(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111675600.4 (22)申请日 2021.12.31 (71)申请人 南方电网大 数据服务有限公司 地址 510800 广东省广州市花都区新 华街 红珠路5-1 (72)发明人 钱林钧　杨凯　李站　杨荣霞　 陈承志　 (74)专利代理 机构 华进联合专利商标代理有限 公司 44224 代理人 肖茹芸 (51)Int.Cl. H02J 13/00(2006.01) G06T 7/00(2017.01) G06T 7/10(2017.01) G06N 3/04(2006.01)G06V 10/22(2022.01) G06V 10/24(2022.01) G06V 10/82(2022.01) (54)发明名称 基于深度学习的配电房设备开关部件状态 监测方法和装置 (57)摘要 本申请涉及一种基于深度学习的配电房设 备开关部件状态监测方法、 装置、 计算机设备、 存 储介质和计算机程序产品。 方法包括： 获取待检 测设备图像； 待检测设备图像为对目标配电房中 的电力设备进行拍摄得到的图像； 电力设备包括 至少一个开 关部件； 将待检测设备图像输入至台 账标签识别模型， 得到台账标签文本内容； 以及 将待检测设备图像输入至开关部件状态识别模 型， 得到开关部件的实际开关状态； 台账标签文 本内容用于表征电力设备的运行状态； 确定开关 部件在运行状态下的期望开关状态； 若实际开关 状态与期望开关状态不匹配， 则生成针对电力设 备的告警提示。 采用本方法能够在配电房内对异 常的电力设备及时生成告警提示， 从而提升对电 力设备的监测效果。 权利要求书3页 说明书15页 附图7页 CN 114301180 A 2022.04.08 CN 114301180 A 1.一种基于深度学习的配电房设备开关部件状态监测方法， 其特征在于， 所述方法包 括： 获取待检测设备图像； 所述待检测设备图像为对目标配电房中的电力设备进行拍摄得 到的图像； 所述电力设备包括至少一个开关部件； 将所述待检测设备图像输入至台账标签识别模型， 得到台账标签文本内容； 以及将所 述待检测设备图像输入至开关部件状态识别模型， 得到所述开关部件的实际开关状态； 所 述台账标签文本内容用于表征 所述电力设备的运行状态； 确定所述 开关部件在所述 运行状态下的期望开关状态； 若所述实际开关状态与所述期望开关状态不匹配， 则生成针对所述电力设备的告警提 示。 2.根据权利要求1所述的方法， 其特征在于， 所述台账标签识别模型包括台账标签区域 检测模块、 文本区域检测模块和文本内容识别模块； 所述将所述待检测设备图像输入至台 账标签识别模型， 得到台账 标签文本内容， 包括： 将所述待检测设备图像输入至所述台账标签区域检测模块， 得到所述待检测设备图像 中的台账 标签区域图像； 将所述台账标签区域图像输入至所述文本区域检测模块， 确定所述台账标签区域图像 中的文本 框区域图像； 将所述文本框区域图像输入至所述文本 内容识别模块， 确定所述文本框区域图像 中的 文本内容， 并将所述文本内容作为所述台账 标签文本内容。 3.根据权利要求2所述的方法， 其特征在于， 所述文本区域检测模块包括卷积处理模 块、 特征拼接模块和卷积运算模块； 所述将所述台账标签区域图像输入至所述文本区域检 测模块， 确定所述台账 标签区域图像中的文本 框区域图像， 包括： 将所述台账标签区域图像输入至所述卷积处理模块， 得到不同尺寸的至少两个特征 图； 所述不同尺寸的至少两个特征图为所述卷积处理模块对所述台账标签区域图像进 行不 同倍数的下采样处 理得到的； 将所述至少两个特 征图输入至所述特 征拼接模块， 得到拼接特 征图； 将所述拼接特征图输入至所述卷积运算模块， 得到所述台账标签区域图像的字符中心 概率分数图和字符 间隙概率分数图； 所述字符中心 概率分数图和字符 间隙概率分数图为所 述卷积运 算模块对所述 拼接特征图进行多轮卷积运 算得到的； 根据所述字符中心概率分数图和所述字符间 隙概率分数图， 确定所述台账标签区域图 像中的文本 框区域图像。 4.根据要求3所述的方法， 其特征在于， 所述至少两个特征图包括第一特征图， 第二特 征图， 第三特征图、 第四特征图和第五特征图； 所述特征拼接模块包括第一采样模块、 第二 采样处理模块、 第三采样处理模块和第四采样处理模块； 所述将所述至少 两个特征图输入 至所述特 征拼接模块， 得到拼接特 征图， 包括： 将所述第一特征图与 所述第二特征图间的拼接特征图输入至所述第 一采样处理模块， 得到第一上采样特 征图； 将所述第一上采样特征图与所述第三特征图间的拼接特征图输入至所述第二采样处 理模块， 得到第二上采样特 征图；权　利　要　求　书 1/3 页 2 CN 114301180 A 2将所述第二上采样特征图与所述第四特征图间的拼接特征图输入至所述第三采样处 理模块， 得到第三上采样特 征图； 将所述第三上采样特征图与所述第五特征图间的拼接特征图输入至所述第四采样处 理模块， 得到第四上采样特 征图， 并将所述第四上采样特 征图作为所述 拼接特征图。 5.根据权利要求2所述的方法， 其特征在于， 所述文本内容识别模块包括卷积层、 循环 层、 转录层； 所述将所述文本框区域图像输入至所述文本内容识别模块， 确定所述文本框区 域图像中的文本内容， 包括： 将所述文本框区域图像输入至所述卷积层， 得到文本特征序列； 所述文本特征序列为 所述卷积层对所述文本 框区域图像进行 特征提取处 理得到的； 将所述文本特征序列输入至所述循环层， 得到文本预测序列； 所述文本预测序列为所 述循环层对所述文本特 征序列进行 预测计算得到的； 将所述文本预测序列输入至所述转录层， 得到所述文本框区域图像中的文本内容； 所 述文本内容 为所述转录层对所述文本预测序列进行去重处 理和整合处 理得到的。 6.根据权利要求1所述的方法， 其特征在于， 所述开关部件状态识别模型包括骨干网络 层、 颈部网络层和头部网络层； 所述将待检测设备图像输入至开关部件状态识别模型， 得到 所述开关部件的实际开关状态， 包括： 将所述待检测设备图像输入至所述骨干网络层， 得到不同尺寸的至少两个特征图； 所 述至少两个特征图为所述骨干网络层对所述待检测设备图像进行不同预设倍数的下采样 处理得到的； 所述骨干网络层为 通过骨干 搜索网络进行搜索并生成得到的； 将所述至少两个特征图输入至所述颈部网络层， 得到不同尺寸的至少两个融合特征 图； 所述至少两个融合特征图为所述颈部网络层对所述至少两个特征图进 行特征融合处理 得到的； 所述特征融合处理包括特征卷积处理、 上采样处理和特征拼接处理； 所述特征卷积 处理包括卷积运 算、 归一化、 批标准 化， 以及激活； 将所述至少两个融合特征图输入至所述头部网络层， 得到所述开关部件的实际开关状 态。 7.一种基于深度学习的配电房设备开关部件状态监测装置， 其特征在于， 所述装置包 括： 获取模块， 用于获取待检测设备图像； 所述待检测设备图像为对目标配电房中的 电力 设备进行拍摄得到的图像； 所述电力设备包括至少一个开关部件； 输入模块， 用于将所述待检测设备图像输入至台账标签识别模型， 得到台账标签文本 内容； 以及将所述待检测设备图像输入至开关部件状态识别模型， 得到所述开关部件的实 际开关状态； 所述台账 标签文本内容用于表征 所述电力设备的运行状态； 确定模块， 用于确定所述 开关部件在所述 运行状态下的期望开关状态； 生成模块， 用于若所述实 际开关状态与所述期望开关状态不匹配， 则生成针对所述电 力设备的告警提 示。 8.一种计算机设备， 包括存储器和处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处 理器执行所述计算机程序时实现权利要求1至 6中任一项所述的方法的步骤。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序被 处理器执行时实现权利要求1至 6中任一项所述的方法的步骤。权　利　要　求　书 2/3 页 3 CN 114301180 A 3