(19)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 202210244903.9 (22)申请日 2022.03.14 (71)申请人 国网上海市电力公司 地址 200122 上海市浦东 新区源深路1 122 号 (72)发明人 陈明　王钰楠　吉成越　马媛　 兰森林　毛迪林　曹袖　沈嘉怡　 秦虹　何慧之　 (74)专利代理 机构 上海兆丰知识产权代理事务 所(有限合 伙) 31241 专利代理师 章蔚强 (51)Int.Cl. G06V 10/44(2022.01) G06T 7/00(2017.01) G06T 7/13(2017.01) (54)发明名称 一种基于机器学习及边缘检测的电力设施 规范性判断系统 (57)摘要 本发明公开了一种基于机器学习及边缘检 测的电力设施规范性判断系统， 包括如下步骤： 步骤1， 运用机器学习中的yolo目标检测算法对 表箱照片中的关键元器件进行抽取； 步骤2， 将抽 取出的关键元器件进行图像处理， 找出关键元器 件的边缘结构特征， 包括边框、 边长度、 边界框面 积； 步骤3， 据边缘结构特征计算目标的距离、 倾 斜角来判断目标是否符合安装规范。 本发明将机 器学习中目标检测技术与边缘检测技术相结合， 通过目标检测定位图像中的待识别物体， 裁剪去 除图像背景后的目标图像， 再借助于边缘检测算 法提取裁剪图像的轮廓特征， 计算目标物体的相 关数据， 提高了目标识别准确率及参数的精度。 权利要求书1页 说明书4页 附图1页 CN 114638970 A 2022.06.17 CN 114638970 A 1.一种基于机器学习及边缘检测的电力设施规范性判断系统， 其特征在于， 包括如下 步骤： 步骤1， 运用机器学习中的yo lo目标检测算法对表 箱照片中的关键元器件进行抽取； 步骤2， 将抽取出的关键元器件进行图像处理， 找出关键元器件的边缘结构特征， 包括 边框、 边长度、 边界框面积； 步骤3， 据边 缘结构特 征计算目标的距离、 倾 斜角来判断目标 是否符合 安装规范。 2.根据权利要求1所述的一种基于机器学习及边缘检测的电力设施规范性判断系统， 其特征在于， 步骤1的具体实现方法为， 利用机器学习中的yolo模型， 将表箱外壳、 表箱内部 电表提取出来， 作为后续边缘检测 算法的输入， 便于后续边缘检测算法进行轮廓点的查找 以及角度判断。 3.根据权利要求1所述的一种基于机器学习及边缘检测的电力设施规范性判断系统， 其特征在于， 步骤2中， 对于表箱外壳边框、 电表边框的相关部位进 行边缘检测提取轮廓点， 再进行角度判断、 距离测量的计算策略。权　利　要　求　书 1/1 页 2 CN 114638970 A 2一种基于机 器学习及边缘检测的电力设施规范性判断系统 技术领域 [0001]本发明涉及一种用于电力表箱运维领域的基于机器学习及边缘检测的电力设施 规范性判断系统。 背景技术 [0002]用户电表是整个电网系统稳定高效运行中十分重要的一环。 电表正确、 安全地运 行可以帮助电力公司掌握用户的用电数据， 合理收费， 并分析用户的用户行为习惯， 从而得 到用户全面立体的用电状况， 进一步可以得到更深层次的分析结论。 由于电表安装工人安 装过程的不规范、 用户私自改装电表、 电表外界环境的影响等不可控因素， 在实际生活中， 电表表箱状态是非常复杂的。 电表表箱可能存在例如安装角度倾斜、 安装高度距离地面不 够、 表箱内部元器件之间的距离不合适等多种错误。 现有视觉识别技术通常首先对图像做 灰度处理， 利用边缘检测算法找出图像中各目标的轮廓点， 再根据轮廓特征找出目标物体 并对其进行参数检测和计算， 但是由于实际应用场景下由于拍摄角度以及场景光线的影 响， 会使得判断结果有很大的误差， 无法满足 实际需求。 发明内容 [0003]本发明的目的是为了克服现有技术的不足， 提供一种基于机器学习及 边缘检测的 电力设施规范性判断系统， 能够对电表 表箱内的重点元器件进行安装状态的准确识别。 [0004]实现上述目的的一种技术方案是： 一种基于机器学习及 边缘检测的电力设施规范 性判断系统， 包括如下步骤； [0005]步骤1， 运用机器学习中的yolo目标检测算法对表箱照片中的关键元器件进行抽 取； [0006]步骤2， 将抽取出的关键元器件进行图像处理， 找出关键元器件的边缘结构特征， 包括边框、 边长度、 边界框面积； [0007]步骤3， 据边 缘结构特 征计算目标的距离、 倾 斜角来判断目标 是否符合 安装规范。 [0008]2.根据权利要求1所述的一种基于机器学习及边缘检测的电力设施规范性判断系 统， 其特征在于， 步骤1的具体实现方法为， 利用机器学习中的yolo模型， 将表箱外壳、 表箱 内部电表提取出来， 作为后续边缘检测 算法的输入， 便于后续边缘检测 算法进行轮廓点的 查找以及角度判断。 [0009]3.根据权利要求1所述的一种基于机器学习及边缘检测的电力设施规范性判断系 统， 其特征在于， 步骤2中， 对于表箱外壳边框、 电表 边框的相关部位进 行边缘检测提取轮廓 点， 再进行角度判断、 距离测量的计算策略。 [0010]采用了本发明的一种基于机器学习及边缘检测的电力设施规范性判断系统， 利用 yolo算法， 根据不同部位对照片中无关紧要的部分进行筛选， 只留下比较重要的部分进行 边缘检测， 提取表箱中元器件的边缘轮廓特征， 计算 目标物体的相关数据来对安装角度以 及安装距离、 高度进行判别， 效率高误差小， 能满足 实际应用需要。说　明　书 1/4 页 3 CN 114638970 A 3