(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 202211011800.4 (22)申请日 2022.08.23 (71)申请人 国网山东省电力公司营销服 务中心 （计量中心） 地址 250001 山东省济南市 市中区大观园 经二路15 0号 申请人 国家电网有限公司 (72)发明人 赵曦　张志　荆臻　郭亮　陈祉如　 任昶羽　鲁毅　李琮琮　王平欣　 朱红霞　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 董雪 (51)Int.Cl. G06T 7/00(2017.01)G06N 3/06(2006.01) G06V 10/80(2022.01) (54)发明名称 一种基于图像融合的断路器流水线快速检 测方法及系统 (57)摘要 本公开属于图像处理技术领域， 具体涉及一 种基于图像融合的断路器流水线快速检测方法 及系统， 包括： 获取断路器图像； 对所 获取的图像 进行分块处理， 得到若干个图像块； 提取若干个 图像块的图像特征， 融合所提取的图像特征； 根 据融合后的图像特征， 构建断路器轮廓； 分解所 构建的断路器轮廓， 得到断路器不同组成结构的 轮廓； 根据所得到的断路器不同组成结构的轮廓 和多目标柔性流水线调度模型， 进行断路器检测 流水线的优化， 完成断路器流水线的快速 检测。 权利要求书3页 说明书12页 附图2页 CN 115456958 A 2022.12.09 CN 115456958 A 1.一种基于图像融合的断路器流水线快速检测方法， 其特 征在于， 包括： 获取断路器图像； 对所获取的图像进行分块处 理， 得到若干个图像块； 提取若干个图像块的图像特 征， 融合所提取的图像特 征； 根据融合后的图像特 征， 构建断路器 轮廓； 分解所构建的断路器 轮廓， 得到断路器不同组成结构的轮廓； 根据所得到的断路器不同组成结构的轮廓和多目标柔性流水线调度模型， 进行断路器 检测流水线的优化， 完成断路器流水线的快速检测。 2.如权利要求1中所述的一种基于图像融合的断路器流水线快速检测方法， 其特征在 于， 在提取若干个图像块的图像特征 的过程中， 对断路器的尺寸特征和框架特征进行定量 检测， 采用多尺度Gabor环绕抑制特征算法提取断路器图像初始特征， 将图像 分成大小相等 的m个图像块， 计算每 个图像块的Gabor特 征， 所述Gabor特 征的计算公式为： 其中， Mu,v为断路器图像块的Gabor特征， I(x,y)表示坐标为(x,y)的断路器图像块像素 灰度值， (x,y)表示像素坐标， u表示Gabor核函数的方向， v表示Gabor核函数的尺度， || ·|| 是范数运算符， *表示卷积运算， kmax为最大采样频率， σ2表示高斯函数的方差， γ为空间因 子， i为虚数单位； 将各个断路器图像块的Gabor特征进行同一方向不同尺度的特征融合， 具体为： 其中， Mu表示融合后的断路器图像初始特 征， V表示尺度的总数。 3.如权利要求1中所述的一种基于图像融合的断路器流水线快速检测方法， 其特征在 于， 构建二 维神经元矩阵， 通过非经典感受野的抑制作用， 抑制纹理信息， 构建断路器轮廓， 基于神经网络的深度非负矩阵分解算法进 行断路器轮廓的分解， 得到断路器不同组成结构 的轮廓； 所述基于神经网络的深度非负矩阵分解 算法的具体过程 为： 利用非线性映射函数， 将断路器图像轮廓特征数据投射到高维特征空间中， 得到断路 器图像的高维轮廓特征向量； 以断路器图像的高维轮廓特征数据为神经网络的输入， 初始 化输入数据的权向量， 将权向量的每个值赋一个随机值， 为输入数据加权， 增加断路器图像 的高维轮廓特征向量变量， 判断输入 数据的加权和是否达到预设阈值， 若达到， 则通过sign 函数输出1； 否则输出 ‑1。 4.如权利要求1中所述的一种基于图像融合的断路器流水线快速检测方法， 其特征在权　利　要　求　书 1/3 页 2 CN 115456958 A 2于， 对分解后轮廓的高维特征进 行降维处理， 基于断路器图像知识库， 构建多目标柔性流水 线调度模型， 优化断路器 检测流水线 整体设计； 所构建的多目标柔 性流水线调度模型的目标函数为： maxG(EPT,T TRD,WVPT,LT) 其中， G表示柔性流水线调度效率函数， EPT表示电气性能检测， TTRD表示脱扣温升检 测， WVPT表示耐压性能检测， LT表示寿命检测。 5.一种基于图像融合的断路器流水线快速检测系统， 其特 征在于， 包括： 获取模块， 其被 配置为获取断路器图像； 处理模块， 其被 配置为对所获取的图像进行分块处 理， 得到若干个图像块； 特征融合模块， 其被 配置为提取若干个图像块的图像特 征， 融合所提取的图像特 征； 轮廓处理模块， 其被配置为根据融合后的图像特征， 构建断路器轮廓； 分解所构建的断 路器轮廓， 得到断路器不同组成结构的轮廓； 检测模块， 其被配置为根据 所得到的断路器不同组成结构的轮廓和多目标柔性流水线 调度模型， 进行断路器 检测流水线的优化， 完成断路器流水线的快速检测。 6.如权利要求5中所述的一种基于图像融合的断路器流水线快速检测系统， 其特征在 于， 在所述特征融合模块， 提取若干个图像块的图像特征， 具体的， 对断路器的尺寸特征和 框架特征进 行定量检测， 采用多尺度Gabor环绕抑制特征算法提取断路器图像初始特征， 将 图像分成大小相等的m个图像块， 计算每个图像块的Gabor特征， 所述Gabor特征的计算 公式 为： 其中， Mu,v为断路器图像块的Gabor特征， I(x,y)表示坐标为(x,y)的断路器图像块像素 灰度值， (c,y)表示像素坐标， u表示Gabor核函数的方向， v表示Gabor核函数的尺度， || ·|| 是范数运算符， *表示卷积运算， kmax为最大采样频率， σ2表示高斯函数的方差， γ为空间因 子， i为虚数单位； 将各个断路器图像块的Gabor特征进行同一方向不同尺度的特征融合， 具体为： 其中， Mu表示融合后的断路器图像初始特 征， V表示尺度的总数。 7.如权利要求5中所述的一种基于图像融合的断路器流水线快速检测系统， 其特征在 于， 在所述轮廓处理模块中， 构建二维神经元矩阵， 通过非经典感受野的抑制作用， 抑制纹 理信息， 构建断路器轮廓， 基于神经网络的深度非负矩阵分解算法进 行断路器轮廓的分解， 得到断路器不同组成结构的轮廓； 所述基于神经网络的深度非负矩阵分解 算法的具体过程 为：权　利　要　求　书 2/3 页 3 CN 115456958 A 3