[0001] 本申请涉及变电站技术领域，特别是涉及一种设备顺控状态检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。

[0002] 随着科技的发展，在变电站领域也迎来了技术上的革新，在变电站部署一键顺控系统是一项提升变电站运行效率和安全性的重要举措，通过一键顺控系统能够使得运维人员在控制室内一键完成对电气设备的状态转换。

[0003] 目前，一键顺控系统通常采用双确认机制进行设备顺控状态检测，例如，分别以位置遥信作为第一判断依据和以视频图像作为第二判断判据，并在第一判断依据和第二判断依据一致时执行顺控操作，但是，由于电气设备所处工作环境的天气状况不可控，进而导致第二判断依据无法反映真实匹配电气设备的顺控状态参考需求，进而使得易出现设备顺控状态检测不准或者检测耗时过长等情况，所以，当前进行设备顺控状态检测的检测效果差。

[0047] 为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

[0048] 首先，应当理解的是，在设备进行倒闸操作的过程中，为准确检测电气设备顺控状态的变化情况，通常通过两种非同样原理或者非同源的指示发生对应变化，以实现双确认，例如，目前在变电站内通常采用以位置遥信作为第一判据，以摄像头对分合位置指示的识别作为第二判据进行双确认，但是，第二判据的可靠性易受到天气状况的影响，例如，在进行一键顺控操作的过程中经常会因为下雨天的雨水遮挡而导致采集到的顺控参考图像无法的准确识别开关和刀闸分合闸指示等，进而影响后续的双确认，最终导致出现顺控操作效率受影响或者雨天顺控安全性难以得到保障等情况，所以，目前亟需一种能够提升进行设备顺控状态检测的检测效果的设备顺控状态检测方法。

[0049] 在一个实施例中，如图1所示，提供了一种设备顺控状态检测方法，本实施例以该方法应用于终端进行举例，终端包括但不限于是个人计算机、笔记本电脑、智能手机和平板电脑等，终端包括获取模块、处理模块、第一检测模块和第二检测模块，获取模块用于获取待检测设备在所处作业天气状况下的顺控影响指标，其中，顺控影响指标用于表征作业天气状况对待检测设备进行一键顺控操作的影响程度，处理模块用于在检测到顺控影响指标异常的情况下，对待检测设备的顺控参考图像进行清晰化处理，得到待检测设备的顺控清晰图像，第一检测模块用于对顺控清洗图像进行顺控参考状态检测，得到待检测设备的顺控参考状态，第二检测模块用于根据顺控参考状态和待检测设备的实际顺控状态之间的状态比对结果，对待检测设备进行顺控状态检测，本实施例通过获取模块、处理模块、第一检测模块和第二检测模块之间的信息交互，在对待检测设备进行顺控状态检测的过程中，首先通过顺控影响指标定量化评估待检测设备所处作业天气状况对待检测设备进行一键顺控操作的影响程度，进而在检测到顺控影响指标异常的情况下，即，作业天气状况对待检测设备进行一键顺控操作影响程度大的情况下，对顺控参考图像进行清晰化处理，并基于清晰化处理得到的顺控清晰图像对检测得到待检测设备的顺控参考状态，最终根据顺控参考状态和待检测设备的实际顺控状态之间的状态比对结果，对待检测设备进行顺控状态检测，由于顺控清晰图像能够去除作业天气状况对第二判断依据的干扰，从而保证了待检测设备的顺控参考状态的可靠性，也即，克服了由于电气设备所处工作环境的天气状况不可控，进而导致第二判断依据无法反映真实匹配电气设备的顺控状态参考需求，进而使得易出现设备顺控状态检测不准或者检测耗时过长等情况的技术缺陷，所以，提升了进行设备顺控状态检测的检测效果，可以理解的是，该方法也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。本实施例中，该方法包括以下步骤202至步骤208。其中：

[0050] 步骤202，获取待检测设备在所处作业天气状况下的顺控影响指标，其中，顺控影响指标用于表征作业天气状况对待检测设备进行一键顺控操作的影响程度。

[0051] 需要说明的是，待检测设备是指等待进行顺控状态检测的电气设备，具体可以为断路器、隔离开关以及接地开关等，作业天气状况是指待检测设备所处环境的天气状态，具体可以为雾天、雨天、雪天或者晴天等，可以理解的是，作业天气状况是待检测设备所处位置的局部区域的天气状况，设备顺控状态检测方法可应用于电网受控变电站，目前，电网受控变电站通常采用摄像头方式辅助进行设备顺控操作，但是，在异常作业天气状况下，通过摄像头采集得到的顺控参考图像会受到水滴或雪花等天气干扰物的遮挡，例如，下雨天的雨水遮挡导致采集图像无法辨别开关、刀闸分合闸指示，从而影响到待检测设备的一键顺控操作。

[0052] 需要说明的是，顺控影响指标用于表征作业天气状况对待检测设备进行一键顺控操作的影响程度，即，定量化评估作业天气状况对待检测设备进行一键顺控操作的影响，可以理解的是，顺控影响指标可以是操作可靠性评估模型的模型评估值，具体可以为百分数值，例如70%、80%或者90%，百分数值越大，则表示操作可靠性评估模型的可靠性越高，进而作业天气状况对一键顺控操作的影响程度越小，原因在于通过雨天顺控操作流程可真实反映第二判断依据，所以，可通过建立作业天气状况下的环境参数和顺控影响指标之间的映射关系，提取待检测设备在所处作业天气状况下的顺控影响指标，其中，作业天气状况下的环境参数可通过微气象传感器检测得到，例如，在一种可实施的方式中，假设作业天气状况为雨天，则可通过雨量采集器采集待检测设备所处环境的降雨量，并根据降雨量查询待检测设备在所处作业天气状态下的顺控影响指标。

[0053] 作为一种示例，步骤202包括：对待检测设备所处作业天气状况进行天气状况类型检测，采集天气状况类型对应的环境参数，以环境参数为索引，查询得到待检测设备在所处作业天气状态下的顺控影响指标。

[0054] 步骤204，在检测到顺控影响指标异常的情况下，对待检测设备的顺控参考图像进行清晰化处理，得到待检测设备的顺控清晰图像。

[0055] 需要说明的是，只有在异常天气状态下，待检测设备进行一键顺控操作才会受到待检测设备所处作业天气状况的影响，故而需要通过顺控影响指标检测待检测设备的作业天气状况是否异常，可以理解的是，待检测设备的顺控影响指标异常的情况下，则表征待检测设备所处作业天气状况为异常作业天气状况，即，待检测设备的顺控参考状态此时会受到天气干扰的影响，进而可设置预设顺控影响指标阈值，定量评估待检测设备所处作业天气状况是否为异常作业天气状况。

[0056] 需要说明的是，顺控参考图像是指作为待检测设备一键顺控操作的第二判断依据的图像，具体可通过设备顺控状态检测系统部署的图像采集装置采集得到，清晰化处理的方式具体可采用图像增强、图像锐化以及图像去噪等方式，可以理解的是，顺控参考图像和顺控清晰图像之间的清晰程度是相对的，即，顺控清晰图像的清晰度是在顺控参考图像之上。

[0057] 作为一种示例，步骤204包括：在检测到顺控影响指标大于预设顺控影响指标阈值的情况下，确定顺控影响指标异常，并对待检测设备的顺控参考图像的所有区域进行图像增强，得到待检测设备的顺控清晰图像。

[0058] 步骤206，对顺控清晰图像进行顺控参考状态检测，得到待检测设备的顺控参考状态。

[0059] 需要说明的是，顺控清晰图像和顺控参考图像均携带有顺控状态参考信息，顺控状态参考信息具体可以为开关状态、刀闸位置、保护动作及其它状态指示等，通过提取顺控清晰图像中与顺控状态参考信息相关的特征，即可基于上述特征完成待检测设备的顺控参考状态的检测。

[0060] 作为一种示例，步骤206包括：在顺控清晰图像中提取顺控参考状态特征，根据顺控参考状态特征与标准参考状态特征之间的特征相似度，检测待检测设备的顺控参考状态，其中，标准参考状态特征用于表征待检测设备的标准参考状态。

[0061] 步骤208，根据顺控参考状态和待检测设备的实际顺控状态之间的状态比对结果，对待检测设备进行顺控状态检测。

[0062] 作为一种示例，步骤208包括，在比对到顺控参考状态和待检测设备的实际顺控状态之间一致的情况下，确定待检测设备的顺控状态一致，在比对到顺控参考状态和待检测设备的实际顺控状态之间不一致的情况下，确定待检测设备的顺控状态不一致。

[0063] 上述设备顺控状态检测方法中，首先基于待检测设备在所处作业天气状况下的环境参数和预设顺控影响指标之间的映射关系，查询待检测设备在所处作业天气状况下的顺控影响指标，进而在顺控影响指标大于预设顺控影响指标阈值的情况下，即，待检测设备所处作业天气状况为异常作业天气状况，则对待检测设备的顺控参考图像进行清晰化处理，得到待检测设备的顺控清晰图像，最终基于顺控清晰图像反馈的顺控参考状态和待检测设备的实际顺控状态之间的状态比对结果，对待检测设备进行顺控状态检测，由于在顺控影响指标异常的情况下则表示待检测设备所处的作业天气状况对其进行一键顺控操作存在影响，而对待检测设备的顺控参考图像进行清晰化处理后得到的顺控清晰图像能够去除作业天气状况对第二判断依据的干扰，从而得以保证待检测设备的顺控参考状态的可靠性，最终通过顺控参考状态和待检测设备的实际顺控状态之间的状态比对结果，即可客观检测到待检测设备的顺控状态，而非在作业天气状况会影响待检测设备的一键操作时仍然直接采用顺控参考图像作为第二判断依据，所以，克服了由于电气设备所处工作环境的天气状况不可控，进而导致第二判断依据无法反映真实匹配电气设备的顺控状态参考需求，进而使得易出现设备顺控状态检测不准或者检测耗时过长等情况的技术缺陷，所以，提升了进行设备顺控状态检测的检测效果。

[0064] 在一个实施例中，如图2所示，获取待检测设备在所处作业天气状况下的顺控影响指标，包括：

[0065] 步骤302，根据待检测设备在所处环境的气象参数，对待检测设备所处的作业天气状况进行检测。

[0066] 需要说明的是，在检测待检测设备所处的作业天气状况时，可基于微气象传感器采集到的气象参数进行综合判断，气象参数具体可包括温度、湿度、风力以及降水等，基于待检测设备在所处环境的气象参数，可准确检测得到待检设备的实际作业天气状况。

[0067] 作为一种示例，步骤302包括：通过微气象传感器采集得到待检测设备在所处环境的气象参数，将气象参数输入至预设天气状况评估模型，得到待检测设备所处的作业天气状况。

[0068] 步骤304，在检测到待检测设备所处的作业天气状况为异常天气状况的情况下，获取异常作业天气状况下的环境参数；

[0069] 需要说明的是，例如，在一种可实施的方式中，在待检测设备所处的作业天气状况达到雨天条件时，则表征待检测设备所处的作业天气状况为异常天气状况，可以理解的是，作业天气状况在正常天气状况下时，采用常规的双确认机制即可完成待检测设备的顺控状态检测，作业天气状态在异常天气状况下时，则需要进行顺控参考图像的清晰化处理，其中，预设天气状况评估模型在评估待检测设备所处的作业天气状况时，会同步输出作业工作状况的类型标签，进而可通过类型标签，确定待检测设备所处的作业天气状况是否为异常作业天气状况。

[0070] 作为一种示例，步骤304包括：在检测到待检测设备所处的作业天气状况标识为异常作业天气状况的情况下，获取异常作业天气状况下的环境参数。

[0071] 步骤306，根据环境参数，查询待检测设备在所处异常作业天气状况下的顺控影响指标。

[0072] 需要说明的是，在进行顺控影响指标的获取过程中，可构建环境参数与预设影响指标之间的映射关系，例如，在一种可实施的方式中，假设作业天气状况为异常作业天气状况“雨天”，环境参数为降雨量，则可设置降雨量为10mm时，顺控影响指标为76%，降雨量为12mm时，顺控影响指标为78%。

[0073] 作为一种示例，步骤306包括：以环境参数为索引，查询待检测设备在所处异常作业天气状况下的顺控影响指标。

[0074] 在本实施例中，在进行顺控影响指标的获取过程中，首先根据气象参数检测待检测设备所处的作业天气状况，并在待检测设备所处的作业天气状况为异常天气状况的情况下，获取异常作业天气状况下的环境参数，最终通过环境参数和预设顺控影响指标之间的映射关系，查询到待检测设备在所处异常作业天气状况下的顺控影响指标，进而仅在作业天气状况为异常天气状况的情况下，通过对待检测设备的顺控参考图像进行清晰化处理，从而对待检测设备进行顺控状态检测，而非所有情况下均对待检测设备的顺控参考图像进行清晰化处理，所以，为提升进行设备顺控状态检测的检测灵活性奠定了基础。

[0075] 在一个实施例中，对待检测设备的顺控参考图像进行清晰化处理，得到待检测设备的顺控清晰图像，包括：

[0076] 在顺控参考图像中定位模糊参考区域，其中，模糊参考区域是指携带有待检测设备的顺控状态参考信息的模糊图像区域；对模糊参考区域进行预处理，并将模糊参考区域预处理完成的顺控参考图像作为顺控清晰图像。

[0077] 需要说明的是，模糊参考区域是指携带有待检测设备的顺控状态参考信息的模糊图像区域，可以理解的是，在确定需要对待检测设备的顺控参考图像进行清晰化处理时，可精准定位出需要进行清晰化处理的模糊参考区域，其中，对顺控参考图像中模糊参考区域的定位可基于提取得到的顺控状态参考特征进行，例如，在一种可实施的方式中，将顺控状态参考特征标识的所有图像区域作为模糊参考区域，在确保模糊参考区域预处理完成后，即得到待检测设备的顺控清晰图像。

[0078] 作为一种示例，对顺控参考图像进行特征提取，得到顺控状态参考特征，将顺控状态参考特征标识的图像区域作为模糊参考区域，其中，模糊参考区域是指携带有待检测设备的顺控状态参考信息的模糊图像区域；对模糊参考区域进行全局增强，并将模糊参考区域全局增强完成的顺控参考图像作为顺控清晰图像。

[0079] 在本实施例中，首先基于顺控参考图像的顺控状态参考特征，在顺控参考图像中定位模糊参考区域，进而对模糊参考区域进行全局增强，并将全局增强模糊参考区域完成的顺控参考图像作为顺控清晰图像，即，在顺控参考图像中精准定位模糊参考区域，并对模糊参考区域进行针对性的预处理，从而减少了在对待检测设备的顺控参考图像进行清晰化处理的过程中，对顺控参考图像的图像区域进行预处理的处理量，所以，在为提升设备顺控状态检测的检测效果奠定基础的前提下，同步为提升设备顺控状态检测的检测效率奠定了基础。

[0080] 在一个实施例中，在顺控参考图像中定位模糊参考区域，包括：

[0081] 获取顺控参考图像中的白色像素点密度；若白色像素点密度大于或者等于预设白色像素点密度阈值，则将顺控参考图像的整体图像区域均作为模糊参考区域；若白色像素点密度小于预设白色像素点密度阈值，则根据顺控参考图像的白色像素点特征，确定模糊参考区域。

[0082] 需要说明的是，不同异常作业天气状况对顺控参考图像的干扰程度存在差异，所以，不同异常作业天气状况下需要进行预处理的模糊参考区域不同，进而可通过顺控参考图像中白色像素点的相关参数，精确定位顺控参考图像的模糊参考区域，例如，雨天拍摄得到的顺控参考图像上呈现出白色透明水珠状遮挡，雾天拍摄得到的顺控参考图像呈现出白色线条状遮挡，雪天拍摄得到的顺控参考图像上呈现白色不透明点状遮挡，而由于雾天对顺控参考图像的干扰是均匀分布于图像全域的，而雨天和雪天对顺控参考图像的干扰是针对图像局部区域的，所以，需要根据待检测设备在不同异常天气情况下所受影响程度的不同，定位出不同的模糊参考区域。

[0083] 作为一种示例，在顺控参考图像中提取白色像素点，根据白色像素点所占区域面积和顺控参考图像的图像区域面积之间的比值，确定顺控参考图像的白色像素点密度；若白色像素点密度大于或者等于预设白色像素点密度阈值，则将顺控参考图像的整体图像区域作为模糊参考区域；若白色像素点密度小于预设白色像素点密度阈值，则将顺控参考图像的白色像素点特征标识的区域作为模糊参考区域。

[0084] 在本实施例中，通过白色像素点密度和预设白色像素点密度阈值之间的大小关系，区分出异常作业天气状况对待检测设备的顺控参考图像的干扰程度，从而在干扰程度大的情况下将整体图像区域作为模糊参考区域，在干扰程度小的情况下局部定位模糊参考区域，即可实现对模糊参考区域进行精准定位的目的，所以，提升对模糊参考区域进行定位的定位精准性。

[0085] 在一个实施例中，对模糊参考区域进行预处理，包括：

[0086] 获取异常天气状况所属的异常天气状况类型；根据异常天气状况类型，为顺控参考图像匹配对应的图像去噪算法；根据图像去噪算法，对模糊参考区域进行预处理。

[0087] 需要说明的是，在不同异常天气状况下，采用不同的图像去噪算法对模糊参考区域进行预处理，例如，在雨天则采取去雨算法对模糊参考区域进行预处理，在雪天则采取去雪算法对模糊参考区域进行预处理，所以，需要在执行顺控操作流程的过程中，基于异常天气状况类型完成图像去噪算法的匹配。

[0088] 作为一种示例，获取异常天气状况所属的异常天气状况类型；以异常天气状况类型为索引，查询得到顺控参考图像的图像去噪算法；根据图像去噪算法，对模糊参考区域进行预处理。

[0089] 在一种可实施的方式中，图像去噪算法具体可以为图像去雨算法，根据图像去雨算法，对模糊参考区域进行预处理的具体步骤可以如下：

[0090] 首先根据多阶段逐级恢复的思想，从三阶段对顺控参考图像进行去雨恢复，其中，图像去雨算法基于预设图像去雨模型实现，预设图像去雨模型为三阶段的MPRNet网络结构，在第一阶段使用宽对半切分后的第一分辨率下的四个第一顺控参考子图像块作为网络输入，第二阶段采用高度对半切分后的第二分辨率下的两个第二顺控参考子图像作为输入，第三阶段采用第三分辨率下的顺控参考图像作为输入，其中，第一分辨率小于第二分辨率，第二分辨率小于第三分辨率，第三分辨率为原始分辨率，可以理解的是，在上述三阶段图像预处理的过程中，前两个阶段采用基于通道注意力机制嵌入的u‑net架构的编码器‑解码器自网络，通过多次下采样逐步扩大感受野，从而广泛地学习上下文信息，而第三个阶段则采用基于通道注意力机制嵌入的卷积堆叠范式原始分辨率子网络，在不改变图像分辨率的同时，学习输出图像中所需的精细纹理。

[0091] 进一步地，第一阶段和第二阶段采用的是与U‑Net类似的编码‑解码网络结构，其是用于图像分割且不含全连接层的全卷积神经网络，具体由一条用于下采样特征提取的收缩路径编码器、一条用于上采样图像恢复的扩张路径解码器以及用于将编码器中每个尺度的特征信息传递到解码器的跳跃连接路径组成，可以理解的是，在第一阶段和第二阶段，随着上采样次数的增加，卷积和的通道数逐渐减少，并最终映射到视觉任务要求的类别数量上，进而完成图像分割的输出，通过上述编码‑解码网络结构，不仅能够提取高级语义信息，并对图像细节信息进行逐渐恢复，同时将编码器的多尺度图像特征，毫无保留的传递到解码器中，在顺控参考图像恢复至顺控清晰图像的任务过程中尽可能的减少信息丢失；而在第三阶段则采用基于卷积级联范式的特征提取子网络，其中，特征提取子网络由一个个原始分辨率子模块进行级联，接着最终级联模块通过一个卷积层输出残差图像，最终，残差网络的短路连接将顺控参考图像和输出的残差图像进行逐像素加法运算，得到最终恢复的顺控清晰图像，可以理解的是，由于原始分辨率自网络不会进行任何下采样操作，所以在后期进行残差图像和顺控参考图像融合的过程中使用此网络架构，能够产生空间信息丰富的高分辨率特征。

[0092] 其中，在预设图像区域模型中共涉及用于一阶段和二阶段的第一子神经网络和用于三阶段的第二子神经网络，第一子神经网络和第二子神经网络内均嵌入了通道注意力机制子网络模块，通道注意力机制子网络模块由初始卷积层、全局平均池化、注意力感知网络模块以及残差连接模块组成；首先，初始卷积层提取原始输入特征图的浅层特征，GAP层（全局平均池化）收集输出的浅层特征图的全局空间信息，并将其展平为通道维度上的一维张量；进而子网络中的注意力网络模块对顺控参考图像中的雨丝特征进行聚焦，隐式学习顺控参考图像中的雨丝信息，并通过激活函数输出雨丝特征的注意力权重张量；接着，通道维度上的注意力张量与浅层特征图进行逐像素点乘，输出特征聚焦后的注意力特征图；最后，逐元素加法运算将注意力特征加入到原始输入特征图，将特征信息传递到下一个阶段进行后续处理；由于该模块具有通道特征聚焦的优势，在预设图像区域模型的两个子网络中嵌入该模块，不仅能够有效减少特征冗余，同时还能够将聚焦的特征传递到下个模块中，丰富了后续特征的表达。

[0093] 基于预设图像去雨模型进行去雨的过程中，为兼顾图像的精细空间细节和图像的多尺度特征，预设图像去雨模型充分利用两种网络设计范式各自的优势以及注意力机制，将多个单阶段网络架构进行组合和嵌入，构建了一个多阶段雨丝图像恢复框架，即，根据其各自的优势，预设图像去雨模型在第一阶段和第二阶段的早期和中期阶段采用编码器‑解码器网络，并在每个尺度的编码‑解码网络和跳层连接中加入了通道注意力子模块，以及在解码器模块中，采用双线性上采样操作取代原有U‑Net的转置卷积操作，有效解决了转置卷积给输出图像带来的棋盘伪影干扰问题，在第三阶段的最后阶段中，单尺度堆叠卷积网络也嵌入了通道注意力模块，与此同时，为区别于现有图像去雨模型在每个阶段直接预测恢复图像，并且只在后期阶段加入监督信号的预处理方式，预设图像去雨模型中引入了监督注意力模块，不仅在每个阶段间加入了监督信号，并且还嵌入了注意力机制子网络模块，其中，通道注意力机制子网络模块的信息传递通道分为上路和下路两条通道；首先，本阶段中U‑Net子网络解码器输出的雨丝特征图经过下路1*1卷积层生成通道数为3的残差图像，该残差图像与雨天图像逐像素相加，输出雨天粗恢复图像；粗恢复图像通过一个注意力卷积网络模块产生逐像素的注意力遮罩特征，这些特征与上路1*1卷积的重新校准后的输出特征进行逐像素乘积，产生注意力引导特征；输出特征与通过恒定映射与原始特征进行相加，生成注意力聚焦后的增强特征，并传递到下一阶段中进行进一步处理；多阶段监督注意力子网络整合了多阶段监督学习、注意力机制以及多阶段特征的优势，通过在每个阶段之间引入监督信号，使图像恢复过程能够在逐级的基础上进行优化，获得更精确的修复结果；同时，注意力机制的巧妙嵌入可以帮助模型有效抑制当前阶段中不重要的特征，只允许有用的信息传播到下一阶段，减少了无效特征对最终输出的干扰，除此之外，通过在模型的每个阶段嵌入SAM模块，模型能够更好的融合前一阶段的信息，并通过注意力机制对特征进行重新校准，从而提高模型总体的去雨性能。

[0094] 在本实施例中，通过异常天气状况所属的异常天气状况类型，完成对顺控参考图像的图像去噪算法的匹配，并最终基于匹配的图像去噪算法，对模糊参考区域进行预处理，即可针对待检测设备实际所处的作业环境，设置相应的图像去噪算法进行去干扰处理，所以，提升对模糊参考区域进行预处理的预处理精准性。

[0095] 在一个实施例中，在在检测到顺控影响指标异常的情况下，对待检测设备的顺控参考图像进行清晰化处理，得到待检测设备的顺控清晰图像之前，设备顺控状态检测方法还包括：

[0096] 检测步骤：检测顺控影响指标和预设顺控影响指标阈值之间的大小关系；在检测到大小关系为顺控影响指标大于或者等于预设顺控影响指标阈值的情况下，确定顺控影响指标异常；在检测到大小关系为顺控影响指标小于预设顺控影响指标阈值的情况下，显示顺控影响指标对应的指标提示信息，并返回执行检测步骤，直至检测到大小关系为顺控影响指标大于或者等于预设顺控影响指标阈值。

[0097] 需要说明的是，控制设备顺控状态检测的终端具体可以为监控终端，进而为实现对设备顺控状态的精准检测，可在待检测所处的作业工作状况已经影响到待检测设备进行一键顺控操作时，才对待检测设备的顺控参考图像进行清晰化处理，并且在未影响到待检测设备进行一键顺控操作时，通过监控终端显示的指标提示信息进行提示，例如，指标提示信息具体可以为弹窗预警输出的评估值。

[0098] 作为一种示例，检测步骤：检测顺控影响指标和预设顺控影响指标阈值之间的大小关系；在检测到大小关系为顺控影响指标大于或者等于顺控影响指标阈值的情况下，确定顺控影响指标异常；在检测到大小关系为顺控影响指标小于预设顺控影响指标阈值的情况下，显示顺控影响指标对应的指标提示信息，并返回执行检测步骤，直至检测到大小关系为顺控影响指标大于或者等于顺控影响指标阈值。

[0099] 在本实施例中，在对待检测设备的顺控参考图像进行清晰化处理前，通过顺控影响指标和预设顺控影响指标阈值之间的大小关系，执行相应的设备顺控状态检测流程，以在作业天气状况对待检测设备进行一键顺控操作的影响程度较小时，通过指标提示信息提示工作人员，从而加强了设备顺控状态检测过程中的人机交互，所以，为提升进行设备顺控状态检测的检测灵活性奠定了基础。

[0100] 在一种可实施的方式中，假设作业天气状况为雨天，则可参照图3，图3为表示雨天条件下进行设备顺控状态检测的流程示意图，首先通过雨量采集装置采集的参数，对待检测设备所处的作业天气状况进行检测，并在检测到待检测设备所处的作业天气状况达到雨天条件时，即，检测到待检测设备所处的作业天气状况为异常作业天气状况的情况下，通过操作可靠性评估模型评估顺控影响指标是否处于异常，进而在顺控影响指标低于60%的情况下弹窗预警输出评估值，在操作员确认后继续等待，并当模型评估值高于60%时，表示通过雨天顺控操作流程操作后检测的设备顺控状态可靠，调用雨天顺控操作流程，以及在顺控影响指标高于60%的情况下通过顺控图像采集装置采集待检测设备的顺控参考图像，并在定位顺控参考图像的模糊参考区域后通过去雨算法对顺控参考图像进行预处理，得到顺控清晰图像，进而利用图像识别算法对顺控清晰图像进行参考状态检测，以得到待检测设备的顺控参考状态，最通过电力监控系统上报的设备控制状态信息得到待检测设备的实际顺控状态，进而通过比对顺控参考状态和实际顺控状态之间一致性得到待检测设备的顺控状态检测结果，即，得到双确认结果，另外，在判定作业天气状况未达到雨天条件的情况下，则采用常规顺控流程进行执行，而无需进行操作可靠性评估以及去雨，最终，通过本实施例的设备顺控状态检测方式能够完成待检测设备的顺控状态的准确检测。

[0101] 由于在顺控影响指标异常的情况下则表示待检测设备所处的作业天气状况对其进行一键顺控操作存在影响，而对待检测设备的顺控参考图像进行清晰化处理后得到的顺控清晰图像能够去除作业天气状况对第二判断依据的干扰，从而得以保证待检测设备的顺控参考状态的可靠性，最终通过顺控参考状态和待检测设备的实际顺控状态之间的状态比对结果，即可客观检测到待检测设备的顺控状态，而非在作业天气状况会影响待检测设备的一键操作时仍然直接采用顺控参考图像作为第二判断依据，所以，克服了由于电气设备所处工作环境的天气状况不可控，进而导致第二判断依据无法反映真实匹配电气设备的顺控状态参考需求，进而使得易出现设备顺控状态检测不准或者检测耗时过长等情况的技术缺陷，所以，提升了进行设备顺控状态检测的检测效果。

[0102] 应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。

[0103] 基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的设备顺控状态检测方法的设备顺控状态检测装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个设备顺控状态检测装置实施例中的具体限定可以参见上文中对于设备顺控状态检测方法的限定，在此不再赘述。

[0104] 在一个示例性的实施例中，如图4所示，提供了一种设备顺控状态检测装置，包括：获取模块401、处理模块402、第一检测模块403和第二检测模块404，其中：

[0105] 获取模块401，用于获取待检测设备在所处作业天气状况下的顺控影响指标，其中，所述顺控影响指标用于表征所述作业天气状况对所述待检测设备进行一键顺控操作的影响程度；

[0106] 处理模块402，用于在检测到所述顺控影响指标异常的情况下，对所述待检测设备的顺控参考图像进行清晰化处理，得到所述待检测设备的顺控清晰图像；

[0107] 第一检测模块403，用于对所述顺控清晰图像进行顺控参考状态检测，得到所述待检测设备的顺控参考状态；

[0108] 第二检测模块404，用于根据所述顺控参考状态和所述待检测设备的实际顺控状态之间的状态比对结果，对所述待检测设备进行顺控状态检测。

[0109] 在其中一个实施例中，所述获取模块401还用于：

[0110] 根据所述待检测设备在所处环境的气象参数，对所述待检测设备所处的作业天气状况进行检测；在检测到所述待检测设备所处的作业天气状况为异常天气状况的情况下，获取所述异常作业天气状况下的环境参数；根据所述环境参数，查询所述待检测设备在所处异常作业天气状况下的顺控影响指标。

[0111] 在其中一个实施例中，所述处理模块402还用于：

[0112] 在所述顺控参考图像中定位模糊参考区域，其中，所述模糊参考区域是指携带有所述待检测设备的顺控状态参考信息的模糊图像区域；对所述模糊参考区域进行预处理，并将所述模糊参考区域预处理完成的顺控参考图像作为所述顺控清晰图像。

[0113] 在其中一个实施例中，所述处理模块402还用于：

[0114] 获取所述顺控参考图像中的白色像素点密度；若所述白色像素点密度大于或者等于预设白色像素点密度阈值，则将所述顺控参考图像的整体图像区域均作为所述模糊参考区域；若所述白色像素点密度小于所述预设白色像素点密度阈值，则根据所述顺控参考图像的白色像素点特征，确定所述模糊参考区域。

[0115] 在其中一个实施例中，所述处理模块403还用于：

[0116] 获取所述异常天气状况所属的异常天气状况类型；根据所述异常天气状况类型，为所述顺控参考图像匹配对应的图像去噪算法；根据所述图像去噪算法，对所述模糊参考区域进行预处理。

[0117] 在其中一个实施例中，所述设备顺控状态检测装置还用于：

[0118] 检测步骤：检测所述顺控影响指标和预设顺控影响指标阈值之间的大小关系；在检测到所述大小关系为所述顺控影响指标大于或者等于所述预设顺控影响指标阈值的情况下，确定所述顺控影响指标异常；在检测到所述大小关系为所述顺控影响指标小于所述预设顺控影响指标阈值的情况下，显示所述顺控影响指标对应的指标提示信息，并返回执行所述检测步骤，直至检测到所述大小关系为所述顺控影响指标大于或者等于所述预设顺控影响指标阈值。

[0119] 上述设备顺控状态检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

[0120] 在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括处理器、存储器、输入/输出接口、通信接口、显示单元和输入装置。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口、显示单元和输入装置通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种设备顺控状态检测方法。本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

[0121] 在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

[0122] 在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

[0123] 在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

[0124] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read‑Only Memory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random Access Memory，SRAM）或动态随机存取存储器（Dynamic Random Access Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。

[0125] 以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

[0126] 以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。