本申请涉及计算机视觉领域，具体而言，涉及一种隔离开关的状态确定方法、隔离开关的状态确定装置、计算机程序产品和隔离开关状态检测系统。
背景技术：
1、近年来，隔离开关作为电力系统的关键组成部分，被用于有效地分隔电路和设备，确保工作人员的安全，同时便于设备的维护和检修。隔离开关的状态准确性直接关系到电力系统的安全运行。
2、然而，目前的方案中，无法准确地检测出隔离开关的分合闸状态，导致后续会存在潜在的电力故障，威胁电网设备和人员的安全。
技术实现思路
1、本申请的主要目的在于提供一种隔离开关的状态确定方法、隔离开关的状态确定装置、计算机程序产品和隔离开关状态检测系统，以至少解决现有技术中无法准确地检测出隔离开关的分合闸状态的问题。
2、为了实现上述目的，根据本申请的一个方面，提供了一种隔离开关的状态确定方法，包括：获取隔离开关的图像数据；构建状态分析模型，其中，所述状态分析模型是使用多组训练数据来通过yolo算法和dc算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史图像数据、所述历史图像数据对应的历史分析结果，其中，所述历史分析结果用于表征所述隔离开关的历史分合闸的状态；将所述图像数据输入至所述状态分析模型，得到所述图像数据对应的分析结果。
3、可选地，获取隔离开关的图像数据，包括：获取所述隔离开关的初始图像数据；采用自适应图像增强算法对所述初始图像数据进行增强处理，得到所述图像数据。
4、可选地，在构建状态分析模型之前，方法还包括：构建初始状态分析模型，其中，所述初始状态分析模型是使用多组训练数据来通过yolov8n算法训练得到的，所述多组训练数据中的每一组训练数据均包括所述历史时间段内获取的所述历史图像数据、所述历史图像数据对应的历史初始分析结果，其中，所述历史初始分析结果用于表征所述隔离开关的历史分合闸的初始状态；对所述初始状态分析模型进行优化处理，得到所述状态分析模型，其中，优化处理方式包括嵌入注意力机制、特征融合处理、损失函数优化处理中的一种或者多种。
5、可选地，在优化处理方式包括嵌入注意力机制的情况下，对所述初始状态分析模型进行优化处理，包括：提取所述初始状态分析模型中的特征提取网络的c2f模块；采用嵌入simam注意力机制的faster block模块，替换所述c2f模块。
6、可选地，在优化处理方式包括特征融合处理的情况下，对所述初始状态分析模型进行优化处理，包括：第一特征优化步骤：将外部输入的特征通过conv卷积操作进行压缩，通过simam注意力机制以及gsconv卷积操作对压缩后的特征进行处理，经过堆叠级联融合后输出第一特征信息；第二特征优化步骤：将外部输入的特征进行conv卷积操作，将经过conv卷积操作的特征与压缩后的特征进行堆叠级联融合处理，再经过conv卷积操作后输出第二特征信息。
7、可选地，在优化处理方式包括损失函数优化处理的情况下，对所述初始状态分析模型进行优化处理，包括：提取所述图像数据中的至少部分数据，得到训练集；对所述训练集中的所述图像数据进行数据增强处理，得到处理后的训练集；将所述处理后的训练集输入至所述初始状态分析模型中进行训练，并采用inner-eiou损失函数优化所述初始状态分析模型。
8、可选地，在对所述初始状态分析模型进行优化处理，得到所述状态分析模型之后，所述方法还包括：获取所述初始状态分析模型的第一性能指标，其中，所述第一性能指标包括第一分析精度、第一分析速度、第一计算量和第一参数量中的一个或者多个；获取所述状态分析模型的第二性能指标，其中，所述第二性能指标包括第二分析精度、第二分析速度、第二计算量和第二参数量中的一个或者多个；将所述第一性能指标和所述第二性能指标显示在显示界面中。
9、根据本申请的另一方面，提供了一种隔离开关的状态确定装置，包括：第一获取单元，用于获取隔离开关的图像数据；第一构建单元，用于构建状态分析模型，其中，所述状态分析模型是使用多组训练数据来通过yolo算法和dc算法训练得到的，所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史图像数据、所述历史图像数据对应的历史分析结果，其中，所述历史分析结果用于表征所述隔离开关的历史分合闸的状态；第一处理单元，用于将所述图像数据输入至所述状态分析模型，得到所述图像数据对应的分析结果。
10、根据本申请的再一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现任意一种所述隔离开关的状态确定方法的步骤。
11、根据本申请的又一方面，提供了一种隔离开关状态检测系统，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的隔离开关的状态确定方法。
12、应用本申请的技术方案，可以采用yolo算法和dc算法来构建状态分析模型，通过状态分析模型来分析隔离开关的分合闸的状态，yolo算法对于目标检测具有较高的准确率，可以准确识别出各种类别的目标，dc算法可以对图像进行压缩，从而保留图像中重要的部分，提高图像的质量，支持更高效的图像分析，因此本方案中通过yolo算法和dc算法进行结合可以准确地检测出隔离开关的分合闸状态。
1.一种隔离开关的状态确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取隔离开关的图像数据，包括：
3.根据权利要求1所述的方法，其特征在于，在构建状态分析模型之前，方法还包括：
4.根据权利要求3所述的方法，其特征在于，在优化处理方式包括嵌入注意力机制的情况下，对所述初始状态分析模型进行优化处理，包括：
5.根据权利要求3所述的方法，其特征在于，在优化处理方式包括特征融合处理的情况下，对所述初始状态分析模型进行优化处理，包括：
6.根据权利要求3所述的方法，其特征在于，在优化处理方式包括损失函数优化处理的情况下，对所述初始状态分析模型进行优化处理，包括：
7.根据权利要求3所述的方法，其特征在于，在对所述初始状态分析模型进行优化处理，得到所述状态分析模型之后，所述方法还包括：
8.一种隔离开关的状态确定装置，其特征在于，包括：
9.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任意一项所述隔离开关的状态确定方法的步骤。
10.一种隔离开关状态检测系统，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的隔离开关的状态确定方法。
