测结果为正常状态、当开关状态为关闭状态时，发电机定子线棒的故障检测结果为故障状态。
[0100]
上述实施例中，若待检测图像的目标类别为指针式仪表，关于基于目标故障检测策略和待检测图像，获取发电机定子线棒的故障检测结果的具体过程，可结合图5进一步理解，图5为本技术另一实施例的发电机定子线棒的故障检测方法的流程示意图，如图5所示，
该方法包括：
[0101]
s501，对待检测图像进行预处理。
[0102]
可选地，可以对待检测图像进行图像灰度化、图像滤波(均值滤波)、阈值分割和图像校正等预处理操作。
[0103]
举例而言，针对图像校正，对于待检测图像常常会有拍摄误差，待检测图像出现角度倾斜问题，可以检测出仪表上边框直线xy，再采用霍夫变换拟合边框直线，并以直线xy的倾斜角度将待检测图像旋转。
[0104]
s502，基于霍夫变换检测预处理后的待检测图像中的直线信息，选取直线信息中最长的直线为指针所在的直线。
[0105]
其中，霍夫变换是图像变换中的经典手段之一，主要用来从图像中分离出具有某种相同特征的几何形状(如直线，圆等)。
[0106]
可选地，可以对图像进行边缘检测，基于霍夫hough变换来检测边缘检测过后的待检测图像中的直线信息，选取hough变换结果中最长的直线为指针所在的直线。
[0107]
s503，获取指针所在的直线与水平线之间的夹角，确定指针式仪表值。
[0108]
需要说明的是，在获取到指针的所在的直线后，可以获取指针所在的直线与水平线之间的夹角，并采用角度法获取指针式仪表值，即通过指针所在直线与水平线之间的夹角，与指针式仪表量程的比例关系进行确定指针式仪表值。
[0109]
s504，基于指针式仪表值，获取发电机定子线棒的故障检测结果。
[0110]
在本技术实施例中，在获取到指针式仪表值后，可以将指针式仪表值和预设的指针式仪表阈值进行比较，当指针式仪表值大于或等于预设的指针式仪表阈值时，发电机定子线棒的故障检测结果为故障状态，当指针式仪表值小于预设的指针式仪表阈值时，发电机定子线棒的故障检测结果为正常状态。
[0111]
举例而言，可以设置指针式仪表阈值为3000a，当指针式仪表值大于或等于预设的指针式仪表阈值(3000a)时，发电机定子线棒的故障检测结果为故障状态，当指针式仪表值小于预设的指针式仪表阈值(3000a)时，发电机定子线棒的故障检测结果为正常状态。
[0112]
上述实施例中，若待检测图像的目标类别为数字式仪表，关于基于目标故障检测策略和待检测图像，获取发电机定子线棒的故障检测结果的具体过程，可结合图6进一步理解，图6为本技术另一实施例的发电机定子线棒的故障检测方法的流程示意图，如图6所示，该方法包括：
[0113]
s601，对待检测图像进行预处理。
[0114]
可选地，可以对待检测图像进行图像灰度化、图像滤波(均值滤波)、阈值分割等预处理操作。
[0115]
s602，基于垂直投影法，获取预处理后的待检测图像中的数字图像区域。
[0116]
可选地，可以采用垂直投影法将数字式仪表盘中一串数字分割为块，提取每一个数字，将图像在垂直方向上投影，以空白区域为分割线，将每个数字图像区域分割出来，以获取预处理后的待检测图像中的数字图像区域。
[0117]
s603，对数字图像区域进行识别，确定数字式仪表值。
[0118]
可选地，可以对每个数字图像区域进行二值化处理，对二值化处理后的数字图像区域进行识别，确定数字式仪表值。
[0119]
可选地，首先可以判断数字式仪表的状态(发光或熄灭)，例如：采用7段数码管进行编码，灰度阈值为0.5，当二值化处理后的数字图像区域大于0.5表示数字式仪表的该数码管发光，当二值化处理后的数字图像区域小于或等于0.5表示数字式仪表的该数码管熄灭。
[0120]
进一步地，对7个数码管检测完毕后，针对发光状态的数码管，采用穿线匹配方法，对数字图像区域进行识别，确定数字式仪表值。
[0121]
s604，基于数字式仪表值，获取发电机定子线棒的故障检测结果。
[0122]
在本技术实施例中，在获取到指针式仪表值后，可以将数字式仪表值和预设的数字式仪表阈值进行比较，当数字式仪表值大于或等于预设的数字式仪表阈值时，发电机定子线棒的故障检测结果为故障状态，当数字式仪表值小于预设的数字式仪表阈值时，发电机定子线棒的故障检测结果为正常状态。
[0123]
本技术提出的发电机定子线棒的故障检测方法，通过确定待检测图像的目标类别(指示灯、开关、指针式仪表和数字式仪表)，并选取与目标类别匹配的目标故障检测策略，能够基于图像有效针对发电机定子线棒的状态进行监测，可以及时地确定发电机定子线棒的故障检测结果，提高了确定发电机定子线棒的故障检测结果的准确性和可靠性，保证了电力系统的安全和稳定运行。
[0124]
与上述几种实施例提出的发电机定子线棒的故障检测方法相对应，本技术的一个实施例还提出了一种发电机定子线棒的故障检测装置，由于本技术实施例提出的发电机定子线棒的故障检测装置与上述几种实施例提出的发电机定子线棒的故障检测方法相对应，因此上述发电机定子线棒的故障检测方法的实施方式也适用于本技术实施例提出的发电机定子线棒的故障检测装置，在下述实施例中不再详细描述。
[0125]
图7为本技术一实施例的发电机定子线棒的故障检测装置的结构示意图，如图7所示，发电机定子线棒的故障检测装置700，包括第一获取模块71、识别模块62和第二确定模块73，其中：
[0126]
第一获取模块71，用于获取待检测图像；
[0127]
识别模块72，用于对所述待检测图像进行识别，获取所述待检测图像的目标类别；
[0128]
第二获取模块73，用于确定与所述待检测图像的目标类别匹配的目标故障检测策略，基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果。
[0129]
本技术第二方面提供的一种发电机定子线棒的故障检测装置，还具备如下技术特征，包括：
[0130]
根据本技术一个实施例，所述装置700，还用于：预先构建模板图像数据库，其中，所述模板图像数据库中包括多种类别的图像。
[0131]
根据本技术一个实施例，所述识别模块72，还用于：基于训练完成的神经网络模型，分别对待检测图像和所述模板图像数据库中每种类别图像进行特征提取，得到待检测图像对应的第一特征向量和每种类别图像对应的第二特征向量；根据所述第一特征向量和所述第二特征向量，确定所述待检测图像的目标类别。
[0132]
根据本技术一个实施例，所述识别模块72，还用于：获取所述第一特征向量和所述第二特征向量的夹角余弦值；根据所述夹角余弦值，获取所述待检测图像和每种类别图像对应的第二特征向量之间的第一相似度；根据所述第一相似度和预设的第一相似度阈值，
确定所述待检测图像的目标类别。
[0133]
根据本技术一个实施例，若所述待检测图像的目标类别为指示灯，所述第二获取模块73，还用于：将所述待检测图像输入至hsv模型中，获取所述待检测图像的hsv模型颜色空间值；将所述hsv模型颜色空间值中的亮度值和预设亮度值阈值进行比较，根据比较结果确定指示灯状态；基于所述指示灯状态，获取发电机定子线棒的故障检测结果。
[0134]
根据本技术一个实施例，若所述待检测图像的目标类别为开关，所述第二获取模块73，还用于：将所述待检测图像输入至hsv模型中，获取所述待检测图像的hsv模型颜色空间值；获取预设的标准图像，其中，所述标准图像包括温度低限图像或温度高限图像；通过归一化平方差匹配算法计算所述标准图像和所述待检测图像之间的第二相似度，根据所述第二相似度和和预设的第二相似度阈值，确定开关的状态；基于所述开关状态，获取发电机定子线棒的故障检测结果。
[0135]
根据本技术一个实施例，若所述待检测图像的目标类别为指针式仪表，所述第二获取模块73，还用于：对所述待检测图像进行预处理；基于霍夫变换检测预处理后的待检测图像中的直线信息，选取直线信息中最长的直线为指针所在的直线；获取指针所在的直线与水平线之间的夹角，确定指针式仪表值；基于所述指针式仪表值，获取发电机定子线棒的故障检测结果。
[0136]
根据本技术一个实施例，若所述待检测图像的目标类别为数字式仪表，所述第二获取模块73，还用于：对所述待检测图像进行预处理；基于垂直投影法，获取预处理后的待检测图像中的数字图像区域；对所述数字图像区域进行识别，确定数字式仪表值；基于所述数字式仪表值，获取发电机定子线棒的故障检测结果。
[0137]
本技术提出的发电机定子线棒的故障检测装置，通过获取待检测图像，对待检测图像进行识别，获取待检测图像的目标类别，并确定与待检测图像的目标类别匹配的目标故障检测策略，基于目标故障检测策略和待检测图像，获取发电机定子线棒的故障检测结果，本技术通过确定待检测图像的目标类别，并选取与目标类别匹配的目标故障检测策略，以获取发电机定子线棒的故障检测结果，提高了确定发电机定子线棒的故障检测结果的准确性和可靠性，保证了电力系统的安全和稳定运行。
[0138]
为达到上述实施例，本技术还提供了一种电子设备、一种计算机可读存储介质和一种计算机程序产品。
[0139]
图8为本技术一实施例的电子设备的框图，如图8所示，设备800包括存储器81、处理器82及存储在存储81上并可在处理器82上运行的计算机程序，处理器82执行程序指令时，实现执行图1至图6的实施例的发电机定子线棒的故障检测方法。
[0140]
为了实现上述实施例，本技术还提供一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行图1至图6的实施例的发电机定子线棒的故障检测方法。
[0141]
为了实现上述实施例，本技术还提供一种计算机程序产品，当计算机程序产品中的指令处理器执行时，执行图1至图6的实施例的发电机定子线棒的故障检测方法。
[0142]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不
必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0143]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0144]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
[0145]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0146]
应当理解，本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0147]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0148]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0149]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种发电机定子线棒的故障检测方法，其特征在于，所述方法，包括：获取待检测图像；对所述待检测图像进行识别，获取所述待检测图像的目标类别；确定与所述待检测图像的目标类别匹配的目标故障检测策略，基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果。2.根据权利要求1所述的方法，其特征在于，所述对所述待检测图像进行识别，获取所述待检测图像的目标类别之前，包括：预先构建模板图像数据库，其中，所述模板图像数据库中包括多种类别的图像。3.根据权利要求2所述的方法，其特征在于，所述对所述待检测图像进行识别，获取所述待检测图像的目标类别，包括：基于训练完成的神经网络模型，分别对待检测图像和所述模板图像数据库中每种类别图像进行特征提取，得到待检测图像对应的第一特征向量和每种类别图像对应的第二特征向量；根据所述第一特征向量和所述第二特征向量，确定所述待检测图像的目标类别。4.根据权利要求3所述的方法，其特征在于，所述根据所述第一特征向量和所述第二特征向量，确定所述待检测图像的目标类别，包括：获取所述第一特征向量和所述第二特征向量的夹角余弦值；根据所述夹角余弦值，获取所述待检测图像和每种类别图像对应的第二特征向量之间的第一相似度；根据所述第一相似度和预设的第一相似度阈值，确定所述待检测图像的目标类别。5.根据权利要求1所述的方法，其特征在于，若所述待检测图像的目标类别为指示灯，所述基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果，包括：将所述待检测图像输入至hsv模型中，获取所述待检测图像的hsv模型颜色空间值；将所述hsv模型颜色空间值中的亮度值和预设亮度值阈值进行比较，根据比较结果确定指示灯状态；基于所述指示灯状态，获取发电机定子线棒的故障检测结果。6.根据权利要求1所述的方法，其特征在于，若所述待检测图像的目标类别为开关，所述基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果，包括：获取预设的标准图像，其中，所述标准图像包括温度低限图像或温度高限图像；通过归一化平方差匹配算法计算所述标准图像和所述待检测图像之间的第二相似度，根据所述第二相似度和和预设的第二相似度阈值，确定开关的状态；基于所述开关状态，获取发电机定子线棒的故障检测结果。7.根据权利要求1所述的方法，其特征在于，若所述待检测图像的目标类别为指针式仪表，所述基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果，包括：对所述待检测图像进行预处理；基于霍夫变换检测预处理后的待检测图像中的直线信息，选取直线信息中最长的直线
为指针所在的直线；获取指针所在的直线与水平线之间的夹角，确定指针式仪表值；基于所述指针式仪表值，获取发电机定子线棒的故障检测结果。8.根据权利要求1所述的方法，其特征在于，若所述待检测图像的目标类别为数字式仪表，所述基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果，包括：对所述待检测图像进行预处理；基于垂直投影法，获取预处理后的待检测图像中的数字图像区域；对所述数字图像区域进行识别，确定数字式仪表值；基于所述数字式仪表值，获取发电机定子线棒的故障检测结果。9.一种发电机定子线棒的故障检测装置，其特征在于，所述装置，包括：第一获取模块，用于获取待检测图像；识别模块，用于对所述待检测图像进行识别，获取所述待检测图像的目标类别；第二获取模块，用于确定与所述待检测图像的目标类别匹配的目标故障检测策略，基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果。10.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。11.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。

技术总结
本申请提供了一种发电机定子线棒的故障检测方法、装置、电子设备和介质，方法包括：获取待检测图像；对所述待检测图像进行识别，获取所述待检测图像的目标类别；确定与所述待检测图像的目标类别匹配的目标故障检测策略，基于所述目标故障检测策略和所述待检测图像，获取发电机定子线棒的故障检测结果，本申请通过确定待检测图像的目标类别，并选取与目标类别匹配的目标故障检测策略，以获取发电机定子线棒的故障检测结果，提高了确定发电机定子线棒的故障检测结果的准确性和可靠性，保证了电力系统的安全和稳定运行。系统的安全和稳定运行。系统的安全和稳定运行。


技术研发人员：林昱光 王习强 赵中阳 朱关有 赵建平 坝红伟 高春雷 范道芝 杨四永 毛锦荣 夏朝瑞 刘小玺 王琦 朱华波 潘疆
受保护的技术使用者：华能龙开口水电有限公司
技术研发日：2023.06.08
技术公布日：2023/9/12