丁桃胜，褚红健，李佑文

(国电南自轨道交通工程有限公司，江苏 南京 210032)

机器视觉识别方法为机器赋予了人类眼睛的功能，对仪表等设备信息进行判断捕捉，并将它以图像或视频的形式传送给图像处理系统，经图像处理系统转化处理后变为数字信号用于控制现场设备或进一步传递。图像识别方法是一种获取变电站各类仪表设备和安防信息的新方法。该方法可以实现自动采集、传递等一系列图像识别和视频分析操作，能够显著地提高变电站工业生产的自动化程度。随着人工智能技术的发展，将机器视觉技术和数字图像处理技术应用于变电站各类仪表设备的读数识别、状态监测和人员行为检测的安防管控等场景，是实现变电站数字化、智能化的一个必然趋势[1-3]。

近年来，随着人工智能、物联网、云计算、大数据技术的快速发展，以深度学习为代表的新一代人工智能技术得到突破性进展，在提高电力仪器仪表等多种设备状态识别的准确率方面得到了飞跃式的进步。人工智能技术巨大的经济和科技潜力使其逐渐上升至国家发展战略层面，欧美等国家相继颁布了大数据相关的研究和发展计划。我国于2013 年至2017 年相继发布了《中国电力大数据发展白皮书》《促进大数据发展行动纲要》《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划(2018—2020 年)》等多个重要文件，确立了人工智能技术的发展地位和战略价值。自此开始，电力系统的运维、市场等各领域开始迈向人工智能时代[4]。

从轨道供电变电站分合板图像识别的需求来看，轨道变电供电站分合板图像识别方法需要实现的功能是从各个摄像机或巡检机器人采集目标区域的图像或视频后对这些信息进行处理，包括各类仪表设备的数值识别、运行状态识别、室外关键设备红外温度监测、安防相关的预警提示等。通过检测系统识别后，将结果传递给监控中心的应用客户端，供工作人员实时掌握变电站的运营情况。根据南自轨道公司现有的技术储备来看，由于“变电站辅助监控系统”和“智慧车站”等项目关于遥视系统图像的采集和视频流的解码已有丰富且成熟的技术积累，关于通信规约等方面在多个地铁项目中也已落地实施。因此，本方法开发的关键功能和技术难点在于如何掌握机器视觉技术来实现各类设备数值和状态识别算法[5]。

通过监控视频图像对分合状态指示牌进行实时监控和识别是一种辅助方法，这种识别方法应当与自动化信号监控、人工监测等方法并行，以便提高整个监控系统的实时性、可视化程度与可靠性。现有图像识别技术可分为传统图像算法与深度学习方法。其中，传统算法很难适应复杂环境，不具有普遍的适用性，在不同环境中识别准确率较低[6]。深度学习方法识别精度高，但需要大量训练样本用于训练模型。另外，室外的检测对象往往会因为环境变化而变化，这需要设计出具有针对性的算法。在变电站环境中，很多识别对象例如电压、电流、油量、分合板的状态或数值变化较稳定，由于缺少异常样本和稀有样本，造成了训练样本不足的问题，最终会影响识别准确率。针对现有技术中存在的缺陷，轨道变电站分合板识别方法研究提供了一种无需大量样本训练即可实现分合状态识别并且识别准确度较高的分合状态识别方法[7-8]。

变电站分合板图像识别的方法流程如图1所示。下面将针对每一个步骤进行详细的说明。

图1 变电站分合板图像识别的方法流程

步骤1：利用变电站内固定位置摄像机拍摄变电站内分合板状态图像，并在图像中设定一个矩形的分合识别区域，分合板在分合识别区域中的像素面积要求大于50%。研究实例如图2所示。

图2 分合板研究实例

步骤2：通过HSV颜色识别方法找出分合板位置，根据分合板颜色设定HSV系数，对图像进行HSV颜色识别，再对识别后的二值图进行高斯模糊和开运算以消除噪点，针对不同像素的图片设置不同的掩膜，掩膜的大小选取以保证消除所有噪点为准，分别将“合”部分的HSV数值设置为红色，将“分”部分的HSV数值设置为绿色，并提取相关像素点，分别获得红色与绿色部分的二值图。

步骤3：寻找分合板端点，分别寻找红色、绿色部分二值图中白色部分距离图像4个端点最近的各4个点作为分合板的端点。采用遍历像素的方法，计算每个白色像素点到4个端点的距离，其中距离使用欧式距离。通过每个白色像素点到端点的距离大小进行排序，获得白色像素点中到图像端点距离最短的各个点。

设红色部分二值图中白色像素点到图像4个端点距离最短的4个点从左上方逆时针分别记为A1、A2、A3、A4，设绿色部分二值图中白色像素点到图像4个端点距离最短的4个点从左上方逆时针分别记为B1、B2、B3、B4，那么在分合板二值图中，A3、A4和B1、B2会重合，将这两个重合点记为C5、C6，那么A1、A2、B3、B4为分合板的4个端点，C5、C6为分合板中红色部分与绿色部分重合线的2个端点，如图3所示。

图3 二值图端点

步骤4：提取、矫正分合板图像。找到指示牌端点后，使用透视变换，从原图像提取出分合板，并将倾斜的分合板矫正为矩形，获得新的分合板图片，如图4所示。所述透视变换是通过四边形的4个点坐标，将其转化为矩形。

图4 校正后的分合板矩形图

步骤5：通过图中的C5、C6点计算分合板分界线位置；
设A1、A2、B3、B4、C5、C6点坐标分别为(a,b)、(a,c)、(d,b)、(e,c)、(f,b)、(f,c)，矫正后的分合板图像宽为w，分界线到矫正后的分合板图像左侧的距离为h，分界线的位置公式如下：

找到分界线位置后，通过边界线将分合板切割为分、合两部分，如图5和图6所示。

步骤6：通过HSV颜色识别分别检测“合”部分与“分”部分图像中的黄色箭头，并转为二值图。调整HSV参数，识别图5、图6中的箭头部分，并转为二值图，如图7所示。

图5 分合板“合”部分

图6 分合板“分”部分

图7 箭头二值图

步骤7：通过计算二值图中白色像素点个数，判断分合状态。通过遍历像素点的方式分别计算两部分图像中白色像素点的个数，其中合部分白色像素点数记为num1，分部分白色像素点数记为num2。如果num1>num2，判断结果为合；
如果num1如果num1=num2，判断结果为不确定。< p>

另外，在寻找分合板端点时，可能会碰到分合板4个角都有不同程度缺损的情况，此时，可以使用霍夫直线变换方法拟合出分合板4条边的线段，再对该4条边线延长取交点，得出的4个交点即为分合板的4个端点，具体流程为：

步骤1：将原图转换为灰度图。

步骤2：对灰度图进行canny边缘检测提取所有边缘。

步骤3：使用霍夫直线变换将最长的5条边缘拟合为直线，即分合板的4条边和中线。

步骤4：根据直线的位置关系筛选出4条边线。

步骤5：延长这4条边线获得4个交点，将这4个交点作为分合板的端点。

这种方式也可以找到分合板端点。在实际情况中，缺损较严重的分合板使用该方法。

与现有技术相比，本方法的有益效果在于：(1)轨道变电站分合板图像识别方法舍弃了直线检测、边缘检测等容易因环境变化而造成较大误差的算法，采用颜色识别的方式提取待识别目标，对环境亮度变化不敏感，在识别该种分合板时，具有更强的鲁棒性、更高的精度以及更少的运算量。(2)轨道变电站分合板图像识别方法采用遍历像素方法，解决了因常规分合板边缘不规则，很难拟合成矩形的问题。

随着计算机硬件设备性能的不断提升以及人工智能、图像信息处理等技术的不断发展，通过软硬件开发结合的方式把这些技术应用在多种传统或新兴的工业领域，推动社会的进步、产业的升级，是企业发展的必经之路。轨道变电站分合板图像识别方法通过对轨道变电站中分合板设备的智能检测，能够改善以往人工检测的诸多弊端，对变电站的智能化提升具有实际意义。

猜你喜欢合板端点图像识别非特征端点条件下PM函数的迭代根数学物理学报(2022年2期)2022-04-26基于Resnet-50的猫狗图像识别电子制作(2019年16期)2019-09-27不等式求解过程中端点的确定中学生数理化·教与学(2019年8期)2019-09-18高速公路图像识别技术应用探讨中国交通信息化(2019年4期)2019-07-13图像识别在物联网上的应用电子制作(2018年19期)2018-11-14图像识别在水质检测中的应用电子制作(2018年14期)2018-08-21层合板上层建筑侧壁抗空爆性能研究舰船科学技术(2016年1期)2016-02-27基丁能虽匹配延拓法LMD端点效应处理北京信息科技大学学报(自然科学版)(2016年6期)2016-02-27基于玻璃纤维增强隔音复合材料的层合板的隔音性能现代纺织技术(2015年2期)2015-02-28湿热环境对CCF300复合材料层合板的载荷放大系数影响装备环境工程(2015年4期)2015-02-28