(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 202111629027.3 (22)申请日 2021.12.28 (71)申请人 吴晓铭 地址 610000 四川省成 都市高新区富 华南 路1606号5栋1单元1101号 (72)发明人 吴晓铭　 (74)专利代理 机构 深圳市科吉华烽知识产权事 务所(普通 合伙) 44248 代理人 李毅 (51)Int.Cl. G06V 20/50(2022.01) G06V 10/74(2022.01) G06V 10/26(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06F 16/51(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01) (54)发明名称 一种水电站现场巡查信息分析的方法及系 统 (57)摘要 本发明适用于信息分析领域， 提供了一种水 电站现场巡查信息分析的方法及系统， 所述方法 包括以下步骤： 步骤S1： 输入本期水电站现场巡 查采集的图像； 步骤S2： 根据输入图像所包含的 位置信息， 进行建筑物名称、 位置识别； 步骤S3： 并根据所识别的图像位置信息， 调取相同位置上 期巡查所获得的图像； 旨在解决现有技术中水电 站采用无人机等手段进行辅助巡查等探索， 由于 所采集的图像信息仍需要人工查看分析， 效率 低、 时间长， 无法满足 实际要求的技 术问题。 权利要求书2页 说明书5页 附图1页 CN 114299441 A 2022.04.08 CN 114299441 A 1.一种水电站现场巡查信息分析的方法， 其特 征在于， 所述方法包括以下步骤： 步骤S1： 输入本期水电站现场巡查采集的图像； 步骤S2： 根据输入图像所包 含的位置信息， 进行建筑物名称、 位置识别； 步骤S3： 并根据所识别的图像位置信息， 调取相同位置上期巡查所获得的图像； 步骤S4： 计算本期和上期巡查所获得的图像相似度， 判断结果是否满足要求， 如果满足 要求， 则表明建筑物该位置从上期 巡查至本期 巡查期间的运行状况正常； 如不满足要求， 则 表明建筑物该位置在此期间的状态发生了变化； 步骤S5： 对相似度不能满足要求的图像， 将本期与上期图像进行同比例切割， 并逐一计 算切割后相同位置的本期与上期分块图像的相似度， 找出相似度计算不满足要求的分块图 像； 步骤S6： 将相似度计算不满足要求的、 本期巡查采集的分块图像输入到卷积神经网络 进行分析， 识别该图像显示的特 征所属的水电站病害的种类； 步骤S7： 根据识别的水电站病 害种类以及分块图像切割比例、 建筑物位置， 综合分析判 断该位置所 出现的水电站病害的规模； 步骤S8： 根据所有输入图像的识别分析结果， 综合统计、 提出有关建筑物上期至本期巡 查期间的运行状况及异常部位病害状况的巡查报告； 步骤S9： 将完成对比分析和分割处理的、 特征提取的本期巡查采集的图像存入图像数 据库， 自动充实水电站常见病害训练数据库。 2.根据权利要求1所述的方法， 其特征在于， 所述步骤S4中计算本期和上期巡查所获得 的图像相似度是通过 结构相似度量 来度量两幅图像在亮度、 对比度、 结构层面上的差异。 3.根据权利要求2所述的方法， 其特 征在于， 所述相似度量计算如下： SSIM算法是输入两张图片， 即源图像X和对比图像Y， 根据物体表面亮度信息与照度和 反射系数有关， 且场景中物体的结构与照度是独立的， 反射系数与物体本身有关特性， 通过 分离亮度对比函数L （x,y） 、 对比度对比函数C （x,y） 、 结构对比函数S （x,y） 可进行SSIM指数 函数计算： SSIM （x,y） = 〖[l(s,y)]〗 ^α  〖[c(x,y)]〗 ^β  〖[s(x,y)]〗 ^γ       （1） 公式中的α， β， γ  >0， 用来调整三个函数之间的重要性， 为了进一步简化公式， 可设α =β =γ=1， C3=C2/2即得到： SSIM （x,y） =((2 μ _x  μ _y+C1)(2 б _x  б _y+C2))/(( μ _x^2+ μ _y^2+C1)( б _x^2+ б _y^2+C2))   （2） SSIM取值范围[0,1]， 其 值越大， 表示两图像失真越小， 即越相似。 4.根据权利要求1 ‑3任一项所述的方法的系统， 其特征在于， 所述系统包括本期巡查图 像输入单元， 连接所述本期巡查图像输入单元 的图像位置识别单元， 连接所述图像位置识 别单元的图像相似度对比单元， 连接所述图像相似度对比单元的疑似病害图像处理单元、 数据输出单元及图像数据库， 连接所述疑似病害图像处理单元的卷积神经网络 分类识别单 元， 连接所述卷积神经网络分类识别单元 的病害结果分析单元及病害分类训练单元； 所述 病害结果分析单元分别与所述病害分类训练单元及所述数据输出单元连接， 所述数据输出 单元连接所述图像数据库； 所述本期巡查图像输入单 元： 用于巡查图像输入； 所述图像位置识别单 元： 用于识别本期巡查图像所属建筑物及位置信息；权　利　要　求　书 1/2 页 2 CN 114299441 A 2所述图像相似度对比单元： 用于从图像数据库中调取相同位置信 息的上期巡查获得的 图像， 并计算同一 位置的前后图像相似度， 并判断是否满足要求； 所述疑似病 害图像处理单元： 用于对相似度计算结果不满足要求的本期图像与上期巡 查所采集的图像进行同比例分割， 并逐一对分割后的同位置本期图像与上期巡查分块图像 进行相似度计算， 找出相似度不能满足要求的本期图像分块图像， 以备 下一单元使用； 所述卷积神经网络分类识别单元： 用于经过大量水电站常见病 害图像数据训练后的卷 积神经网络， 对不能满足要求的本期图像的分块图像进行常见病害种类识别； 所述病害结果分析单元： 用于根据分块图像切割比例、 病害种类、 病害所处位置信息， 综合分析判断所识别病害的规模； 所述数据输出单元： 用于本期所有巡查图像计算分析结果进行汇总， 按照规程规定的 文件格式提出有关 建筑物本期巡查报告； 所述图像数据库： 用于数据的存 储、 调取； 所述病害分类训练单元： 用于对卷积神经网络分类识别单元的卷积神经网络进行水电 站常见病害识别训练； 病害分类训练单元包含分类训练数据库， 数据库中存储大量实际采 集的水电站常见病害图像， 并经过具有水电站巡查实践和常见病害鉴别经验的专家进 行分 类标注， 卷积神经网络经过这些图像的训练， 可保证卷积神经网络分类识别的准确 性和可 靠性。 5.根据权利要求4所述的系统， 其特征在于， 所述卷积神经网络分类识别单元包括卷积 神经网络， 所述卷积神经网络包括三层卷积层： 第一层为输入层， 其用于输入大小为38x38 的图像， 分离出的各个小尺寸图像通过保持宽高比统一缩放到38x38的大小尺 寸， 第一层具 有三个通道， 分别用于接收输入图像的R、 G、 B三通道数据分量； 第一层卷积核的尺寸为3x3   , 特征图个数为6个， 第一层卷积层， 用于提取颜色相关的图像特征； 第一层卷积操作完成 后， 数据输入池化层， 该池化层数据接入第二层卷积层， 第二层卷积层 有8个具有3x3卷积核 的特征图， 第二层卷积层用于提取颜色特征在二维空间上 的分布关系； 第二层卷积层处理 完成的数据同样 接入池化层， 池化处理后， 数据接入第三层卷积层， 第三层卷积层 有12个具 有 3x3卷积核的特征图， 第三层卷积层用于提取病害 特征和其他干扰性特征在二 维空间上 的区分特征； 第三层卷积层处理结果送入输出层， 输出层按照常见水电站病害分类输出所 识别的病害类型 结果。权　利　要　求　书 2/2 页 3 CN 114299441 A 3