CN106960437A - 一种电力巡检机器人的油浸电力变压器液位检测方法 - Google Patents
一种电力巡检机器人的油浸电力变压器液位检测方法 Download PDFInfo
- Publication number
- CN106960437A CN106960437A CN201710182804.1A CN201710182804A CN106960437A CN 106960437 A CN106960437 A CN 106960437A CN 201710182804 A CN201710182804 A CN 201710182804A CN 106960437 A CN106960437 A CN 106960437A
- Authority
- CN
- China
- Prior art keywords
- image
- liquid level
- level gauge
- liquid
- inspection process
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
Abstract
本发明请求保护一种电力巡检机器人的油浸电力变压器液位检测方法,包括:对图像进行预处理,模板匹配获取液位计框架信息,提取液位计图像并矫正能够,对图像进行Gabor横向滤波,统计滤波图像的每一行的响应值,根据响应值分布图像,找到第一个超过阈值的行下标,计算液位计所在位置。本方法的特点:有较高的液位检测精度,对图片的预处理要求低,对光照、阴影等干扰具有较强的鲁棒性。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种电力巡检机器人的油浸电力变压器液位检测方法。
背景技术
在电力系统中,液位计表有着广泛的应用。在变电站,需要对液位计指针进行实时监控,以防止一些参数超标而发生意外。目前的巡检方法主要是人工巡检。人工巡检读数的效率低,误差大,危险性高。因此,需要发明一种通过巡检机器人获取图像、利用高效的图像处理技术获取液位计指针位置的方法,以提高效率,确保电力系统的安全运行。
在变电站中充液设备液位指示的多少表明储液柜液面的高低,现今大多数液位计通过颜色来判断液位计位置,遇到颜色脱落,反光的情况或者没有颜色的液位器并没有提出有效的自动检测方案。
在专利105608703 A关于变电站智能巡检机器人的电流互感器液位检测方法,其核心步骤有两个,一是通过人工判断表计范围,扣取整个表计。二是通过模板匹配计算最大相似度求取液位计当前度数。人工操作固然精确度很高,但是却让步骤更加烦琐。模板匹配计算相似性,由于液位计会随着时间和天气的变化,温度,环境发生一些改变,如果要得到更为精准的液位高低,需要对选取的模板定期更新。
针对上述问题,我们需要重新设计一套新的算法,对光照,颜色脱落,变电站复杂环境等噪声有较高的鲁棒性。我们认为在人类视觉中一定,所以模拟人类视觉成像特点,如果对液位计刻度线进行从上到下扫描,一定会看到第一个横向响应最大的值,就是液位刻度线。于是我们用横向Gabor对提取的液位计图像做横向Gabor滤波,统计每一行的响应值,一定会得到某一行开始突变的值,为了避免光照阴影的干扰,我们设定阈值,如果峰值超过该阈值,就认为是有横向指针和没有横向指针的突变点,该峰值即液位所指刻度。
发明内容
本发明旨在解决以上现有技术的问题。提出了一种对光照、阴影等干扰具有较强鲁棒性,对预处理要求不高,对液位计位置定位精度具有鲁棒性的方法。本发明的技术方案如下:
一种电力巡检机器人的油浸电力变压器液位检测方法,其包括以下步骤:
首先设定液位计形状大小的模板,已知模板图片液位计位置,对齐后,就知道拍摄图片液位计信息在哪里,就可以提取液位计图像了,对电力巡检机器人获取的液位计图像做预处理转化为灰度图像;
用模板在获得的灰度图像中找到液位计位置并获取液位计图像,对获取的液位计图像做矫正,使得液位计指针水平;
再用横向Gabor对提取的整个液位计图像进行Gabor滤波,统计滤图像每一行响应值大小,得到的响应值分布图,求得第一个超过阈值的响应值所对应的行下标,即得到液位计指针指向位置。
进一步的,所述获取液位计图像分为以下具体步骤:
采用模板图像在获得的灰度图像中采用全局搜索,计算相似度,在液位计所在整个图片搜索,模块所在每个地方与该图像这个位置对应做差,误差越小,大多数相减为0,相似度越大,找到相似度最大的位置,即液位计所在的位置,提取液位计图像。
进一步的,所述模板图像采用90×248像素的图片,以该图片中点为中心,对包含图像2/3的区域进行全局搜索,计算每个位置的误差度,
i表示横坐标,j表示纵坐标;
找到误差度最小的位置,提取该位置下液位计图像信息。
进一步的,对获取的液位计图像位置进行矫正,具体步骤如下:
找出液位计图像液位显示直线上的点,当每一列第一次由黑变白点,且这一列的下两点还是白就判定为边界点,将坐标存入一个二维数组;
通过最小二乘法拟合出一条直线L;
通过rot=arctan(L)计算直线的斜率L;变压器液位检测根据所得的偏转角度,对图像进行矫正得到矫正图像。
进一步的,所述Gabor滤波;Gabor滤波器基函数: 统计滤波图像每一行的能量值,其中λ和θk分别是正弦波的波长和方向,θk的定义为:
k决定了滤波器的个数;σx和σy分别为高斯包络在x方向和y方向上的标准差,它们决定了高斯包络的空间扩展
本发明的优点及有益效果如下:
本发明采用对液位计所在图像分块的方法,统计每一行的响应值,保证了液位计指针最大可能不被切割,更直观反应突变下降所在位置,使得找到的液位刻度结果更为可靠和准确。本发明利用Gabor滤波来计算液位计所在位置,对光照不敏感,同时与通常的直线检测的方式来计算液位计位置相比,不会受到刻度、阴影等短小的直线干扰,对噪声具有较强鲁棒性。
附图说明
图1是本发明提供优选实施例电力巡检机器人的油浸电力变压器液位检测方法的流程图;
图2为获取的液位计图像;
图3为液位计读数信息
图4为Gabor滤波响应值分布图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
本发明解决上述技术问题的技术方案是:
一种电力巡检机器人的液位检测方法,包括步骤如下:(1)对图像进行预处理(2)模板匹配获取液位计框架信息(3)提取液位计图像并矫正处理(4)对图像进行分块处理(5)对分块图像进行Gabor处理计算Gabor响应值(6)从获取的响应值图像分布图中找到突变最大的点,计算液位计所在位置。
将图像转化为灰度图像(图2);
用模板为90×248像素的图片在图片中点为中心,包含图像2/3区域进行全局搜索,计算每个位置的误差度。
找到误差最小的位置,提取该位置下液位计图像信息(图3)
将图像二值化,使得图像转换为只包含两种颜色。(简要描述二值化采用的方法)
根据步骤(2-1)找出直线上的点(每一列第一次由黑变白点,且这一列的下两点还是白就判定为边界点),将坐标存入一个二维数组A;
步骤(2-2)通过最小二乘法拟合出一条直线(L);
步骤(2-3)通过rot=arctan(L)计算直线的斜率L。
步骤(2-4)根据所得的偏转角度,对图像进行矫正得到矫正图像B。
对获得的图像进行横向的Gabor滤波;Gabor滤波器基函数: 统计滤波图像每一行的能量值;
我们设定响应峰值是前最大峰值的2倍的时候,该峰值就是对应液位计坐在位置。
步骤(3-3)计算得到响应值区域第一个超过阈值对应行下标的位置在整个图片52.5%位置处(图4)。
事先测量液位计的最低位置和最高位置在液位计2/3和1/10处。所以液位计是高于最低标准,大于最低标准的安全值。
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (5)
1.一种电力巡检机器人的油浸电力变压器液位检测方法,其特征在于,包括以下步骤:
首先设定液位计形状大小的模板,已知模板图片液位计位置,对齐后,就知道拍摄图片液位计信息在哪里,就可以提取液位计图像了,对电力巡检机器人获取的液位计图像做预处理转化为灰度图像;
用模板在获得的灰度图像中找到液位计位置并获取液位计图像,对获取的液位计图像做矫正,使得液位计指针水平;
再用横向Gabor对提取的整个液位计图像进行Gabor滤波,统计滤图像每一行响应值大小,得到的响应值分布图,求得第一个超过阈值的响应值所对应的行下标,即得到液位计指针指向位置。
2.根据权利要求1所述的电力巡检机器人的油浸电力变压器液位检测方法,其特征在于,所述获取液位计图像分为以下具体步骤:
采用模板图像在获得的灰度图像中采用全局搜索,计算相似度,在液位计所在整个图片搜索,模块所在每个地方与该图像这个位置对应做差,误差越小,大多数相减为0,相似度越大,找到相似度最大的位置,即液位计所在的位置,提取液位计图像。
3.根据权利要求2所述的电力巡检机器人的油浸电力变压器液位检测方法,其特征在于,所述模板图像采用90×248像素的图片,以该图片中点为中心,对包含图像2/3的区域进行全局搜索,计算每个位置的误差度,
i表示横坐标,j表示纵坐标;
找到误差度最小的位置,提取该位置下液位计图像信息。
4.根据权利要求1或2或3所述的电力巡检机器人的油浸电力变压器液位检测方法,其特征在于,对获取的液位计图像位置进行矫正,具体步骤如下:
找出液位计图像液位显示直线上的点,当每一列第一次由黑变白点,且这一列的下两点还是白就判定为边界点,将坐标存入一个二维数组;
通过最小二乘法拟合出一条直线L;
通过rot=arctan(L)计算直线的斜率L;变压器液位检测根据所得的偏转角度,对图像进行矫正得到矫正图像。
5.根据权利要求4所述的电力巡检机器人的油浸电力变压器液位检测方法,其特征在于,所述Gabor滤波;Gabor滤波器基函数: 统计滤波图像每一行的能量值,其中λ和θk分别是正弦波的波长和方向,θk的定义为:
k决定了滤波器的个数;σx和σy分别为高斯包络在x方向和y方向上的标准差,它们决定了高斯包络的空间扩展
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710182804.1A CN106960437B (zh) | 2017-03-24 | 2017-03-24 | 一种电力巡检机器人的油浸电力变压器液位检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710182804.1A CN106960437B (zh) | 2017-03-24 | 2017-03-24 | 一种电力巡检机器人的油浸电力变压器液位检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106960437A true CN106960437A (zh) | 2017-07-18 |
CN106960437B CN106960437B (zh) | 2020-04-14 |
Family
ID=59471036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710182804.1A Active CN106960437B (zh) | 2017-03-24 | 2017-03-24 | 一种电力巡检机器人的油浸电力变压器液位检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106960437B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108074336A (zh) * | 2017-11-29 | 2018-05-25 | 重庆邮电大学 | 一种智能语音交互的人脸识别情绪小面机器人 |
CN113052823A (zh) * | 2021-03-26 | 2021-06-29 | 东莞市科研世智能科技有限公司 | 油位和油色检测方法、装置、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494733A (zh) * | 2011-12-12 | 2012-06-13 | 西安电子科技大学 | 基于图像处理的水位监测系统及方法 |
CN103745203A (zh) * | 2014-01-15 | 2014-04-23 | 南京理工大学 | 基于视觉注意和均值漂移的目标检测与跟踪方法 |
CN104616275A (zh) * | 2013-11-04 | 2015-05-13 | 北京兆维电子(集团)有限责任公司 | 一种缺陷检测方法和装置 |
CN105181072A (zh) * | 2015-03-08 | 2015-12-23 | 无锡桑尼安科技有限公司 | 一种水位自动检测方法 |
CN105261015A (zh) * | 2015-09-29 | 2016-01-20 | 北京工业大学 | 基于Gabor滤波器的眼底图像血管自动分割方法 |
CN105868763A (zh) * | 2016-03-28 | 2016-08-17 | 国网浙江省电力公司宁波供电公司 | 一种油位表的读数方法及系统 |
CN105894441A (zh) * | 2015-12-29 | 2016-08-24 | 乐视云计算有限公司 | 一种图像匹配方法及装置 |
-
2017
- 2017-03-24 CN CN201710182804.1A patent/CN106960437B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102494733A (zh) * | 2011-12-12 | 2012-06-13 | 西安电子科技大学 | 基于图像处理的水位监测系统及方法 |
CN104616275A (zh) * | 2013-11-04 | 2015-05-13 | 北京兆维电子(集团)有限责任公司 | 一种缺陷检测方法和装置 |
CN103745203A (zh) * | 2014-01-15 | 2014-04-23 | 南京理工大学 | 基于视觉注意和均值漂移的目标检测与跟踪方法 |
CN105181072A (zh) * | 2015-03-08 | 2015-12-23 | 无锡桑尼安科技有限公司 | 一种水位自动检测方法 |
CN105261015A (zh) * | 2015-09-29 | 2016-01-20 | 北京工业大学 | 基于Gabor滤波器的眼底图像血管自动分割方法 |
CN105894441A (zh) * | 2015-12-29 | 2016-08-24 | 乐视云计算有限公司 | 一种图像匹配方法及装置 |
CN105868763A (zh) * | 2016-03-28 | 2016-08-17 | 国网浙江省电力公司宁波供电公司 | 一种油位表的读数方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108074336A (zh) * | 2017-11-29 | 2018-05-25 | 重庆邮电大学 | 一种智能语音交互的人脸识别情绪小面机器人 |
CN113052823A (zh) * | 2021-03-26 | 2021-06-29 | 东莞市科研世智能科技有限公司 | 油位和油色检测方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN106960437B (zh) | 2020-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110287932B (zh) | 基于深度学习图像语义分割的道路阻断信息提取方法 | |
CN106257535B (zh) | 基于surf算子的电气设备红外与可见光图像配准方法 | |
CN105913415A (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN106197612B (zh) | 一种基于机器视觉的透明瓶装液位检测方法 | |
CN104020430B (zh) | 磁共振成像运动伪影的校正方法及系统 | |
CN102436652A (zh) | 一种多源遥感图像自动配准方法 | |
CN104156629B (zh) | 一种基于相对辐射校正的导航雷达图像反演海面风向方法 | |
CN105374041A (zh) | 利用多期遥感影像提取砂质岸线的方法 | |
CN109447061A (zh) | 基于巡检机器人的电抗器油位计识别方法 | |
CN106643549A (zh) | 一种基于机器视觉的瓷砖尺寸检测方法 | |
CN103438834A (zh) | 基于结构光投影的层级式快速三维测量装置及测量方法 | |
CN101710081A (zh) | 基于图像纹理与分形维数的机械零件表面缺陷检测方法 | |
CN103778411A (zh) | 一种基于栅格图像划分的圆检测方法及装置 | |
CN106960437A (zh) | 一种电力巡检机器人的油浸电力变压器液位检测方法 | |
CN106705850A (zh) | 一种基于图像的端子质量检测方法 | |
CN110363053A (zh) | 一种遥感影像居民地提取方法及装置 | |
CN105783785B (zh) | 一种小波脊相位提取方法 | |
CN112633123A (zh) | 一种基于深度学习的异源遥感影像变化检测方法及装置 | |
CN107220939A (zh) | 一种基于三角形定标法的岩芯高光谱数据几何畸变校正方法 | |
CN115601713A (zh) | 一种汽包水位图像识别方法及其装置 | |
CN114140518A (zh) | 一种水位高度监测方法、装置、电子设备及存储介质 | |
Ziqiang et al. | Research of the algorithm calculating the length of bridge crack based on stereo vision | |
CN109360289B (zh) | 融合巡检机器人定位信息的电力表计检测方法 | |
Huo et al. | VDDNet: An object detection model for measuring the vibration displacement of rotating structure | |
CN112037158B (zh) | 一种基于页岩气田生产设备图像增强标注方法 |
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 |