CN106952277A - 一种基于图像处理的二值摇杆开关位置检测方法 - Google Patents

一种基于图像处理的二值摇杆开关位置检测方法 Download PDF

Info

Publication number
CN106952277A
CN106952277A CN201710168349.XA CN201710168349A CN106952277A CN 106952277 A CN106952277 A CN 106952277A CN 201710168349 A CN201710168349 A CN 201710168349A CN 106952277 A CN106952277 A CN 106952277A
Authority
CN
China
Prior art keywords
rocker switch
image
subgraph
rocker
value
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.)
Granted
Application number
CN201710168349.XA
Other languages
English (en)
Other versions
CN106952277B (zh
Inventor
张士刚
李洋洋
杨拥民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN201710168349.XA priority Critical patent/CN106952277B/zh
Publication of CN106952277A publication Critical patent/CN106952277A/zh
Application granted granted Critical
Publication of CN106952277B publication Critical patent/CN106952277B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Image Analysis (AREA)

Abstract

本发明提出一种基于图像处理的二值摇杆开关位置检测方法，包括如下步骤：A，采集摇杆开关图像；B，基于采集的摇杆开关图像特点，提取摇杆开关头部图像；C，定位各摇杆开关工作区；D，根据各摇杆开关工作区坐标，裁剪各摇杆开关头部区域图像以获取各摇杆开关头部区域的子图像；E，优化步骤D获取的各子图像；F，通过比较各子图像中摇杆开关头部像素区坐标和图像中心坐标，判别各摇杆开关状态。采用本发明方法，可对摇杆开关进行分析，判断摇杆开关位置，为诊断开关位置异常提供参考，预防风险的发生。

Description

一种基于图像处理的二值摇杆开关位置检测方法
技术领域
本发明涉及一种基于图像处理的二值摇杆开关位置检测方法，适用于摇杆开关位置的自动分析诊断，在电力系统、航空系统和铁路系统等领域有较大的应用前景，可为设备监测人员提供辅助，发现开关位置异常，规避安全风险。
背景技术
在电力系统、铁路系统和航空系统等领域，实时可靠的判断开关状态并使其保持在正确的位置对保证系统的正常安全运行至关重要。由于控制系统运行的开关多种多样纷繁复杂，设备监控人员在作业过程中极易漏掉某开关，导致当前以人工为主的监控手段很难避免由人为差错引起的安全隐患。此外，在系统运转过程中，即便某开关位置错误，系统自身的自检系统可能无法发现此类安全隐患，错误的开关状态，将导致某项指令误执行，不仅对会对系统产生危害，也严重威胁了工作人员的人身安全。迫切需要自动化的无损检测手段来辅助解决这一问题。
发明内容
本发明的内容是：针对在电力系统、铁路系统和航空系统等领域中广泛存在的摇杆开关阵列，提供了一种基于图像处理技术的二值摇杆开关位置检测方法，可对摇杆状态实时准确分析判断。
本发明的技术解决方案是：
一种基于图像处理的二值摇杆开关位置的检测方法，包括如下步骤：
A，采集摇杆开关图像；
B，基于采集的摇杆开关图像特点，提取摇杆开关头部图像；
C，定位各摇杆开关工作区；
D，根据各摇杆开关工作区坐标，裁剪各摇杆开关头部区域图像以获取各摇杆开关头部区域的子图像；
E，优化步骤D获取的各子图像；
F，通过比较各子图像中摇杆开关头部像素区坐标和图像中心坐标，判别各摇杆开关状态。
进一步的，所述摇杆开关图像特点为真彩色图像RGB格式，且允许图像存在仿射、旋转、光照、尺度和视角变化；摇杆头部为红色，摇杆底部为两个白色圆弧区，摇杆开关工作区域为与图像背景区分度较高的黑色矩形框。
进一步的，所述步骤B中提取开关摇杆头部的方法为：
B1，转换摇杆开关真彩图像RGB颜色空间为HSV颜色空间，提取HSV空间的色调，设定红色色调的阈值为0.05，将HSV空间中色调值小于0.05或大于0.95作为红色色调区；
B2，转换步骤B1中红色色调图为灰度图，并归一化处理；
B3，图像取补并采用大小为5X4的模板进行中值滤波；
B4，设定阈值为0.9，遍历整幅图像，将图像中灰度值小于0.9的像素灰度设置为0，图像黑白反转；
B5，移除图像中的孤立像素点，采用半径为4的圆盘结构元素进行腐蚀处理。
进一步的，定位摇杆开关工作区的具体步骤为：
C1，转换摇杆开关真彩图像为灰度图，对灰度图进行归一化处理；
C2，选取阈值0.3对灰度图进行全局阈值分割，初步提取摇杆开关区域，图像转换为二值图像；
C3，二值图像黑白反转，并填充图像中的空洞区域；
C4，统计步骤C3中离散像素区域的个数，若像素区域的数目大于图像中实际摇杆开关数，则删除图像中最小面积像素区域，并采用半径为1的圆盘结构元素进行膨胀处理，填充图像中的空洞区域；
C5，统计图像中的离散区域个数，若仍大于摇杆开关数，则重复步骤C4，直至图像中离散区域的个数与摇杆开关数相等。
进一步的，所述裁剪摇杆开关头部图像的方法为根据各摇杆开关工作区域的顶部和底部左右四个顶点坐标，裁剪摇杆开关头部图像，获取各摇杆头部区域的子图像。
进一步的，所述优化各子图像的方法为：统计子图像中的离散区域的个数，若大于1，则删除最小面积的像素区域，并重复此步骤，直至各子图像中仅存一个离散像素区。
进一步的，所述判别决策各摇杆开关状态的方法为：统计各子图像中摇杆开关头部的像素区质心坐标；若开关沿竖直方向掰动，则比较质心的纵坐标与子图像中心纵坐标，若质心的纵坐标大于子图像中心纵坐标，则摇杆开关指示上部，否则，摇杆开关指示下部。
本发明的有益效果为：采用本发明方法，可以基于图像处理技术对摇杆开关位置自动分析诊断，通过定位分割各摇杆区域，裁剪获取各摇杆区域子图像，比较各子图像中摇杆头部像素区的质心坐标和子图像中心坐标，对各摇杆开关状态进行判断。采用本发明方法，可对摇杆开关进行分析，判断摇杆开关位置，为诊断开关位置异常提供参考，预防风险的发生。
附图说明
为了易于说明，本发明由下述的具体实施例及附图作以详细描述。
图1为本发明方法的流程框图，
图2为本发明中的摇杆开关图，
图3 为本发明中的红色色调图，
图4 为本发明中的摇杆头部区域图，
图5 为本发明中的摇杆开关工作区域图，
图6 为本发明中的各摇杆开关头部区域裁剪图，
图7 为本发明中的各子图优化图，
图8 为本发明中的各摇杆开关状态判别图。
具体实施方式
下面结合具体实施例及附图对本发明作进一步说明。
参考图1，本发明提出一种基于图像处理的二值摇杆开关位置检测方法，其包括如下步骤：
A，采集摇杆开关图像；
B，基于采集的摇杆开关图像特点，提取摇杆开关头部图像；
C，定位各摇杆开关工作区域；
D，根据各摇杆开关工作区坐标，裁剪各摇杆开关头部区域图像以获取各摇杆开关头部区域的子图像；
E，优化步骤D获取的各子图像；
F，通过比较各子图像中摇杆开关头部像素区坐标和图像中心坐标，判别各摇杆开关状态。
采用本发明方法，可以基于图像处理技术对摇杆开关位置自动分析诊断，通过定位分割各摇杆区域，裁剪获取各摇杆区域子图像，比较各子图像中摇杆头部像素区的质心纵坐标和子图像中心纵坐标，对各摇杆开关状态进行判断。采用本发明方法，可对摇杆开关进行分析，判断摇杆开关位置，为诊断开关位置异常提供参考，预防风险的发生。
本发明中摇杆开关图像特点为真彩色图像RGB格式，且允许图像存在仿射、旋转、光照、尺度和视角变化；摇杆头部为红色，摇杆底部为两个白色圆弧区，摇杆开关工作区域为与图像背景区分度较高的黑色矩形框。
实施例：
1、提取开关摇杆头部图像，包括如下步骤：
1.1转换摇杆开关真彩图像（即图2）RGB颜色空间为HSV颜色空间，提取HSV空间的色调，设定红色色调的阈值为0.05，将HSV空间中色调值小于0.05或大于0.95作为红色色调区，如图3所示；
1.2转换步骤1.1中红色色调图为灰度图，并归一化处理；
1.3图像取补并采用大小为5X4的模板进行中值滤波；
1.4设定阈值为0.9，遍历整幅图像，将图像中灰度值小于0.9的像素灰度置为0，然后图像黑白反转；
1.5移除图像中的孤立像素点，采用半径为4的圆盘结构元素进行腐蚀处理，最终处理结果如图4所示。
2、定位摇杆开关工作区，其包括如下步骤：
2.1转换摇杆开关真彩图像为灰度图，对灰度图进行归一化处理；
2.2选取阈值0.3对灰度图采用全局阈值进行分割，初步提取摇杆开关区域，图像转换为二值图像；
2.3二值图像黑白反转，并填充图像中的空洞区域；
2.4统计步骤2.3中离散像素区域的个数，若像素区域的数目大于图像中实际摇杆开关数，则删除图像中最小面积像素区域，并采用半径为1的圆盘结构元素进行膨胀处理，填充图像中的空洞区域；
2.5统计图像中的离散区域个数，若仍大于摇杆开关数，则重复步骤2.4，直至图像中离散区域的个数与摇杆开关数相等，结果如图5所示。
3、裁剪开关摇杆头部区
裁剪开关摇杆头部区图像，获取开关摇杆头部的一系列子图像；
其中裁剪摇杆开关头部区域图像的方法：根据各摇杆开关区域的顶部和底部左右四个顶点坐标，裁剪摇杆开关头部区域图像（图4），得到包含各摇杆头部区域的一系列子图像，如图6所示。
4、优化子图像
统计子图像中的离散区域的个数，若大于1，则删除最小面积像素区，并重复此步骤，直至子图像中仅存一个离散像素区域，如图7所示。
5、判别决策各摇杆开关状态
统计各子图像中摇杆开关头部像素区质心坐标，若开关沿竖直方向掰动，比较质心纵坐标与子图像中心纵坐标，若质心图像纵坐标大于子图像中心纵坐标，则摇杆开关指示上部，否则，摇杆开关指示下部，判决结果如图8所示。若开关沿其他方向掰动，则按照同样的方式沿掰动方向判别即可，若开关沿水平方向掰动，比较质心横坐标与子图像中心横坐标，若质心图像横坐标大于子图像中心横坐标，则摇杆开关指示右部，否则，摇杆开关指示下部。
以上显示和描述了本发明的基本原理和主要特征。本领域技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都会落入要求保护的本发明范围。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (7)

1.一种基于图像处理的二值摇杆开关位置的检测方法，其特征在于：包括如下步骤：
A，采集摇杆开关图像；
B，基于采集的摇杆开关图像特点，提取摇杆开关头部图像；
C，定位各摇杆开关工作区；
D，根据各摇杆开关工作区坐标，裁剪各摇杆开关头部区域图像以获取各摇杆开关头部区域的子图像；
E，优化步骤D获取的各子图像；
F，通过比较各子图像中摇杆开关头部像素区坐标和图像中心坐标，判别各摇杆开关状态。
2.根据权利要求1所述的基于图像处理的二值摇杆开关位置的检测方法，其特征在于：所述摇杆开关图像特点为真彩色图像RGB格式，且允许图像存在仿射、旋转、光照、尺度和视角变化；摇杆头部为红色，摇杆底部为两个白色圆弧区，摇杆开关工作区域为与图像背景区分度较高的黑色矩形框。
3.根据权利要求2所述的基于图像处理的二值摇杆开关位置的检测方法，其特征在于：所述步骤B中提取开关摇杆头部的方法为：
B1，转换摇杆开关真彩图像RGB颜色空间为HSV颜色空间，提取HSV空间的色调，设定红色色调的阈值为0.05，将HSV空间中色调值小于0.05或大于0.95作为红色色调区；
B2，转换步骤B1中红色色调图为灰度图，并归一化处理；
B3，图像取补并采用大小为5X4的模板进行中值滤波；
B4，设定阈值为0.9，遍历整幅图像，将图像中灰度值小于0.9的像素灰度设置为0，图像黑白反转；
B5，移除图像中的孤立像素点，采用半径为4的圆盘结构元素进行腐蚀处理。
4.根据权利要求3所述的基于图像处理的二值摇杆开关位置的检测方法，其特征在于：定位摇杆开关工作区的具体步骤为：
C1，转换摇杆开关真彩图像为灰度图，对灰度图进行归一化处理；
C2，选取阈值0.3对灰度图进行全局阈值分割，初步提取摇杆开关区域，图像转换为二值图像；
C3，二值图像黑白反转，并填充图像中的空洞区域；
C4，统计步骤C3中离散像素区域的个数，若像素区域的数目大于图像中实际摇杆开关数，则删除图像中最小面积像素区域，并采用半径为1的圆盘结构元素进行膨胀处理，填充图像中的空洞区域；
C5，统计图像中的离散区域个数，若仍大于摇杆开关数，则重复步骤C4，直至图像中离散区域的个数与摇杆开关数相等。
5.根据权利要求4所述的基于图像处理的二值摇杆开关位置的检测方法，其特征在于：所述裁剪摇杆开关头部图像的方法为：根据各摇杆开关工作区域的顶部和底部左右四个顶点坐标，裁剪摇杆开关头部图像，获取各摇杆头部区域的子图像。
6.根据权利要求5所述的基于图像处理的二值摇杆开关位置的检测方法，其特征在于：所述优化各子图像的方法为：统计子图像中的离散区域的个数，若大于1，则删除最小面积的像素区域，并重复此步骤，直至各子图像中仅存一个离散像素区。
7.根据权利要求6所述的基于图像处理的二值摇杆开关位置的检测方法，其特征在于：所述判别决策各摇杆开关状态的方法为统计各子图像中摇杆开关头部的像素区质心坐标；若开关沿竖直方向掰动，则比较质心的纵坐标与子图像中心纵坐标，若质心的纵坐标大于子图像中心纵坐标，则摇杆开关指示上部，否则，摇杆开关指示下部。
CN201710168349.XA 2017-03-21 2017-03-21 一种基于图像处理的二值摇杆开关位置检测方法 Active CN106952277B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710168349.XA CN106952277B (zh) 2017-03-21 2017-03-21 一种基于图像处理的二值摇杆开关位置检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710168349.XA CN106952277B (zh) 2017-03-21 2017-03-21 一种基于图像处理的二值摇杆开关位置检测方法

Publications (2)

Publication Number Publication Date
CN106952277A true CN106952277A (zh) 2017-07-14
CN106952277B CN106952277B (zh) 2019-10-25

Family

ID=59473552

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710168349.XA Active CN106952277B (zh) 2017-03-21 2017-03-21 一种基于图像处理的二值摇杆开关位置检测方法

Country Status (1)

Country Link
CN (1) CN106952277B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109470499A (zh) * 2018-10-11 2019-03-15 歌尔股份有限公司 摇杆校准测试工装、系统和方法
CN110148118A (zh) * 2019-04-22 2019-08-20 国网湖南省电力有限公司 一种开关柜地刀状态非接触监测方法、系统、介质及设备
CN111723796A (zh) * 2019-03-20 2020-09-29 天津美腾科技有限公司 基于机器视觉的配电柜停送电状态识别方法及装置
CN113447801A (zh) * 2020-03-25 2021-09-28 法雷奥汽车内部控制（深圳）有限公司 滑动开关的开关位置检测装置及方法
CN113822200A (zh) * 2021-09-24 2021-12-21 成都交大光芒科技股份有限公司 牵引变电所辅助监控多视角档位开关自动识别方法及装置
CN117689730A (zh) * 2024-02-01 2024-03-12 广东控银实业有限公司 基于图像的摇杆开关位置检测方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106446903A (zh) * 2016-09-20 2017-02-22 山东省计量科学研究院 一种仪表波段开关位置识别方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106446903A (zh) * 2016-09-20 2017-02-22 山东省计量科学研究院 一种仪表波段开关位置识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
丁四海等: "数字图像处理技术在电气控制柜开关状态识别中的应用", 《微型电脑应用》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109470499A (zh) * 2018-10-11 2019-03-15 歌尔股份有限公司 摇杆校准测试工装、系统和方法
CN109470499B (zh) * 2018-10-11 2020-08-11 歌尔股份有限公司 摇杆校准测试工装、系统和方法
CN111723796A (zh) * 2019-03-20 2020-09-29 天津美腾科技有限公司 基于机器视觉的配电柜停送电状态识别方法及装置
CN111723796B (zh) * 2019-03-20 2021-06-08 天津美腾科技有限公司 基于机器视觉的配电柜停送电状态识别方法及装置
CN110148118A (zh) * 2019-04-22 2019-08-20 国网湖南省电力有限公司 一种开关柜地刀状态非接触监测方法、系统、介质及设备
CN113447801A (zh) * 2020-03-25 2021-09-28 法雷奥汽车内部控制（深圳）有限公司 滑动开关的开关位置检测装置及方法
CN113447801B (zh) * 2020-03-25 2024-03-15 法雷奥汽车内部控制（深圳）有限公司 滑动开关的开关位置检测装置及方法
CN113822200A (zh) * 2021-09-24 2021-12-21 成都交大光芒科技股份有限公司 牵引变电所辅助监控多视角档位开关自动识别方法及装置
CN113822200B (zh) * 2021-09-24 2024-03-26 成都交大光芒科技股份有限公司 牵引变电所辅助监控多视角档位开关自动识别方法及装置
CN117689730A (zh) * 2024-02-01 2024-03-12 广东控银实业有限公司 基于图像的摇杆开关位置检测方法及系统
CN117689730B (zh) * 2024-02-01 2024-04-26 广东控银实业有限公司 基于图像的摇杆开关位置检测方法及系统

Also Published As

Publication number Publication date
CN106952277B (zh) 2019-10-25

Similar Documents

Publication Publication Date Title
CN106952277A (zh) 一种基于图像处理的二值摇杆开关位置检测方法
CN106446926A (zh) 一种基于视频分析的变电站工人安全帽佩戴检测方法
CN102402680B (zh) 人机交互系统中手部、指示点定位方法和手势确定方法
CN100463000C (zh) 基于级联分类和哈夫圆变换的人眼状态检测方法
CN104077594B (zh) 一种图像识别方法和装置
CN102122390B (zh) 基于深度图像进行人体检测的方法
CN106780612A (zh) 一种图像中的物体检测方法及装置
CN105160297B (zh) 基于肤色特征的蒙面人事件自动检测方法
CN109801284A (zh) 一种基于深度学习的高铁接触网绝缘子故障检测方法
CN106295551A (zh) 一种基于视频分析的人员安全帽佩戴情况实时检测方法
CN110930357A (zh) 一种基于深度学习的在役钢丝绳表面缺陷检测方法与系统
CN107977639A (zh) 一种人脸清晰度判断方法
TWI611961B (zh) 車道線影像分析方法、影像分析裝置及其電腦可讀取式媒體
CN112149513A (zh) 基于深度学习的工业制造现场安全帽佩戴识别系统和方法
CN104463138B (zh) 基于视觉结构属性的文本定位方法及系统
CN103440035A (zh) 一种三维空间中的手势识别系统及其识别方法
CN109685117A (zh) 一种气液固三相体系中流动参数的图像测量方法
CN106997459A (zh) 一种基于神经网络和图像叠合分割的人数统计方法及系统
CN104077568A (zh) 一种高精度的驾驶员行为识别与监控方法及系统
CN102073872A (zh) 基于图像的寄生虫虫卵形状识别方法
CN114882440A (zh) 一种人头检测方法和系统
CN106650735B (zh) 一种led字符自动定位识别方法
CN105654140B (zh) 面向复杂工业环境的铁路油罐车车号定位与识别方法
CN104766332B (zh) 一种图像处理方法及电子设备
CN109271931A (zh) 一种基于轮廓分析的剑指手势实时识别系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant