本發(fā)明涉及單兵檢修，更具體地說，本發(fā)明涉及基于數(shù)字化的單兵檢修調(diào)控方法及系統(tǒng)。

背景技術(shù)：

1、智能變電站檢修通常包括現(xiàn)場巡檢、設(shè)備維護(hù)和故障處理等工作。現(xiàn)場檢修人員佩戴ar設(shè)備或使用便攜式終端，對變電站設(shè)備進(jìn)行巡視和檢測，利用高清攝像頭實(shí)時(shí)拍攝關(guān)鍵設(shè)備的圖像和視頻，并通過5g或?qū)Ｓ脽o線網(wǎng)絡(luò)傳輸至遠(yuǎn)程專家端。遠(yuǎn)程專家通過ar端接收現(xiàn)場畫面，并利用增強(qiáng)現(xiàn)實(shí)技術(shù)對圖像進(jìn)行分析，包括設(shè)備狀態(tài)評估、故障點(diǎn)識別及操作指引?；趯?shí)時(shí)畫面，專家可以疊加可視化標(biāo)注、發(fā)送檢修方案，或調(diào)用歷史數(shù)據(jù)進(jìn)行對比分析，輔助現(xiàn)場人員精準(zhǔn)執(zhí)行檢修任務(wù)。系統(tǒng)可結(jié)合人工智能算法，對圖像進(jìn)行區(qū)域分割和興趣點(diǎn)提取，提高數(shù)據(jù)處理效率，確保關(guān)鍵部件信息的準(zhǔn)確傳輸。最終，現(xiàn)場人員依據(jù)專家指令完成檢修，整個(gè)過程實(shí)現(xiàn)高效、精準(zhǔn)的遠(yuǎn)程協(xié)同，提高變電站運(yùn)維的智能化水平。

2、例如公告號為：cn117193237a的發(fā)明專利公告的一種基于超圖和transformer的自適應(yīng)診斷方法及系統(tǒng)，包括：s1.獲取自動(dòng)化系統(tǒng)中設(shè)備的故障數(shù)據(jù)并進(jìn)行數(shù)據(jù)預(yù)處理；s2.對不具有圖網(wǎng)絡(luò)結(jié)構(gòu)的數(shù)據(jù)，利用步驟s1得到的預(yù)處理后的數(shù)據(jù)進(jìn)行構(gòu)圖，選擇k個(gè)最近的子序列與中心子序列形成超圖；s3.超圖數(shù)據(jù)輸入到超圖卷積和transformer中完成高階、局部和全局信息的提取；s4.基于自適應(yīng)融合機(jī)制獲得最終的融合特征；s5.將融合特征使用多層感知機(jī)映射到相應(yīng)的維度空間中，最后使用損失函數(shù)進(jìn)行優(yōu)化。在多種數(shù)據(jù)集和干擾場景下的實(shí)驗(yàn)結(jié)果表明，具有較好的泛化性能和較強(qiáng)的魯棒性。

3、上述公開的技術(shù)方案中，至少存在如下技術(shù)問題：傳統(tǒng)的固定壓縮方案，固定壓縮比往往無法同時(shí)滿足關(guān)鍵設(shè)備區(qū)域細(xì)節(jié)保留和背景區(qū)域高效傳輸?shù)囊?。高壓縮比雖然有利于降低數(shù)據(jù)量、提高傳輸速率，但可能導(dǎo)致設(shè)備邊緣、裂紋及銘牌等重要細(xì)節(jié)信息丟失；反之，低壓縮比則在保證圖像質(zhì)量的同時(shí)，增加數(shù)據(jù)傳輸負(fù)擔(dān)，不利于實(shí)時(shí)監(jiān)控。

4、針對上述問題，本發(fā)明提出一種解決方案。

技術(shù)實(shí)現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的實(shí)施例提供基于數(shù)字化的單兵檢修調(diào)控方法，通過圖像分區(qū)域壓縮調(diào)控技術(shù)，以解決智能變電站檢修中現(xiàn)場圖像視頻傳輸關(guān)鍵設(shè)備數(shù)據(jù)時(shí)，在處理及傳輸上難以兼顧效率與準(zhǔn)確性的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

3、基于數(shù)字化的單兵檢修調(diào)控方法，包括如下步驟：獲取檢修現(xiàn)場圖像，并對圖像進(jìn)行分割和預(yù)處理，得到第一超像素區(qū)域集合；獲取第一超像素區(qū)域集合的第一數(shù)據(jù)，并基于卷積神經(jīng)網(wǎng)絡(luò)建立圖像壓縮評估模型，生成每個(gè)超像素區(qū)域的圖片調(diào)整值；基于圖片調(diào)整值對檢修現(xiàn)場圖像每個(gè)超像素區(qū)域進(jìn)行分別壓縮，得到調(diào)整圖片，并遍歷每一個(gè)檢修現(xiàn)場圖像作為圖片幀構(gòu)成檢修現(xiàn)場視頻；根據(jù)剔除規(guī)則更新檢修現(xiàn)場視頻，上傳至ar端輔助變電站檢修。

4、在一個(gè)優(yōu)選的實(shí)施方式中，所述對圖像進(jìn)行分割和預(yù)處理，得到第一超像素區(qū)域集合，具體為：所述第一超像素區(qū)域包括若干超像素區(qū)域；對檢修現(xiàn)場圖像基于超像素分割技術(shù)進(jìn)行分割處理，獲取第二超像素區(qū)域集合；對第二超像素區(qū)域集合的各個(gè)超像素區(qū)域進(jìn)行hsv顏色轉(zhuǎn)換，獲取相應(yīng)的顏色特征，并基于顏色特征進(jìn)行數(shù)據(jù)分析，標(biāo)記污穢區(qū)域；基于污穢區(qū)域以及otsu閾值分割方法，對第二超像素區(qū)域集合中的污穢區(qū)域進(jìn)行剔除，更新第一超像素區(qū)域集合。

5、在一個(gè)優(yōu)選的實(shí)施方式中，所述第一數(shù)據(jù)包括紋理復(fù)雜數(shù)據(jù)，其具體獲取方法如下：獲取每個(gè)超像素區(qū)域的像素點(diǎn)，通過lbp對像素點(diǎn)進(jìn)行處理，獲得該像素點(diǎn)的lbp值的方差，將每個(gè)超像素區(qū)域內(nèi)lbp值的方差，作為紋理復(fù)雜度數(shù)據(jù)。

6、在一個(gè)優(yōu)選的實(shí)施方式中，所述第一數(shù)據(jù)包括目標(biāo)區(qū)域占比數(shù)據(jù)，具體獲取方法如下：獲取關(guān)鍵設(shè)備像素?cái)?shù)據(jù)，基于像素統(tǒng)計(jì)法判斷關(guān)鍵設(shè)備像素在每個(gè)超像素區(qū)域中的像素比例，得到第一比例；將預(yù)設(shè)的像素比例閾值與第一比例進(jìn)行對比，判斷每個(gè)超像素區(qū)域是否為目標(biāo)區(qū)域，并將所述目標(biāo)區(qū)域在所述超像素區(qū)域的占比作為目標(biāo)區(qū)域占比數(shù)據(jù)。

7、在一個(gè)優(yōu)選的實(shí)施方式中，所述第一數(shù)據(jù)包括設(shè)備故障率權(quán)重壓縮率數(shù)據(jù)，具體獲取方法如下：基于目標(biāo)檢測網(wǎng)絡(luò)識別檢修現(xiàn)場圖像中各個(gè)超像素區(qū)域的設(shè)備類型并結(jié)合設(shè)備歷史數(shù)據(jù)庫獲得設(shè)備信息，并計(jì)算獲得每個(gè)設(shè)備故障率權(quán)重；基于所述設(shè)備故障率權(quán)重與預(yù)設(shè)的圖片壓縮率構(gòu)建設(shè)備故障率權(quán)重壓縮數(shù)據(jù)比例模型，并輸出設(shè)備故障率權(quán)重壓縮率數(shù)據(jù)。

8、在一個(gè)優(yōu)選的實(shí)施方式中，所述基于卷積神經(jīng)網(wǎng)絡(luò)建立圖像壓縮評估模型，生成每個(gè)超像素區(qū)域的圖片調(diào)整值，具體為：根據(jù)所述第一數(shù)據(jù)，基于卷積神經(jīng)網(wǎng)絡(luò)建立多維度圖像壓縮評估模型，并基于所述多維度圖像壓縮評估模型獲取每個(gè)超像素區(qū)域的圖片調(diào)整值。

9、在一個(gè)優(yōu)選的實(shí)施方式中，所述基于圖片調(diào)整值對檢修現(xiàn)場圖像每個(gè)超像素區(qū)域進(jìn)行分別壓縮，得到調(diào)整圖片，并遍歷每一個(gè)檢修現(xiàn)場圖像作為圖片幀構(gòu)成檢修現(xiàn)場視頻，具體為：預(yù)設(shè)檢修現(xiàn)場圖像的圖片標(biāo)準(zhǔn)值，并與檢修現(xiàn)場圖像的每個(gè)超像素區(qū)域的圖片調(diào)整值比較，得到每個(gè)超像素區(qū)域的調(diào)整比例；基于調(diào)整比例對檢修現(xiàn)場圖像的每個(gè)超像素區(qū)域分別進(jìn)行對應(yīng)的比例調(diào)整，獲得調(diào)整圖片；遍歷調(diào)整每一個(gè)檢修現(xiàn)場圖像作為圖片幀構(gòu)成檢修現(xiàn)場視頻。

10、在一個(gè)優(yōu)選的實(shí)施方式中，所述剔除規(guī)則包括清晰度剔除，具體為：

11、獲取檢修現(xiàn)場視頻幀圖片并根據(jù)laplacian變換計(jì)算幀圖片的laplacian方差作為清晰度評估值，將小于預(yù)設(shè)第一閾值的清晰度評估值對應(yīng)的幀圖片進(jìn)行剔除并更新檢修現(xiàn)場視頻。

12、在一個(gè)優(yōu)選的實(shí)施方式中，所述剔除規(guī)則包括自適應(yīng)時(shí)間間隔剔除，具體為：獲取更新后檢修現(xiàn)場視頻幀圖片的實(shí)際時(shí)間間隔作為自適應(yīng)時(shí)間間隔；通過laplacian變換計(jì)算相鄰幀圖片的清晰度變化量作為自適應(yīng)時(shí)間間隔的權(quán)重，調(diào)整更新自適應(yīng)時(shí)間間隔；當(dāng)實(shí)際時(shí)間間隔小于自適應(yīng)時(shí)間間隔時(shí)，計(jì)算該幀圖片與前一幀圖片的清晰度變化量；若清晰度變化量小于設(shè)定第二閾值，將實(shí)際時(shí)間間隔對應(yīng)的幀圖片剔除，并更新檢修現(xiàn)場視頻。

13、基于數(shù)字化的單兵檢修調(diào)控系統(tǒng)，包括圖像分割處理模塊、數(shù)據(jù)獲取模塊、圖片壓縮評估模塊以及圖片壓縮調(diào)整模塊；圖像分割處理模塊，用于獲取檢修現(xiàn)場圖像，并進(jìn)行分割和預(yù)處理，得到超像素區(qū)域集合；數(shù)據(jù)獲取模塊，用于獲取超像素區(qū)域集合的第一數(shù)據(jù)，所述第一數(shù)據(jù)包括紋理復(fù)雜數(shù)據(jù)、目標(biāo)區(qū)域占比數(shù)據(jù)、任務(wù)需求權(quán)重和設(shè)備故障率權(quán)重壓縮率數(shù)據(jù)；圖片壓縮評估模塊，用于根據(jù)第一數(shù)據(jù)，基于卷積神經(jīng)網(wǎng)絡(luò)建立圖像壓縮評估模型，生成每個(gè)超像素區(qū)域的圖片調(diào)整值；圖片壓縮調(diào)整模塊，用于基于圖片調(diào)整值對檢修現(xiàn)場圖像每個(gè)超像素區(qū)域進(jìn)行分別壓縮，得到調(diào)整后圖片數(shù)據(jù)，上傳至ar端輔助變電站檢修。

14、本發(fā)明基于數(shù)字化的單兵檢修調(diào)控方法及系統(tǒng)的技術(shù)效果和優(yōu)點(diǎn)：

15、1.本發(fā)明通過獲取檢修現(xiàn)場圖像數(shù)據(jù)，并基于超像素分割、顏色特征分析和otsu閾值分割進(jìn)行預(yù)處理，獲取超像素區(qū)域集合，實(shí)現(xiàn)了對圖像中關(guān)鍵設(shè)備區(qū)域與背景或污穢區(qū)域的精準(zhǔn)劃分，從而確保關(guān)鍵細(xì)節(jié)信息得以有效保留，并為后續(xù)紋理復(fù)雜度、目標(biāo)區(qū)域占比數(shù)據(jù)和故障率權(quán)重?cái)?shù)據(jù)的提取提供了準(zhǔn)確的基礎(chǔ)。

16、2.本發(fā)明通過獲取超像素區(qū)域集合的紋理復(fù)雜數(shù)據(jù)、目標(biāo)區(qū)域占比數(shù)據(jù)和故障率權(quán)重?cái)?shù)據(jù)，并結(jié)合任務(wù)需求權(quán)重，建立圖像壓縮評估模型，使得在不同檢修任務(wù)（如巡檢、故障診斷或ocr識別）和現(xiàn)場環(huán)境下能夠動(dòng)態(tài)調(diào)節(jié)圖像壓縮比，既降低了數(shù)據(jù)傳輸量，提高了傳輸效率，又保證了關(guān)鍵區(qū)域的高質(zhì)量呈現(xiàn)，從而有效提升了遠(yuǎn)程單兵檢修系統(tǒng)的實(shí)時(shí)性和響應(yīng)能力。