變電圖像分析算法交底材料（二）

承接上篇
··························································································································
球狀刀閘開關狀態識別
圖例：
圖像要求：1.文字區域清晰可見。球狀刀閘分合總體區域大於 200x200（1080p）。2.球狀刀閘有兩塊顏色和文字區域，無特殊角度要求，只須要其中一邊明顯清晰就能夠識別，以下圖所示：
自有數據集上識別準確率：95%以上。
識別速度：400ms/幀。
分合文字狀態識別
圖例：
圖像要求：1.字符區域完整清晰無遮擋，文字分合總體區域大於 200x200（1080p）。
自有數據集上識別準確率：95%以上。
識別速度：400ms/幀。
備註：保證目標清晰明確。攝像機焦距合適。分合文字開關主要依靠顏色和中文字符判斷其狀態，所以光照會對其形成必定的影響，過亮會出現反光的狀況，致使判斷不許確。夜晚拍攝會有色差，沒法分辨綠色或者紅色，晚上拍攝也會影響文字的識別準確率。
指針式分合開關狀態識別
圖例：
圖像要求：1.紅色指針區域完整清晰無遮擋，指針加分合字符總體區域大於 200x200（1080p）。2.攝像機與目標區域與目標區域法線之間的夾角不大於45度3.儘可能避免反光狀況
自有數據集上識別準確率：95%以上。
識別速度：600ms/幀。

1.1.4 油位狀態識別算法

室外油位視窗讀數識別
支持圖例：


圖像要求：1.視窗外觀清晰，視窗內部油位位置清晰。油位視窗區域200x200以上（1080p）。2.攝像機與油位視窗連線與油位計法線之間的夾角不大於30度；
自有數據集上識別準確率：90%左右。
識別速度：800ms/幀。
備註：圖像中OSD會對目標形成干擾甚至是遮擋（以下圖）。油位視窗主要識別視窗中的黑線或者白線，所以在夜晚環境或者陽光過於強烈的環境中會致使線條不明顯，從而影響識別結果。
以下圖，左圖因爲光線不合適，幾乎沒法看到油位視窗的位置，油位位置沒法識別。第二張圖片中，任務巡檢中這幾個OSD對油位視窗形成了干擾。

1.1.5 數字識別算法

計數器數字識別
支持圖例：

圖像要求：1.數字區域清晰可見，總體數字區域在70x70以上（1080p）。2.攝像機與目標區域與目標區域法線之間的夾角不大於15度(表計上的數字能夠到30度)；3. 攝像機安裝位置及角度應避免目標區域有反光；
自有數據集上識別準確率：85%。
識別速度：500ms/幀。
LED數字識別
圖例：
圖像要求：1.數字區域清晰可見，總體數字區域70x70以上（1080p）。2.攝像機與目標區域與目標區域法線之間的夾角不大於30度；3. 攝像機安裝位置及角度應避免目標區域有反光；
自有數據集上識別準確率：88%。
識別速度：500ms/幀。
備註：小數點識別效果不佳，目前提供的數字識別不包含小數點。led數字會有反光、光暈的狀況，這些狀態下識別效果不佳（70%左右），拍攝時儘可能保證光照條件合適，以下圖所示：

1.1.5 匯控櫃類狀態識別算法

把手狀態識別
圖例：
圖像要求：1.目標區域清晰可見，待檢測目標區域100x100（1080p）以上 2.攝像機與目標區域與目標區域法線之間的夾角不大於45度；
自有數據集上識別準確率：95%。
識別速度：400ms/幀。
備註：保證目標清晰明確。
柱狀壓板狀態識別
圖例：
圖像要求：1.單個壓板區域大於50x100（1080p）。2.攝像機與目標區域與目標區域法線之間的夾角不大於20度；
自有數據集上識別準確率：95%以上。
識別速度：400ms/幀。
備註：保證目標清晰明確。保證壓板的完整性，若是有壓板在圖像邊界處，在圖片中不完整，會形成識別不許。下圖爲傾斜圖片示例，該圖片最後一排右下角兩個壓板因爲俯視角度過大，開合狀態較難分辨。
一字壓板狀態識別
圖例：
圖像要求：1.單個壓板區域大於50x100（1080p）2.攝像機與目標區域與目標區域法線之間的夾角不大於20度；
自有數據集上識別準確率：92%以上。
識別速度：400ms/幀。
備註：保證目標清晰明確。保證壓板的完整性，若是有壓板在圖像邊界處，在圖片中不完整，會形成識別不許。
空氣開關狀態識別
圖例：
圖像要求：1.單個空氣開關區域大於 100x50（1080p）。2.攝像機與目標區域與目標區域法線之間的夾角不大於20度；
目前在咱們本身的數據集上識別準確率：95%。
識別速度：400ms/幀。
備註：保證目標清晰明確。保證空氣開關的完整性。
指示燈亮滅識別
圖例：
圖像要求：1.指示燈清晰完整便可。單個指示燈區域大於 50*50（1080p）。2.攝像機與目標區域與目標區域法線之間的夾角不大於20度；3. 攝像機安裝位置及角度應避免目標區域有反光；
自有數據集上識別準確率：90%。（主要在小指示燈識別上容易判錯）識別速度：400ms/幀。

1.2缺陷識別類算法

1.2.1 表計模糊識別

圖例：
對錶計外觀是否存在雨水等模糊現象進行識別。
在現有數據集上的評價值：77%（按照電科院的標準，最終評價值=0.5AP+0.3Recall+0.2*Precision,下同）。
識別速度：800ms/幀。

1.2.2 表計破損識別

圖例：
對錶計及外殼外觀是否存在破碎/裂紋等現象進行識別。
在現有數據集上的評價值：79%。
識別速度：800ms/幀。

1.2.3 絕緣子破損識別

圖例:
對絕緣子串是否存在破碎/裂紋等缺陷進行識別。
在現有數據集上的評價值：53%。識別速度：800ms/幀。

1.2.4 呼吸器硅膠變色識別

圖例:
對呼吸器硅膠變色的缺陷進行識別。
在現有數據集上的評價值：90.2%。
識別速度：800ms/幀。

1.2.5 呼吸器油封破碎識別

圖例:
對呼吸器油封及硅膠桶破碎的缺陷進行識別。在現有數據集上的評價值：79%。
識別速度：800ms/幀。

1.2.6 高空懸浮物識別

圖例：
對變電站區域內塑料袋/飄帶等高空懸浮物進行識別。
在現有數據集上的評價值：47.4%。
識別速度：800ms/幀。

1.2.7 鳥窩異物識別

圖例：
對變電站區域內鳥窩異物進行識別檢測。
在現有數據集上的評價值：78.4%。
識別速度：800ms/幀。

1.2.8 地面油污識別

圖例：
對變電站區域地面滲漏油缺陷進行識別檢測。
在現有數據集上的評價值：60.9%。
識別速度：800ms/幀。

1.2.9 部件油污識別

圖例：
對變電區域內部件滲漏油缺陷進行識別檢測。
在現有數據集上的評價值：47.4%。
識別速度：800ms/幀。

1.2.10 金屬鏽蝕識別

圖例：
對變電區域內的金屬鏽蝕缺陷進行識別檢測。
在現有數據集上的評價值：44.1%。
識別速度：800ms/幀。

2. 典型問題釋疑

2.1表計讀數識別對錶計拍攝角度有什麼要求

表計的識別對圖像拍攝角度沒有明顯特別要求，主要對錶計目標尺寸有要求，最好在300*300像素以上。
表計識別目前的侷限主要在如下幾點：
指針相對錶盤背景對比不明顯時，識別略差，以下圖（右圖的角度也能接受，但對比度不明顯）



顏色相同的指針存在沒法分辨的問題（即兩個指針輸出兩個相同的讀數）

2.2 表計區域300*300像素如下是否就無法識別

咱們建議表計區域300*300像素以上爲佳，表計尺寸較小但表計指針部分相對錶盤背景明顯一樣可測，但容易不穩定，受光照等外部條件影響大。以下圖。

2.3 圖像中存在多個表計，可否同時識別

能夠同時識別。但應用端須要作些對應，哪一個讀數對應哪一個表。而且多個表計的朝向沒有特別要求。

2.4哪些算法須要配置，預置點偏離後算法是否還能準確識別

目前只有表計類(確切說是指針類)算法須要人工配置，也就這類算法對預置點的偏離和人爲移動相對敏感，算法能夠修正平移誤差，但大的旋轉變化會引發讀數識別錯誤。

2.5表計種類不少，同一種表計外觀也不盡相同，目前支持哪些表計的識別

包括但不限於上述類型的表計，原則上，不管表計外觀如何，全部指針型表計均可以識別（包含下圖類型），也包括單指針/顏色不一樣的雙指針，可是須要提供對應的素材評估以及進行訓練

2.6隔離開關通常有A/B/C三相，能夠同時識別嗎

一張圖像中包含A/B/C三相，可支持同時識別，但須要上層應用作對應（分屬哪一個開關）。分析服務器只給出位置和開關狀態信息。同理，一張圖片弱包含多個目標也須要上層應用作對應。

2.7夜晚條件可否識別

原則上夜晚是沒法進行正常的巡檢。不少的分析算法是依賴於顏色信息的