CN105163076B - 采用横向扫描映射的变电站断路器状态视频智能分析算法 - Google Patents
采用横向扫描映射的变电站断路器状态视频智能分析算法 Download PDFInfo
- Publication number
- CN105163076B CN105163076B CN201510547686.0A CN201510547686A CN105163076B CN 105163076 B CN105163076 B CN 105163076B CN 201510547686 A CN201510547686 A CN 201510547686A CN 105163076 B CN105163076 B CN 105163076B
- Authority
- CN
- China
- Prior art keywords
- slope
- crosspoint
- value
- point
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000005192 partition Methods 0.000 claims abstract description 20
- 238000012544 monitoring process Methods 0.000 claims abstract description 15
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 14
- 238000007689 inspection Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 claims 1
- 238000011161 development Methods 0.000 abstract description 6
- 230000018109 developmental process Effects 0.000 abstract description 6
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000011218 segmentation Effects 0.000 abstract description 4
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Abstract
本发明公开了一种采用横向扫描映射的变电站断路器状态视频智能分析算法,其方法为:基于图像的标注对图像进行分割处理,分割出需要进行处理的图像范围;对原始图像进行滤波处理和二值化处理,将原始图片转换为二值化图像;对转换后的二值化图像采用多组横向分割线进行扫描,扫描的横向分割线与二值化图像形成一系列的交叉点,对每个交叉点采用滑动窗口对周围进行扫描,确定哪些交叉点处于同一条线段;求解每条线的分段斜率;根据每个分段斜率判断哪些二值化图像中的线段是实际的开合指示,最终判断出机构箱上的指针方向所表示的开合状态。本发明的图像识别对于电网生产运行监控具有重要意义,对电网智能化水平的发展和提高具有一定的促进作用。
Description
技术领域
本发明属于变电站图像智能分析领域及变电站设备状态在线监测领域,涉及图像处理和计算机等技术,特别是涉及一种采用横向扫描映射的变电站断路器状态视频智能分析算法。
背景技术
随着视频监控的网络化、高清化、智能化技术的不断发展,视频监控技术在电网安全、生产运行中的应用不断深入和广泛,传统方式所采用的视频监控技术为电网设备远程监控提供远程可视化的监控手段,为远程确认设备实际的状态与监控数据显示状态是否一致,提供了可靠和有效的确认手段,为准确做出决策提供了依据,然而,随着该技术的不断深入和推广应用,由于变电站数量众多、站内设备数量庞大,若每个设备的状态查看和确认都需要人工进行查看和确认,其所带来的工作量将特别庞大,且工作效率低下,随着电网技术对电网智能化水平要求的不断提高,如何提高视频监控技术在电网智能化监控技术中的应用,将对电网智能化水平的提升起到促进作用。同时,将为电网设备的智能化监控、智能化巡视提供技术手段。同时,变电站断路器状态的图像识别对于电网智能化设备状态巡视、设备告警联动等电网生产运行监控具有重要意义,对电网智能化水平的发展和提高具有一定的促进作用。由于变电站设备场景的复杂性,如果有效实现对变电站断路器状态的识别将是该技术的核心研究内容。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术的不足,提供一种采用横向扫描映射的变电站断路器状态视频智能分析算法,用于判断变电站断路器设备开合状态的检测方法,能够有效提取出分合指示针的特征,排除外在影响因数,能够最大限度地提高检测的准确性和适用性。
为了解决上述技术问题,本发明提供的采用横向扫描映射的变电站断路器状态视频智能分析算法,包括变电站断路器状态图片预处理、通过横向分割线得到 交叉点组、采用滑窗得到交叉点组合、采用斜率计算和特征判断分离出有效线段和无效线段、根据有效线段最终判断并得出短路其的开合状态五个过程,该方法包括步骤如下:
S1:对原始视频图片采用滤波和二值化处理,将原始图片转换为二值化图片;
S2:对二值化图片采用横向分割线,形成交叉点组;
S3:对交叉点采用2*2滑窗,形成关联的交叉点组合;
S4:对交叉点组合采用斜率计算和特征判断,分离出有效线段和无效线段;
S5:根据有效线段,最终判断并得出短路其的开合状态。
其中,变电站断路器状态图片预处理具体步骤如下:
S11:将原始图片转换为灰度图片;
S12:采用切除灰度图片的部分边缘,得到新的灰度图片;
S13:对灰度图片,采用3*3窗口的平均值方式滤波;
S14:对滤波后的图片采用Canny边缘提取方式,得到二值化图片。
其中,通过横向分割线得到交叉点组具体步骤如下:
S21:采用间隔为10个像素的横向分割线对图像从上至下进行分割,分割过程中与二值化的边缘点存在交集时;记录该点为交叉点;
S22:将所有的交叉点记录为数组,数组的排列方式为从左至右、从上往下的记录顺序。
其中,采用滑窗得到交叉点组合具体步骤如下:
S31:按照交叉点数组前后顺序,依次采用2*2滑动窗口检查该点(记录为点1)是否存在连接的边缘点;
S32:如果存在边缘点,检查该边缘点是否为交叉点数组中的一个点,如果是交叉点则将该点记录为点1的同组交叉点,如果不是则继续滑动窗口检查;
S33:如果不存在边缘点,则结果该次的滑动窗口检查过程,开始下一个交叉点检查过程;
S34:通过循环执行上述过程,最终得到多组交叉点的集合,每组交叉点均为在同一连通的边缘线上。
其中,采用斜率计算和特征判断分离出有效线段和无效线段具体步骤如下:
S41:计算每组集合的交叉点的斜率组合,计算每组中相邻的交叉点之间的斜率,并形成相应的斜率组合;
S42:根据斜率组合中的值,判断该交叉点组合是否为有效线段或无效线段,并排除无效限度,保留有效线段。
其中,根据有效线段最终判断并得出短路其的开合状态具体步骤如下:
S51:将有效线段分别统计各线段的斜率,判断是否为判断断路器状态的合理数据,如果不是合理数据则进行排除;
S52:根据最终的数据,判断断路器的开合状态。
本发明的方法,具备对视频图像中所监控的电力应用场景为复杂场景或简单场景时,采用横向扫描映射的视频智能分析算法,对变电站断路器设备分合状态进行检测的能力。若采用常用的Hough变换的方法对图像中的线段进行检测的方法,容易受图像的清晰度、图像中其它干扰线段、指示盘外圆、拍摄时的监控角度等因数影响,导致最终检测出过多的线段或者无法检测到线段等,常用的Hough变换将无法适用于多种应用场景下的断路器设备分合状态的检测。采用基于横向扫描映射的视频智能分析算法,能够有效提取出分合指示针的特征,排除外在影响因数,能够最大限度地提高检测的准确性和适用性。
本发明的方法易于实现和应用,主要可以应用于电网智能化设备状态巡视、设备告警联动等电网生产运行智能化远程监控中,对电网智能化水平的发展和提高具有一定的促进作用。
附图说明
下面结合附图和具体实施方式对本发明做更进一步的具体说明,本发明的上述和/或其他方面的优点将会变得更加清楚。
图1为本发明的流程框图。
具体实施方式
下面结合附图详细说明本发明技术方法中所涉及的各个细节问题。应指出的是,所描述的实施例仅旨在便于对本发明的理解,而对其不起任何限定作用。
本发明是一种采用横向扫描映射的变电站断路器状态视频智能分析算法,变电站断路器状态通过变电站内的机构箱上的指针方向表示其开合状态,利用变电站监控摄像机的图像,采用视频智能分析算法实现对其开合状态的自动判别,步骤如下:基于图像的标注对图像进行分割处理,分割出需要进行处理的图像范围;对原始图像进行滤波处理和二值化处理,将原始图片转换为二值化图像;对转换后的二值化图像采用多组横向分割线进行扫描,扫描的横向分割线与二值化图像形成一系列的交叉点,对每个交叉点采用2*2的滑动窗口对周围进行扫描,确定哪些交叉点处于同一条线段;求解每条线的分段斜率;根据每个分段斜率判断哪些二值化图像中的线段是实际的开合指示,最终判断出机构箱上的指针方向所表示的开合状态。变电站断路器状态的图像识别对于电网智能化设备状态巡视、设备告警联动等电网生产运行监控具有重要意义,对电网智能化水平的发展和提高具有一定的促进作用。
图1所示为采用横向扫描映射的变电站断路器状态视频智能分析算法的流程框图,本方法分为变电站断路器状态图片预处理、通过横向分割线得到交叉点组、采用滑窗得到交叉点组合、采用斜率计算和特征判断分离出有效线段和无效线段、根据有效线段最终判断并得出短路其的开合状态五个过程。
所述的变电站断路器状态图片预处理包括步骤:将原始图片转换为灰度图片;采用切除灰度图片的部分边缘,得到新的灰度图片;对灰度图片,采用3*3窗口的平均值方式滤波;对滤波后的图片采用Canny边缘提取方式,得到二值化图片。
所述的通过横向分割线得到交叉点组包括步骤:采用间隔为10个像素的横向分割线对图像从上至下进行分割,分割过程中与二值化的边缘点存在交集时;记录该点为交叉点;将所有的交叉点记录为数组,数组的排列方式为从左至右、从上往下的记录顺序。
所述的采用滑窗得到交叉点包括步骤:按照交叉点数组前后顺序,依次采用2*2滑动窗口检查该点(记录为点1,作为起始点)是否存在连接的边缘点;如果存在边缘点,检查该边缘点是否为交叉点数组中的一个点,如果是交叉点则将该点记录为点1的同组交叉点,如果不是则继续滑动窗口检查;如果不存在边缘点,则结果该次的滑动窗口检查过程,开始下一个交叉点检查过程;通过循环执 行上述过程,最终得到多组交叉点的集合,每组交叉点均为在同一连通的边缘线上。
所述的采用斜率计算和特征判断分离出有效线段和无效线段包括步骤:计算每组集合的交叉点的斜率组合,计算每组中相邻的交叉点之间的斜率,并形成相应的斜率组合;根据斜率组合中的值,判断该交叉点组合是否为有效线段或无效线段,并排除无效限度,保留有效线段。
所述的根据有效线段最终判断并得出短路其的开合状态包括步骤:将有效线段分别统计各线段的斜率,判断是否为判断断路器状态的合理数据,如果不是合理数据则进行排除;根据最终的数据,判断断路器的开合状态。
本发明的方法需要的硬件最低配置为:P4、3.0G CPU、512M内存的PC机,在此配置水平的硬件上,采用C/C++语言编程实现本方法。操作系统可基于Windows或Linux的各类操作系统。下面对本发明的方法设计的关键步骤进行逐一详细说明,本发明的方法中的基本步骤相同,具体形式如下所述:
首先,是变电站断路器状态图片预处理:
(1)获取原始图片作为RGB图片矩阵数据放在Mat_Origin_Pic[]中;
(2)根据RGB转灰度公式:Gray=R*0.299+G*0.587+B*0.114,从而计算得到Mat_Gray_Pic[];
(3)由于实际图片中左上角或右上角、左下角或右下角通常均包含一些文字信息,避免文字信息对监测的影响,假设图片横坐标为0<x<W1,图片纵坐标为0<y<H1,其中的H1表示图片的高度,W1表示图片的宽度,将图片横坐标截取为W1/8<x<7*W1/8,将图片纵坐标截取为H1/8<y<7*H1/8,得到灰度图片矩阵Mat_Gray2_Pic[],新的灰度图片的宽度为W2,高度为H2;
(4)计算每个像素点的梯度值,采用3*3窗口计算,按照平均值滤波的方式,对每个像素进行计算后,得到新的滤波后的每个像素值,并构成滤波后的灰度图片矩阵Mat_Gray3_Pic[];
(5)对灰度图片矩阵Mat_Gray3_Pic[]采用Canny边缘提取算法,使用cvCanny(pImg,pCannyImg,50,150,3)函数,其中pImg为输入的灰度图像,pCannyImg为输出的边缘提取后的图像,即为二值化图像,其中的50、150分别为Canny算法的阈值参数,3表示Sobel算子内核大小;
(6)通过上式计算后,得到的pCannyImg图片即为二值化后的图像,图片的大小为;W1/8<x<7*W1/8,H1/8<y<7*H1/8,即宽度为W2、高度为H2。
其次,通过横向分割线得到交叉点组:
(1)针对pCannyImg的二值化图片,采用的分割线数量为div_line_num=H2/10-1,表示每隔10个像素在二值化图片中画一条线。实现方式采用横向扫描循环的方式,高度方向循环为for(int i=0;i<H2/10;i++),水平方向循环为for(int j=0;j<W2;j++);判断像素Pixel(j,i*10)的值是否为非0值,如果为非0值,则存储在队列Queue_Org[]中,每个像素值均为非0值,数量假定为n个。
再次,采用滑窗得到交叉点组合:
(1)以循环的方式,通过2*2滑窗,检查Queue_Org[]中的每个像素是否与其他像素在同一条边缘线上;
(2)当多个Queue_Org[]中的像素在同一条边缘线上时,重新记录该组像素为Queue_SameLine[m][],其中的m表示一共有m组这样的数据;
(3)如果Queue_Org[]中的某个像素不与任何其他一个像素处在同一条边缘线上时,则将该像素点去掉;
(4)循环执行上述过程,得出所有的上述组合。
然后,采用斜率计算和特征判断分离出有效线段和无效线段:
(1)针对第1组Queue_SameLine[1][]组合,假设该组里面共有k个像素点,则依次计算第1点和第2点、第2点和第3点、......第k-1点和第k点之间的斜率,并得到最终的斜率表为Slope[];
(2)判断Slope[]中的所有斜率值均为正值或均为负值,如果存在部分斜率值为正值、部分斜率值为负值时,表示该Queue_SameLine[1][]组合为无效线段;
(3)判断Slope[]中的所有斜率值的绝对值之间的差值如果大于设定的阈值Thred1时,表示该Queue_SameLine[1][]组合为无效线段;阈值Thred1为经验值,所述经验值范围为70度~90度;
(4)判断Slope[]中的所有斜率值的绝对值小于设定的阈值Thred2时,表示该Queue_SameLine[1][]组合为无效线段;阈值Thred2为整幅图片的1/4或1/5的宽度值,该值为经验值范围为70度~90度。
(5)排除以上各种情况后,判断Slope[]中的所有斜率值为可信任值,表示该Queue_SameLine[1][]组合为有效线段;
(6)重复以上过程,对每个Queue_SameLine[1][]组合判断是否为有效线段,并得到新的有效线段队列Queue_SameLine_End[m][],其中的m表示有效线段的数量。
最后,根据有效线段最终判断并得出短路其的开合状态:
(1)针对Queue_SameLine_End[1][],假设该组里面共有k个像素点,依次计算第1点和第2点、第2点和第3点、......第k-1点和第k点之间的斜率;
(2)计算斜率的平均值为Slope[i],i表示m个有效线段的第i个,在计算第1个时,i=1;i的取值范围为(1,m);
(3)循环以上过程,最终得到在(1,m)范围内所有的Slope[i]值;
(4)统计斜率为正值的线段数量为a个,统计斜率为负值的线段数量为b个;
(5)当a>b时,表示指示方向为分状态,当a<b时,表示指示方向为合状态,如果a=b表示判断出现了异常,当出现异常时,可以进一步对算法进行修正和调整;
(6)到此,完成对变电站断路器状态的判断。
具体实施例子如下:
采用横向扫描映射的变电站断路器状态视频智能分析算法,包括变电站断路器状态图片预处理、通过横向分割线得到交叉点组、采用滑窗得到交叉点组合、采用斜率计算和特征判断分离出有效线段和无效线段、根据有效线段最终判断并得出短路其的开合状态五个过程,步骤如下:
其中,变电站断路器状态图片预处理具体步骤如下:
将原始图片转换为灰度图片;采用切除灰度图片的部分边缘,得到新的灰度图片;对灰度图片,采用3*3窗口的平均值方式滤波;对滤波后的图片采用Canny边缘提取方式,得到二值化图片。
其中,通过横向分割线得到交叉点组具体步骤如下:
采用间隔为10个像素的横向分割线对图像从上至下进行分割,分割过程中与二值化的边缘点存在交集时;记录该点为交叉点;将所有的交叉点记录为数组,数组的排列方式为从左至右、从上往下的记录顺序。
其中,采用滑窗得到交叉点组合具体步骤如下:
按照交叉点数组前后顺序,依次采用2*2滑动窗口检查该点(记录为点1)是否存在连接的边缘点;如果存在边缘点,检查该边缘点是否为交叉点数组中的一个点,如果是交叉点则将该点记录为点1的同组交叉点,如果不是则继续滑动窗口检查;如果不存在边缘点,则结果该次的滑动窗口检查过程,开始下一个交叉点检查过程;通过循环执行上述过程,最终得到多组交叉点的集合,每组交叉点均为在同一连通的边缘线上。
其中,采用斜率计算和特征判断分离出有效线段和无效线段具体步骤如下:
计算每组集合的交叉点的斜率组合,计算每组中相邻的交叉点之间的斜率,并形成相应的斜率组合;根据斜率组合中的值,判断该交叉点组合是否为有效线段或无效线段,并排除无效限度,保留有效线段。
其中,根据有效线段最终判断并得出短路其的开合状态具体步骤如下:
将有效线段分别统计各线段的斜率,判断是否为判断断路器状态的合理数据,如果不是合理数据则进行排除;根据最终的数据,判断断路器的开合状态。
总之,本发明提出了一种采用横向扫描映射的变电站断路器状态视频智能分析算法。通过在电力系统中实际的现场视频图片进行了大量的实验验证了本发明的有效性和稳定性。本发明易于实现,且性能稳定可靠。本发明有效实现了根据机构箱上的指针方向判断断路器设备的开合状态。变电站断路器状态的图像识别对于电网智能化设备状态巡视、设备告警联动等电网生产运行监控具有重要意义,对电网智能化水平的发展和提高具有一定的促进作用。
以上所述,仅为本发明中的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉该技术的人在本发明所揭露的技术范围内,可理解想到的变换或替换,都应涵盖在本发明的包含范围内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (9)
1.一种采用横向扫描映射的变电站断路器状态视频智能分析方法,其特征在于:该方法包括步骤如下:
S1:原始图片的预处理;获得变电站断路器设备状态监控的图像,基于该图像的标注对图像进行分割处理,分割出需要进行处理的图像范围;对原始图像进行滤波处理和二值化处理,将原始图像转换为二值化图像;
S2:通过横向分割线得到交叉点组;对二值化图像采用多组横向分割线进行扫描,扫描的横向分割线与二值化图像形成一系列的交叉点,构成交叉点组;
S3:采用滑窗得到交叉点组合;对每个交叉点采用2*2的滑动窗口对周围进行扫描,形成关联的交叉点组合,并判断哪些交叉点处于同一条线段上;
S4:采用斜率计算和特征判断分离出有效线段和无效线段;对交叉点组合采用斜率计算,求解每个分段的斜率,根据计算的斜率值和特征分析,分离出有效线段和无效线段;
S5:根据有效线段最终判断并得出断路器的开合状态;根据每个有效线段的斜率判断哪些二值化图像中的线段是实际的开合指示,最终判断出机构箱上的指针方向所表示的开合状态;
所述步骤S2中,通过横向分割线得到交叉点组方法包括具体步骤如下:
S21:采用间隔为10个像素的横向分割线对图像从上至下进行分割,分割过程中与二值化的边缘点存在交集时;记录交汇点为交叉点;
S22:将所有的交叉点记录为数组,数组的排列方式为从左至右、从上往下的记录顺序。
2.根据权利要求1所述的采用横向扫描映射的变电站断路器状态视频智能分析方法,其特征在于:所述步骤S1中,原始图片的预处理方法包括步骤如下:
S11:将原始图片转换为灰度图片;
S12:采用切除灰度图片的部分边缘,得到新的灰度图片;
S13:对灰度图片,采用3*3窗口的平均值方式滤波;计算每个像素点的梯度值,采用3*3窗口计算,按照平均值滤波的方式,对每个像素进行计算后,得到新的滤波后的每个像素值,并构成滤波后的灰度图片矩阵;
S14:对滤波后的图片采用Canny边缘提取方式,得到二值化图片。
3.根据权利要求1所述的采用横向扫描映射的变电站断路器状态视频智能分析方法,其特征在于:所述步骤S3中,该采用滑窗得到交叉点组合方法包括步骤如下:
S31:按照交叉点数组前后顺序,依次采用2*2滑动窗口检查每个交叉点是否存在连接的边缘点;
S32:如果存在边缘点,检查该边缘点是否为交叉点数组中的一个点,如果是交叉点则将交叉点与上一个监测到的交叉点记录为同组交叉点,如果不是则继续滑动窗口检查;
S33:如果不存在边缘点,则结束该次的滑动窗口检查过程,开始下一个交叉点检查过程;
S34:通过循环执行上述过程,最终得到多组交叉点的集合,每组交叉点均为在同一连通的边缘线上。
4.根据权利要求1所述的采用横向扫描映射的变电站断路器状态视频智能分析方法,其特征在于:所述步骤S4中,采用斜率计算和特征判断分离出有效线段和无效线段的方法包括步骤如下:
S41:计算每组集合的交叉点的斜率组合,计算每组中相邻的交叉点之间的斜率,并形成相应的斜率组合;
S42:根据斜率组合中的值,判断该交叉点组合是否为有效线段或无效线段,并排除无效限度,保留有效线段。
5.根据权利要求1所述的采用横向扫描映射的变电站断路器状态视频智能分析方法,其特征在于:所述步骤S4包括步骤如下:
S51:将有效线段分别统计各线段的斜率,判断是否为判断断路器状态的合理数据,如果不是合理数据则进行排除;
S52:根据最终的数据,判断断路器的开合状态。
6.根据权利要求5所述的采用横向扫描映射的变电站断路器状态视频智能分析方法,其特征在于:所述步骤S4中,采用斜率计算和特征判断分离出有效线段和无效线段的具体方法步骤如下:
(a)针对第1组集合的交叉点组合,假设该组合里面共有k个像素点,则依次计算第1点和第2点、第2点和第3点至第k-1点和第k点之间的斜率,并得到最终的斜率;
(b)判断所述斜率中的所有斜率值均为正值或均为负值,如果存在部分斜率值为正值、部分斜率值为负值时,表示该第1组集合的交叉点组合为无效线段;
(c)判断斜率中的所有斜率值的绝对值之间的差值如果大于设定的第一阈值时,表示该第1组集合的交叉点组合为无效线段;
(d)判断斜率中的所有斜率值的绝对值小于设定的第二阈值时,表示该第1组集合的交叉点组合为无效线段;
(e)排除以上各种情况后,判断斜率中的所有斜率值为可信任值,表示该第1组集合的交叉点组合组合为有效线段;
(f)重复以上过程,对每个集合的交叉点组合判断是否为有效线段,并得到新的有效线段队列Queue_SameLine_End[m][],其中的m表示有效线段的数量。
7.根据权利要求6所述的采用横向扫描映射的变电站断路器状态视频智能分析方法,其特征在于:所述步骤(c)中,所述第一阈值为经验值,所述经验值范围为70度~90度。
8.根据权利要求6所述的采用横向扫描映射的变电站断路器状态视频智能分析方法,其特征在于:所述步骤(d)中,所述第二阈值为整幅图片的1/4或1/5的宽度值,该值为经验值范围为70度~90度。
9.根据权利要求6所述的采用横向扫描映射的变电站断路器状态视频智能分析方法,其特征在于:所述步骤S4中,根据有效线段最终判断并得出短路其的开合状态的具体步骤如下:
(1)针对Queue_SameLine_End[1][],假设该组里面共有k个像素点,依次计算第1点和第2点、第2点和第3点至第k-1点和第k点之间的斜率;
(2)计算斜率的平均值为Slope[i],i表示m个有效线段的第i个,在计算第1个时,i=1;i的取值范围为(1,m);
(3)循环以上过程,最终得到在(1,m)范围内所有的Slope[i]值;
(4)统计斜率为正值的线段数量为a个,统计斜率为负值的线段数量为b个;
(5)当a>b时,表示指示方向为分状态,当a<b时,表示指示方向为合状态,如果a=b表示判断出现了异常,当出现异常时,进一步对算法进行修正和调整;
(6)到此,完成对变电站断路器状态的判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510547686.0A CN105163076B (zh) | 2015-08-31 | 2015-08-31 | 采用横向扫描映射的变电站断路器状态视频智能分析算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510547686.0A CN105163076B (zh) | 2015-08-31 | 2015-08-31 | 采用横向扫描映射的变电站断路器状态视频智能分析算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105163076A CN105163076A (zh) | 2015-12-16 |
CN105163076B true CN105163076B (zh) | 2018-07-17 |
Family
ID=54803818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510547686.0A Active CN105163076B (zh) | 2015-08-31 | 2015-08-31 | 采用横向扫描映射的变电站断路器状态视频智能分析算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105163076B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741263A (zh) * | 2016-01-20 | 2016-07-06 | 杭州电子科技大学 | 一种手轮廓提取及定向算法 |
CN107016360A (zh) * | 2017-03-27 | 2017-08-04 | 国网江苏省电力公司电力科学研究院 | 电力变电站基于动态特征及区域融合的目标检测方法 |
CN111950512A (zh) * | 2020-08-26 | 2020-11-17 | 上海申瑞继保电气有限公司 | 变电所断路器指示灯分合状态识别方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101335465A (zh) * | 2008-07-24 | 2008-12-31 | 华中科技大学 | 电力开关柜圆盘旋转型开关状态图像识别装置 |
CN102064052A (zh) * | 2010-12-24 | 2011-05-18 | 张兴莲 | 一种变电站高压断路器状态信号采集装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE520075C2 (sv) * | 2000-12-01 | 2003-05-20 | Safenet I Harads Ab | Förfarande vid klämskyddsanordningar samt anordning för genomförande av förfarandet |
-
2015
- 2015-08-31 CN CN201510547686.0A patent/CN105163076B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101335465A (zh) * | 2008-07-24 | 2008-12-31 | 华中科技大学 | 电力开关柜圆盘旋转型开关状态图像识别装置 |
CN102064052A (zh) * | 2010-12-24 | 2011-05-18 | 张兴莲 | 一种变电站高压断路器状态信号采集装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105163076A (zh) | 2015-12-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537154B (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN105303158B (zh) | 一种变电站隔离开关线段拟合视频智能分析方法 | |
CN106022345B (zh) | 一种基于霍夫森林的高压隔离开关状态识别方法 | |
CN105868722A (zh) | 异常电力设备图像的识别方法及系统 | |
CN105404867B (zh) | 一种基于视觉的变电站隔离开关状态识别方法 | |
CN106446869A (zh) | 基于图像智能识别算法的隔离开关状态自动检测方法 | |
CN107480643B (zh) | 一种智能垃圾分类处理的机器人 | |
CN111179232A (zh) | 基于图像处理的钢筋尺寸检测系统及方法 | |
CN104268519B (zh) | 基于模式匹配的图像识别终端及其识别方法 | |
CN105163076B (zh) | 采用横向扫描映射的变电站断路器状态视频智能分析算法 | |
CN106326808A (zh) | 基于无人机图像的检测输电线路杆塔鸟窝的方法 | |
CN105447859A (zh) | 一种田间麦蚜虫计数方法 | |
CN108268832A (zh) | 电力作业监测方法、装置、存储介质和计算机设备 | |
CN109035278B (zh) | 基于图像的消防门及其开关状态的检测方法 | |
CN110032946A (zh) | 一种基于机器视觉的铝/铝泡罩包装药片识别与定位方法 | |
CN107016360A (zh) | 电力变电站基于动态特征及区域融合的目标检测方法 | |
CN112508019A (zh) | 基于图像识别的gis隔离/接地开关状态检测方法及系统 | |
CN113888462A (zh) | 一种裂纹识别方法、系统、可读介质及存储介质 | |
CN110288623A (zh) | 无人机海上网箱养殖巡检图像的数据压缩方法 | |
CN108898098A (zh) | 基于监控平台的早期视频烟雾检测方法 | |
CN110175650A (zh) | 一种电力设备自动识别方法和装置 | |
CN114241522A (zh) | 现场作业安全穿戴识别方法、系统、设备及存储介质 | |
CN113111728A (zh) | 面向变电站内电力生产作业风险的智能识别方法及系统 | |
CN111798435A (zh) | 图像处理方法、工程车辆侵入输电线路监测方法及系统 | |
CN113920535B (zh) | 一种基于YOLOv5的电子区域检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |