本发明涉及油位计的油位检测领域，尤其涉及一种基于深度学习的油位的识别方法及装置。
背景技术：
1、在电网领域，变电站油位计种类繁多且目标较小，油位计的视觉背景复杂，业务人员需要通过观察油位计的液面来判断是否存在异常。由于现场的工作环境危险，业务人员也不便直接到现场观察，且人员观察的结果存在主观因素，误差较大，效率慢。
2、因此，亟需一种精准高效的油位计自动读数新方法。
技术实现思路
1、针对上述技术问题，本发明提供了一种基于深度学习的油位的识别方法及装置，可全自动的实时性读数，确保了生产安全与高效。
2、本发明的第一方面，提供一种基于深度学习的油位的识别方法，包括：
3、获取拍摄的油位计图像；
4、利用目标识别网络模型定位出所述油位计图像中的油位计区域，对所述油位计区域进行语义分割处理，将所述油位计区域分割为空气区域与油位区域；
5、计算所述油位区域的面积及所述空气区域的面积，根据所述油位区域的面积及所述空气区域的面积计算油位计的油位读数。
6、在一可选实施方式中，所述利用目标识别网络模型定位出所述油位计图像中的油位计区域，包括：对于不同尺寸的油位计图像使用多尺度网络模型进行特征提取，并通过残差结构对所述油位计图像进行卷积操作，得到所述油位计图像的特征张量，根据所述特征张量定位所述油位计图像中的油位计区域。
7、在一可选实施方式中，所述对所述油位计区域进行语义分割处理，将所述油位计区域分割为空气区域与油位区域，包括：
8、采用xception模型对所述油位计区域进行语义分割处理，并基于空洞卷积网络控制特征提取的分辨率；
9、基于语义分割处理结果输出语义分割的二值图，根据所述二值图确定空气区域与油位区域。
10、在一可选实施方式中，所述基于语义分割处理结果输出语义分割的二值图，根据所述二值图确定空气区域与油位区域，包括：
11、利用blob分析算法根据所述二值图筛选出空气区域与油位区域。
12、在一可选实施方式中，所述利用blob分析算法根据所述二值图筛选出空气区域与油位区域，包括：
13、将所述二值化图中的油位区域的像素赋值255，非油位区域的像素赋值0；对油位区域的联通区域进行填充，通过blob分析算法找到面积最大的油位区域。
14、在一可选实施方式中，将所述二值化图中的空气区域的像素赋值255，非空气区域的像素赋值0；对空气区域的联通区域进行填充，通过blob分析算法找到面积最大的空气区域。
15、在一可选实施方式中，所述根据所述油位区域的面积及所述空气区域的面积计算油位计的油位读数时，采用以下公式计算：
16、oil_level_value＝oil_area/(air_area+oil_area+1e-5)；
17、其中oil_area为油位计的油位区域的面积,air_area油位计的空气区域的面积。
18、本发明的第二方面，提供一种基于深度学习的油位的识别装置，包括：
19、获取模块，用于获取拍摄的油位计图像；
20、识别模块，用于利用目标识别网络模型定位出所述油位计图像中的油位计区域，对所述油位计区域进行语义分割处理，将所述油位计区域分割为空气区域与油位区域；
21、读取模块，用于计算所述油位区域的面积及所述空气区域的面积，根据所述油位区域的面积及所述空气区域的面积计算油位计的油位读数。
22、本发明的第三方面，提供一种电子设备，包括：
23、至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如本发明实施例的第一方面所述的方法。
24、本发明的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被计算机运行时，执行如本发明实施例的第一方面所述的方法。
25、本发明利用图像识别技术有效解决了传统人工巡检效率慢的问题，减少了人力成本；避免了因人工主观影响导致的错误读数，确保了生产安全与生产效率，满足了油位计读数的精度和效率要求。
1.一种基于深度学习的油位的识别方法，其特征在于，包括：
2.根据权利要求1所述的基于深度学习的油位的识别方法，其特征在于，所述利用目标识别网络模型定位出所述油位计图像中的油位计区域，包括：对于不同尺寸的油位计图像使用多尺度网络模型进行特征提取，并通过残差结构对所述油位计图像进行卷积操作，得到所述油位计图像的特征张量，根据所述特征张量定位所述油位计图像中的油位计区域。
3.根据权利要求1所述的基于深度学习的油位的识别方法，其特征在于，所述对所述油位计区域进行语义分割处理，将所述油位计区域分割为空气区域与油位区域，包括：
4.根据权利要求3所述的基于深度学习的油位的识别方法，其特征在于，所述基于语义分割处理结果输出语义分割的二值图，根据所述二值图确定空气区域与油位区域，包括：
5.根据权利要求4所述的基于深度学习的油位的识别方法，其特征在于，所述利用blob分析算法根据所述二值图筛选出空气区域与油位区域，包括：
6.根据权利要求4或5所述的基于深度学习的油位的识别方法，其特征在于，将所述二值化图中的空气区域的像素赋值255，非空气区域的像素赋值0；对空气区域的联通区域进行填充，通过blob分析算法找到面积最大的空气区域。
7.根据权利要求1所述的基于深度学习的油位的识别方法，其特征在于，所述根据所述油位区域的面积及所述空气区域的面积计算油位计的油位读数时，采用以下公式计算：
8.一种基于深度学习的油位的识别装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被计算机运行时，执行如权利要求1至7中任一项所述的基于深度学习的油位的识别方法。
