CN108010026A - 一种保护压板状态识别方法和装置 - Google Patents

一种保护压板状态识别方法和装置 Download PDF

Info

Publication number
CN108010026A
CN108010026A CN201711434039.4A CN201711434039A CN108010026A CN 108010026 A CN108010026 A CN 108010026A CN 201711434039 A CN201711434039 A CN 201711434039A CN 108010026 A CN108010026 A CN 108010026A
Authority
CN
China
Prior art keywords
pressing plate
image
sample
processing
measured
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
CN201711434039.4A
Other languages
English (en)
Other versions
CN108010026B (zh
Inventor
宁柏锋
余里程
吕志宁
庞宁
黄安子
冯薇玺
孙蓉蓉
周子强
张国昌
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.)
China Southern Power Grid Digital Platform Technology Guangdong Co ltd
Shenzhen Power Supply Co ltd
Original Assignee
Shenzhen Power Supply Co ltd
Shenzhen Comtop Information Technology Co Ltd
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 Shenzhen Power Supply Co ltd, Shenzhen Comtop Information Technology Co Ltd filed Critical Shenzhen Power Supply Co ltd
Priority to CN201711434039.4A priority Critical patent/CN108010026B/zh
Publication of CN108010026A publication Critical patent/CN108010026A/zh
Application granted granted Critical
Publication of CN108010026B publication Critical patent/CN108010026B/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
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种保护压板状态识别方法和装置。所述方法包括：对样本保护压板图像的压板区域进行定位校正处理，并进行分割处理，得到独立的样本压板开关图像；将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器；对待测保护压板图像的压板区域进行定位校正处理，并进行分割处理，得到独立的待测压板开关图像；采用样本压板开关状态分类器，对待测压板开关图像进行状态识别，获取待测保护压板的压板开关状态。本发明通过利用预设训练好的压板开关状态分类器来实现待测压板开关状态的自动识别，提高检测效率和准确性，保障了电力运行安全产生。

Description

一种保护压板状态识别方法和装置
技术领域
本发明涉及电路监测技术领域，特别涉及一种保护压板状态识别方法和装置。
背景技术
保护压板也叫保护连片,或称跳闸压板，是电力保护装置联系外部接线的桥梁和纽带,关系到保护的功能和动作出口能否正常发挥作用。
保护压板作为电力运行系统中电路保护装置，对电力运行安全起到重要作用。现有的保护压板仍采用人工巡检的方式进行监测，但由于一次巡检过程中压板数量较多，采用人工巡检极易造成视觉疲劳，容易出现误检或者漏检的情况，对电力运行安全产生重要的影响。
发明内容
为了解决现有技术的问题，本发明实施例提供了一种保护压板状态识别方法和装置。所述技术方案如下：
一方面，本发明实施例提供了一种保护压板状态识别方法，所述方法包括：
采集预设样本保护压板的样本保护压板图像；
对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像；
将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器；
采集待测保护压板的待测保护压板图像；
对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像；
采用样本压板开关状态分类器，对待测压板开关图像进行状态识别，获取待测保护压板的压板开关状态，所述压板开关状态包括：“投”状态、“退”状态。
在本发明实施例上述的保护压板状态识别方法中，所述对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像，包括：
对样本保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响；
对灰度化处理后的的样本保护压板图像，通过OTSU自适应阈值分割算法(即大津算法)进行二值化处理，并去除图像中的孤立点；
对二值化处理后的样本保护压板图像，采用形态学膨胀算法进行膨胀运算处理；
对膨胀运算处理后的样本保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，所述面积最大的轮廓区域为压板区域；
根据轮廓信息定位出样本压板区域的四个角点；
对定位出的样本压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的样本保护压板图像；
对定位校正处理后的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出样本压板区域中的样本压板开关；
对校正后的样本保护压板图像，通过图像分割技术分割出每个样本压板开关图像。
在本发明实施例上述的保护压板状态识别方法中，所述将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器，包括：
将每个样本压板开关图像统一变换为同一大小的样本图像作为训练样本图像；
对每个训练样本图片先通过sobel算子(即索贝尔算子)作为边缘检测算法提取样本边缘图像，再将样本边缘图像灰度化后作为样本输入图像；
提取每个样本输入图像的方向梯度直方图(Histogram of oriented gradient，简称“Hog”)特征，并通过支持向量机(Support Vector Machine，简称“svm”)分类器进行训练，训练出“投”“退”两种状态二分类器。
在本发明实施例上述的保护压板状态识别方法中，
在本发明实施例上述的保护压板状态识别方法中，所述对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像，包括：
对待测保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响；
对灰度化处理后的的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点；
对二值化处理后的待测保护压板图像，采用形态学膨胀算法进行膨胀运算处理；
对膨胀运算处理后的待测保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，所述面积最大的轮廓区域为压板区域；
根据轮廓信息定位出待测压板区域的四个角点；
对定位出的待测压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的待测保护压板图像；
对定位校正处理后的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出待测压板区域中的待测压板开关；
对校正后的待测保护压板图像，通过图像分割技术分割出每个待测压板开关图像。
在本发明实施例上述的保护压板状态识别方法中，所述对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像，包括：
将待测压板开关图像变换为与样本压板开关图像同一大小；
对统一大小处理后的待测压板开关图像，通过sobel算子作为边缘检测算法提取待测边缘图像；
采用样本压板开关状态分类器，对待测边缘图像进行状态分类识别，获取待测保护压板的压板开关状态。
另一方面，本发明实施例提供了一种保护压板状态识别装置，所述装置包括：
第一采集模块，用于采集预设样本保护压板的样本保护压板图像；
第一处理模块，用于对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像；
分类训练模块，用于将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器；
第二采集模块，用于采集待测保护压板的待测保护压板图像；
第二处理模块，用于对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像；
状态识别模块，用于采用样本压板开关状态分类器，对待测压板开关图像进行状态识别，获取待测保护压板的压板开关状态，所述压板开关状态包括：“投”状态、“退”状态。
在本发明实施例上述的保护压板状态识别装置中，所述第一处理模块，还用于对样本保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响；
所述第一处理模块，还用于对灰度化处理后的的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点；
所述第一处理模块，还用于对二值化处理后的样本保护压板图像，采用形态学膨胀算法进行膨胀运算处理；
所述第一处理模块，还用于对膨胀运算处理后的样本保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，所述面积最大的轮廓区域为压板区域；
所述第一处理模块，还用于根据轮廓信息定位出样本压板区域的四个角点；
所述第一处理模块，还用于对定位出的样本压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的样本保护压板图像；
所述第一处理模块，还用于对定位校正处理后的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出样本压板区域中的样本压板开关；
所述第一处理模块，还用于对校正后的样本保护压板图像，通过图像分割技术分割出每个样本压板开关图像。
在本发明实施例上述的保护压板状态识别装置中，所述分类训练模块，还用于将每个样本压板开关图像统一变换为同一大小的样本图像作为训练样本图像；
所述分类训练模块，还用于对每个训练样本图片先通过sobel算子作为边缘检测算法提取样本边缘图像，再将样本边缘图像灰度化后作为样本输入图像；
所述分类训练模块，还用于提取每个样本输入图像的Hog特征，并通过svm分类器进行训练，训练出“投”“退”两种状态二分类器。
在本发明实施例上述的保护压板状态识别装置中，所述第二处理模块，还用于对待测保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响；
所述第二处理模块，还用于对灰度化处理后的的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点；
所述第二处理模块，还用于对二值化处理后的待测保护压板图像，采用形态学膨胀算法进行膨胀运算处理；
所述第二处理模块，还用于对膨胀运算处理后的待测保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，所述面积最大的轮廓区域为压板区域；
所述第二处理模块，还用于根据轮廓信息定位出待测压板区域的四个角点；
所述第二处理模块，还用于对定位出的待测压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的待测保护压板图像；
所述第二处理模块，还用于对定位校正处理后的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出待测压板区域中的待测压板开关；
所述第二处理模块，还用于对校正后的待测保护压板图像，通过图像分割技术分割出每个待测压板开关图像。
在本发明实施例上述的保护压板状态识别装置中，所述状态识别模块，还用于将待测压板开关图像变换为与样本压板开关图像同一大小；
所述状态识别模块，还用于对统一大小处理后的待测压板开关图像，通过sobel算子作为边缘检测算法提取待测边缘图像；
所述状态识别模块，还用于采用样本压板开关状态分类器，对待测边缘图像进行状态分类识别，获取待测保护压板的压板开关状态。
本发明实施例提供的技术方案带来的有益效果是：
通过采集预设样本保护压板的样本保护压板图像；对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像；将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器；采集待测保护压板的待测保护压板图像；对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像；采用样本压板开关状态分类器，对待测压板开关图像进行状态识别，获取待测保护压板的压板开关状态。这样该保护压板状态识别方法，利用预设训练好的压板开关状态分类器来实现待测压板开关状态的自动识别，能有效解决目前巡视检查过程中由于人工检测造成的误检漏检情况，提高检测效率和准确性，保障了电力运行安全产生。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种保护压板状态识别方法的流程图；
图2是本发明实施例二提供的一种保护压板状态识别装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例一
本发明实施例提供了一种保护压板状态识别方法，适用于对保护压板中每个压板开关的投、退状态进行有效识别，参见图1，该方法可以包括：
步骤S11，采集预设样本保护压板的样本保护压板图像。
在本实施例中，采用分类器取代普通的图像边缘识别技术，提高识别精度，为此，需要先建立所需的分类器，而保护压板的压板开关一般是存在“投”、“退”两种状态的，因此，可以选择建立相应的二分类器。
步骤S12，对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像。
在本实施例中，由于采集图像时拍摄角度问题，有可能造成的采集到的样本保护压板图像变形而导致的无法识别，因此，需要通过增加对保护压板图像中的压板区域定位及校正处理，来解决上述问题。
具体地，上述步骤S12可以通过如下方式实现：
1，对样本保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响。
2，对灰度化处理后的的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点；
在本实施例中，图像二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。其中，OTSU自适应阀值分割算法是一种对图像进行二值化的高效算法。将图像二值化，有助于后续进行图像的轮廓信息提取。
此外，独立点的具体去除方法如下：a)遍历图像中每个像素点，判断像素值是否为255(即白色)；b)若此点像素值为255，则读取该像素值上下左右相邻的四个像素值，若四个点像素值全部为255，则保留此点，反之则去除此点。
3，对二值化处理后的样本保护压板图像，采用形态学膨胀算法进行膨胀运算处理。
4，对膨胀运算处理后的样本保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，该面积最大的轮廓区域为压板区域。
在本实施例中，保护压板的状态识别主要是识别压板区域的压板开关的状态，而多余的非压板区域则无需关注，因此，快速定位压板区域，去除非压板区域，可有效降低处理非压板区域造成的算法执行效率低问题，提升算法效率，保障算法识别精度。
5，根据轮廓信息定位出样本压板区域的四个角点。
6，对定位出的样本压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的样本保护压板图像。
7，对定位校正处理后的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出样本压板区域中的样本压板开关。
8，对校正后的样本保护压板图像，通过图像分割技术分割出每个样本压板开关图像。
在本实施例中，通过上述步骤，可以有效对采集到的样本保护压板图像进行定位校正处理，进而得到合适的样本压板开关图像来作为分类器的训练样本。
步骤S13，将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器。
在本实施例中，上述步骤S13可以通过如下方式实现：
1，将每个样本压板开关图像统一变换为同一大小的样本图像作为训练样本图像。
2，对每个训练样本图片先通过sobel算子作为边缘检测算法提取样本边缘图像，再将样本边缘图像灰度化后作为样本输入图像。
在本实施例中，Sobel算子是像素图像边缘检测中最重要的算子之一，在机器学习、数字媒体、计算机视觉等信息科技领域起着举足轻重的作用。通过提取图像边缘图像作为分类器的训练样本，使训练出的分类器具有更好的鲁棒性与分类精度。
3，提取每个样本输入图像的Hog特征，并通过svm分类器进行训练，训练出“投”“退”两种状态二分类器。
在本实施例中，Hog特征是一种在计算机视觉和图像中进行物体检测的特征描述算子，对图像的几何和光学变形都可以保持良好的不变性。svm分类器是一种常见的二分类器，其与Hog特征进行结合，能有效提升图像识别精度。
步骤S14，采集待测保护压板的待测保护压板图像。
步骤S15，对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像。
在本实施例中，对待测保护压板图像也进行与样本保护压板图像类似的处理，便于待测保护压板图像中待测压板开关的状态识别。
具体地，上述步骤S15可以通过如下方式实现：
1，对待测保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响。
2，对灰度化处理后的的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点。
3，对二值化处理后的待测保护压板图像，采用形态学膨胀算法进行膨胀运算处理。
4，对膨胀运算处理后的待测保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，面积最大的轮廓区域为压板区域。
5，根据轮廓信息定位出待测压板区域的四个角点。
6，对定位出的待测压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的待测保护压板图像。
7，对定位校正处理后的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出待测压板区域中的待测压板开关。
8，对校正后的待测保护压板图像，通过图像分割技术分割出每个待测压板开关图像。
在本实施例中，通过上述处理，可以得到待测保护压板图像中可供使用的待测压板开关图像，便于后续的状态识别。
步骤S16，采用样本压板开关状态分类器，对待测压板开关图像进行状态识别，获取待测保护压板的压板开关状态，该压板开关状态可以包括：“投”状态、“退”状态。
在本实施例中，上述步骤S16可以通过如下方式实现：
1，将待测压板开关图像变换为与样本压板开关图像同一大小。
2，对统一大小处理后的待测压板开关图像，通过sobel算子作为边缘检测算法提取待测边缘图像。
3，采用样本压板开关状态分类器，对待测边缘图像进行状态分类识别，获取待测保护压板的压板开关状态。
在本实施例中，通过训练好的压板开关状态分类器对待检测保护压板图像中的待测压板开关状态进行分类识别，可有效解决目前巡视检查过程中由于人工检测造成的误检漏检情况，实现自动识别压板状态的目标，提高检测效率。
本发明实施例通过采集预设样本保护压板的样本保护压板图像；对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像；将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器；采集待测保护压板的待测保护压板图像；对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像；采用样本压板开关状态分类器，对待测压板开关图像进行状态识别，获取待测保护压板的压板开关状态。这样该保护压板状态识别方法，利用预设训练好的压板开关状态分类器来实现待测压板开关状态的自动识别，能有效解决目前巡视检查过程中由于人工检测造成的误检漏检情况，提高检测效率和准确性，保障了电力运行安全产生。
实施例二
本发明实施例提供了一种保护压板状态识别装置，执行了实施例一所述的方法，参见图2，该装置可以包括：第一采集模块100、第一处理模块200、分类训练模块300、第二采集模块400、第二处理模块500、状态识别模块600。
第一采集模块100，用于采集预设样本保护压板的样本保护压板图像。
在本实施例中，采用分类器取代普通的图像边缘识别技术，提高识别精度，为此，需要先建立所需的分类器，而保护压板的压板开关一般是存在“投”、“退”两种状态的，因此，可以选择建立相应的二分类器。
第一处理模块200，用于对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像。
在本实施例中，由于采集图像时拍摄角度问题，有可能造成的采集到的样本保护压板图像变形而导致的无法识别，因此，需要通过增加对保护压板图像中的压板区域定位及校正处理，来解决上述问题。
分类训练模块300，用于将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器。
第二采集模块400，用于采集待测保护压板的待测保护压板图像。
第二处理模块500，用于对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像。
在本实施例中，对待测保护压板图像也进行与样本保护压板图像类似的处理，便于待测保护压板图像中待测压板开关的状态识别。
状态识别模块600，用于采用样本压板开关状态分类器，对待测压板开关图像进行状态识别，获取待测保护压板的压板开关状态，所述压板开关状态包括：“投”状态、“退”状态。
在本实施例中，通过训练好的压板开关状态分类器对待检测保护压板图像中的待测压板开关状态进行分类识别，可有效解决目前巡视检查过程中由于人工检测造成的误检漏检情况，实现自动识别压板状态的目标，提高检测效率。
可选地，第一处理模块200，还用于对样本保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响。
第一处理模块200，还用于对灰度化处理后的的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点；
在本实施例中，图像二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的黑白效果的过程。其中，OTSU自适应阀值分割算法是一种对图像进行二值化的高效算法。将图像二值化，有助于后续进行图像的轮廓信息提取。
此外，独立点的具体去除方法如下：a)遍历图像中每个像素点，判断像素值是否为255(即白色)；b)若此点像素值为255，则读取该像素值上下左右相邻的四个像素值，若四个点像素值全部为255，则保留此点，反之则去除此点。
第一处理模块200，还用于对二值化处理后的样本保护压板图像，采用形态学膨胀算法进行膨胀运算处理。
第一处理模块200，还用于对膨胀运算处理后的样本保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，该面积最大的轮廓区域为压板区域。
在本实施例中，保护压板的状态识别主要是识别压板区域的压板开关的状态，而多余的非压板区域则无需关注，因此，快速定位压板区域，去除非压板区域，可有效降低处理非压板区域造成的算法执行效率低问题，提升算法效率，保障算法识别精度。
第一处理模块200，还用于根据轮廓信息定位出样本压板区域的四个角点。
第一处理模块200，还用于对定位出的样本压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的样本保护压板图像。
第一处理模块200，还用于对定位校正处理后的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出样本压板区域中的样本压板开关。
第一处理模块200，还用于对校正后的样本保护压板图像，通过图像分割技术分割出每个样本压板开关图像。
在本实施例中，通过上述步骤，可以有效对采集到的样本保护压板图像进行定位校正处理，进而得到合适的样本压板开关图像来作为分类器的训练样本。
进一步地，分类训练模块300，还用于将每个样本压板开关图像统一变换为同一大小的样本图像作为训练样本图像。
分类训练模块300，还用于对每个训练样本图片先通过sobel算子作为边缘检测算法提取样本边缘图像，再将样本边缘图像灰度化后作为样本输入图像。
在本实施例中，Sobel算子是像素图像边缘检测中最重要的算子之一，在机器学习、数字媒体、计算机视觉等信息科技领域起着举足轻重的作用。通过提取图像边缘图像作为分类器的训练样本，使训练出的分类器具有更好的鲁棒性与分类精度。
分类训练模块300，还用于提取每个样本输入图像的Hog特征，并通过svm分类器进行训练，训练出“投”“退”两种状态二分类器。
在本实施例中，Hog特征是一种在计算机视觉和图像中进行物体检测的特征描述算子，对图像的几何和光学变形都可以保持良好的不变性。svm分类器是一种常见的二分类器，其与Hog特征进行结合，能有效提升图像识别精度。
可选地，第二处理模块500，还用于对待测保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响。
第二处理模块500，还用于对灰度化处理后的的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点。
第二处理模块500，还用于对二值化处理后的待测保护压板图像，采用形态学膨胀算法进行膨胀运算处理。
第二处理模块500，还用于对膨胀运算处理后的待测保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，面积最大的轮廓区域为压板区域。
第二处理模块500，还用于根据轮廓信息定位出待测压板区域的四个角点。
第二处理模块500，还用于对定位出的待测压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的待测保护压板图像。
第二处理模块500，还用于对定位校正处理后的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出待测压板区域中的待测压板开关。
第二处理模块500，还用于对校正后的待测保护压板图像，通过图像分割技术分割出每个待测压板开关图像。
在本实施例中，通过上述处理，可以得到待测保护压板图像中可供使用的待测压板开关图像，便于后续的状态识别。
进一步地，状态识别模块600，还用于将待测压板开关图像变换为与样本压板开关图像同一大小。
状态识别模块600，还用于对统一大小处理后的待测压板开关图像，通过sobel算子作为边缘检测算法提取待测边缘图像。
状态识别模块600，还用于采用样本压板开关状态分类器，对待测边缘图像进行状态分类识别，获取待测保护压板的压板开关状态。
本发明实施例通过采集预设样本保护压板的样本保护压板图像；对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像；将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器；采集待测保护压板的待测保护压板图像；对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像；采用样本压板开关状态分类器，对待测压板开关图像进行状态识别，获取待测保护压板的压板开关状态。这样该保护压板状态识别装置，利用预设训练好的压板开关状态分类器来实现待测压板开关状态的自动识别，能有效解决目前巡视检查过程中由于人工检测造成的误检漏检情况，提高检测效率和准确性，保障了电力运行安全产生。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是：上述实施例提供的保护压板状态识别装置在实现保护压板状态识别方法时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的保护压板状态识别装置与保护压板状态识别方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种保护压板状态识别方法，其特征在于，所述方法包括：
采集预设样本保护压板的样本保护压板图像；
对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像；
将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器；
采集待测保护压板的待测保护压板图像；
对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像；
采用样本压板开关状态分类器，对待测压板开关图像进行状态识别，获取待测保护压板的压板开关状态，所述压板开关状态包括：“投”状态、“退”状态。
2.根据权利要求1所述的方法，其特征在于，所述对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像，包括：
对样本保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响；
对灰度化处理后的的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点；
对二值化处理后的样本保护压板图像，采用形态学膨胀算法进行膨胀运算处理；
对膨胀运算处理后的样本保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，所述面积最大的轮廓区域为压板区域；
根据轮廓信息定位出样本压板区域的四个角点；
对定位出的样本压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的样本保护压板图像；
对定位校正处理后的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出样本压板区域中的样本压板开关；
对校正后的样本保护压板图像，通过图像分割技术分割出每个样本压板开关图像。
3.根据权利要求2所述的方法，其特征在于，所述将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器，包括：
将每个样本压板开关图像统一变换为同一大小的样本图像作为训练样本图像；
对每个训练样本图片先通过sobel算子作为边缘检测算法提取样本边缘图像，再将样本边缘图像灰度化后作为样本输入图像；
提取每个样本输入图像的Hog特征，并通过svm分类器进行训练，训练出“投”“退”两种状态二分类器。
4.根据权利要求1所述的方法，其特征在于，所述对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像，包括：
对待测保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响；
对灰度化处理后的的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点；
对二值化处理后的待测保护压板图像，采用形态学膨胀算法进行膨胀运算处理；
对膨胀运算处理后的待测保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，所述面积最大的轮廓区域为压板区域；
根据轮廓信息定位出待测压板区域的四个角点；
对定位出的待测压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的待测保护压板图像；
对定位校正处理后的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出待测压板区域中的待测压板开关；
对校正后的待测保护压板图像，通过图像分割技术分割出每个待测压板开关图像。
5.根据权利要求4所述的方法，其特征在于，所述对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像，包括：
将待测压板开关图像变换为与样本压板开关图像同一大小；
对统一大小处理后的待测压板开关图像，通过sobel算子作为边缘检测算法提取待测边缘图像；
采用样本压板开关状态分类器，对待测边缘图像进行状态分类识别，获取待测保护压板的压板开关状态。
6.一种保护压板状态识别装置，其特征在于，包括：
第一采集模块，用于采集预设样本保护压板的样本保护压板图像；
第一处理模块，用于对样本保护压板图像的压板区域进行定位校正处理，并对处理后的样本保护压板图像进行分割处理，得到独立的样本压板开关图像；
分类训练模块，用于将样本压板开关图像统一变换为同一大小的样本图像，并对样本图像按照压板开关状态进行分类训练，形成压板开关状态分类器；
第二采集模块，用于采集待测保护压板的待测保护压板图像；
第二处理模块，用于对待测保护压板图像的压板区域进行定位校正处理，并对处理后的待测保护压板图像进行分割处理，得到独立的待测压板开关图像；
状态识别模块，用于采用样本压板开关状态分类器，对待测压板开关图像进行状态识别，获取待测保护压板的压板开关状态，所述压板开关状态包括：“投”状态、“退”状态。
7.根据权利要求6所述的装置，其特征在于，所述第一处理模块，还用于对样本保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响；
所述第一处理模块，还用于对灰度化处理后的的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点；
所述第一处理模块，还用于对二值化处理后的样本保护压板图像，采用形态学膨胀算法进行膨胀运算处理；
所述第一处理模块，还用于对膨胀运算处理后的样本保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，所述面积最大的轮廓区域为压板区域；
所述第一处理模块，还用于根据轮廓信息定位出样本压板区域的四个角点；
所述第一处理模块，还用于对定位出的样本压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的样本保护压板图像；
所述第一处理模块，还用于对定位校正处理后的样本保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出样本压板区域中的样本压板开关；
所述第一处理模块，还用于对校正后的样本保护压板图像，通过图像分割技术分割出每个样本压板开关图像。
8.根据权利要求7所述的装置，其特征在于，所述分类训练模块，还用于将每个样本压板开关图像统一变换为同一大小的样本图像作为训练样本图像；
所述分类训练模块，还用于对每个训练样本图片先通过sobel算子作为边缘检测算法提取样本边缘图像，再将样本边缘图像灰度化后作为样本输入图像；
所述分类训练模块，还用于提取每个样本输入图像的Hog特征，并通过svm分类器进行训练，训练出“投”“退”两种状态二分类器。
9.根据权利要求6所述的装置，其特征在于，所述第二处理模块，还用于对待测保护压板图像进行灰度化处理，并通过均值滤波去除噪声影响；
所述第二处理模块，还用于对灰度化处理后的的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并去除图像中的孤立点；
所述第二处理模块，还用于对二值化处理后的待测保护压板图像，采用形态学膨胀算法进行膨胀运算处理；
所述第二处理模块，还用于对膨胀运算处理后的待测保护压板图像，通过轮廓检测算法检测出图像中所有轮廓信息，并获得其中面积最大的轮廓区域，所述面积最大的轮廓区域为压板区域；
所述第二处理模块，还用于根据轮廓信息定位出待测压板区域的四个角点；
所述第二处理模块，还用于对定位出的待测压板区域，通过仿射变换算法和定位出的四个角点进行仿射变换处理，得到定位校正处理后的待测保护压板图像；
所述第二处理模块，还用于对定位校正处理后的待测保护压板图像，通过OTSU自适应阈值分割算法进行二值化处理，并识别出待测压板区域中的待测压板开关；
所述第二处理模块，还用于对校正后的待测保护压板图像，通过图像分割技术分割出每个待测压板开关图像。
10.根据权利要求9所述的装置，其特征在于，所述状态识别模块，还用于将待测压板开关图像变换为与样本压板开关图像同一大小；
所述状态识别模块，还用于对统一大小处理后的待测压板开关图像，通过sobel算子作为边缘检测算法提取待测边缘图像；
所述状态识别模块，还用于采用样本压板开关状态分类器，对待测边缘图像进行状态分类识别，获取待测保护压板的压板开关状态。
CN201711434039.4A 2017-12-26 2017-12-26 一种保护压板状态识别方法和装置 Active CN108010026B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711434039.4A CN108010026B (zh) 2017-12-26 2017-12-26 一种保护压板状态识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711434039.4A CN108010026B (zh) 2017-12-26 2017-12-26 一种保护压板状态识别方法和装置

Publications (2)

Publication Number Publication Date
CN108010026A true CN108010026A (zh) 2018-05-08
CN108010026B CN108010026B (zh) 2021-10-01

Family

ID=62061487

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711434039.4A Active CN108010026B (zh) 2017-12-26 2017-12-26 一种保护压板状态识别方法和装置

Country Status (1)

Country Link
CN (1) CN108010026B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109447285A (zh) * 2018-10-24 2019-03-08 贵州电网有限责任公司 一种基于图形自我对比的保护压板状态识别方法
CN109740696A (zh) * 2019-01-30 2019-05-10 亮风台（上海）信息科技有限公司 一种用于压板识别的方法与设备
CN109919038A (zh) * 2019-02-12 2019-06-21 广西大学 基于机器视觉与深度学习的配电柜方形压板状态识别方法
CN110399922A (zh) * 2019-07-25 2019-11-01 国网河北省电力有限公司行唐县供电分公司 继电保护压板状态的分析方法及系统
CN111191721A (zh) * 2019-12-30 2020-05-22 国网浙江省电力有限公司宁波供电公司 基于ai技术的保护压板状态识别方法
CN111242939A (zh) * 2020-01-17 2020-06-05 广东驰行电力设备有限公司 压板状态的识别方法
CN111310573A (zh) * 2020-01-17 2020-06-19 厦门欧易奇机器人有限公司 保护屏柜图像中压板的识别方法
CN111408546A (zh) * 2020-03-11 2020-07-14 武汉工程大学 一种基于激光扫描成像的矿石检测方法和系统
CN112528740A (zh) * 2020-11-06 2021-03-19 广东电网有限责任公司中山供电局 一种压板状态识别方法
CN112528741A (zh) * 2020-11-06 2021-03-19 广东电网有限责任公司中山供电局 一种变电站压板的状态识别方法及装置
CN112733957A (zh) * 2021-01-21 2021-04-30 广东电网有限责任公司 变电站保护压板状态核查方法、装置、设备及存储介质
CN113158751A (zh) * 2021-02-05 2021-07-23 广东驰行电力设备有限公司 一种便于快速处理压板开关状态的方法
CN113537224A (zh) * 2020-04-22 2021-10-22 中国科学院沈阳自动化研究所 一种基于视觉的配电柜开关状态自动识别方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1845605A (zh) * 2006-05-15 2006-10-11 华北电力大学（北京） 电力高压断路器开关状态实时监测的图像处理与识别方法
CN102663358A (zh) * 2012-03-29 2012-09-12 山西省电力公司晋中供电分公司 变电站二次保护设备运行状态的视频图像识别方法
CN104636701A (zh) * 2014-12-12 2015-05-20 浙江工业大学 一种基于图像修复的激光二维码识别方法
CN204925345U (zh) * 2015-08-27 2015-12-30 国家电网公司 一种继电保护压板状态的检测系统
CN105260693A (zh) * 2015-12-01 2016-01-20 浙江工业大学 一种激光二维码定位方法
CN106228546A (zh) * 2016-07-13 2016-12-14 广州视源电子科技股份有限公司 一种板卡的检测方法及装置
CN106296750A (zh) * 2016-08-09 2017-01-04 国网江苏省电力公司检修分公司 一种基于改进颜色识别技术的压板状态辨识方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1845605A (zh) * 2006-05-15 2006-10-11 华北电力大学（北京） 电力高压断路器开关状态实时监测的图像处理与识别方法
CN102663358A (zh) * 2012-03-29 2012-09-12 山西省电力公司晋中供电分公司 变电站二次保护设备运行状态的视频图像识别方法
CN104636701A (zh) * 2014-12-12 2015-05-20 浙江工业大学 一种基于图像修复的激光二维码识别方法
CN204925345U (zh) * 2015-08-27 2015-12-30 国家电网公司 一种继电保护压板状态的检测系统
CN105260693A (zh) * 2015-12-01 2016-01-20 浙江工业大学 一种激光二维码定位方法
CN106228546A (zh) * 2016-07-13 2016-12-14 广州视源电子科技股份有限公司 一种板卡的检测方法及装置
CN106296750A (zh) * 2016-08-09 2017-01-04 国网江苏省电力公司检修分公司 一种基于改进颜色识别技术的压板状态辨识方法

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109447285A (zh) * 2018-10-24 2019-03-08 贵州电网有限责任公司 一种基于图形自我对比的保护压板状态识别方法
CN109740696A (zh) * 2019-01-30 2019-05-10 亮风台（上海）信息科技有限公司 一种用于压板识别的方法与设备
CN109740696B (zh) * 2019-01-30 2021-09-24 亮风台（上海）信息科技有限公司 一种用于压板识别的方法与设备
CN109919038A (zh) * 2019-02-12 2019-06-21 广西大学 基于机器视觉与深度学习的配电柜方形压板状态识别方法
CN110399922A (zh) * 2019-07-25 2019-11-01 国网河北省电力有限公司行唐县供电分公司 继电保护压板状态的分析方法及系统
CN111191721A (zh) * 2019-12-30 2020-05-22 国网浙江省电力有限公司宁波供电公司 基于ai技术的保护压板状态识别方法
CN111310573B (zh) * 2020-01-17 2021-08-10 厦门欧易奇机器人有限公司 保护屏柜图像中压板的识别方法
CN111310573A (zh) * 2020-01-17 2020-06-19 厦门欧易奇机器人有限公司 保护屏柜图像中压板的识别方法
CN111242939A (zh) * 2020-01-17 2020-06-05 广东驰行电力设备有限公司 压板状态的识别方法
CN111242939B (zh) * 2020-01-17 2023-09-19 广东驰行电力设备有限公司 压板状态的识别方法
CN111408546A (zh) * 2020-03-11 2020-07-14 武汉工程大学 一种基于激光扫描成像的矿石检测方法和系统
CN113537224A (zh) * 2020-04-22 2021-10-22 中国科学院沈阳自动化研究所 一种基于视觉的配电柜开关状态自动识别方法
CN113537224B (zh) * 2020-04-22 2023-07-14 中国科学院沈阳自动化研究所 一种基于视觉的配电柜开关状态自动识别方法
CN112528740A (zh) * 2020-11-06 2021-03-19 广东电网有限责任公司中山供电局 一种压板状态识别方法
CN112528741A (zh) * 2020-11-06 2021-03-19 广东电网有限责任公司中山供电局 一种变电站压板的状态识别方法及装置
CN112528741B (zh) * 2020-11-06 2022-01-21 广东电网有限责任公司中山供电局 一种变电站压板的状态识别方法及装置
CN112733957A (zh) * 2021-01-21 2021-04-30 广东电网有限责任公司 变电站保护压板状态核查方法、装置、设备及存储介质
CN113158751A (zh) * 2021-02-05 2021-07-23 广东驰行电力设备有限公司 一种便于快速处理压板开关状态的方法
CN113158751B (zh) * 2021-02-05 2023-09-19 广东驰行电力设备有限公司 一种便于快速处理压板开关状态的方法

Also Published As

Publication number Publication date
CN108010026B (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN108010026A (zh) 一种保护压板状态识别方法和装置
CN103530878B (zh) 一种基于融合策略的边缘提取方法
Singh et al. Detection of unhealthy region of plant leaves using image processing and genetic algorithm
CN109325935B (zh) 一种基于无人机图像的输电线路检测方法
CN103745226B (zh) 一种电力设施作业现场人员着装安全检测方法
CN105447512B (zh) 一种精粗结合的光学表面缺陷的检测方法及装置
CN104318582B (zh) 一种高铁接触网旋转双耳部件销钉不良状态检测方法
CN109993736B (zh) 一种基于改进加权otsu算法的电气设备热成像分割查异方法
CN114549497B (zh) 基于图像识别的走台板表面缺陷检测方法及人工智能系统
CN107679495B (zh) 一种输电线路周边活动工程车辆的检测方法
CN110599507B (zh) 一种番茄识别定位方法及系统
Gondal et al. Early pest detection from crop using image processing and computational intelligence
Pandit et al. Literature review on object counting using image processing techniques
CN109850518B (zh) 一种基于红外图像的实时矿用胶带预警撕裂检测方法
CN111862073A (zh) 一种电力设备的温度采集方法和装置
CN106651893A (zh) 一种基于边缘检测的墙体裂缝识别方法
Chowdhury et al. Vehicle license plate detection using image segmentation and morphological image processing
CN106650735B (zh) 一种led字符自动定位识别方法
Haoran et al. Egg crack detection based on support vector machine
CN111950606B (zh) 一种刀闸状态识别方法、装置、设备和存储介质
Aramesh et al. A new method for segmentation of retinal blood vessels using Morphological image processing technique
Danilescu et al. Road anomalies detection using basic morphological algorithms
Şavkay et al. Analysis of sperm motility with CNN architecture
CN113643234B (zh) 一种复合绝缘子破损检测方法、终端设备及可读存储介质
CN107907545A (zh) 一种隧道快速检测系统及其控制方法

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
CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: 518000 electric power dispatching and communication building, 4020 Shennan East Road, Luohu District, Shenzhen, Guangdong

Patentee after: Shenzhen Power Supply Co.,Ltd.

Country or region after: China

Patentee after: China Southern Power Grid Digital Platform Technology (Guangdong) Co.,Ltd.

Address before: 518000 electric power dispatching and communication building, 4020 Shennan East Road, Luohu District, Shenzhen, Guangdong

Patentee before: Shenzhen Power Supply Co.,Ltd.

Country or region before: China

Patentee before: SHENZHEN COMTOP INFORMATION TECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240307

Address after: 518101, 3rd Floor, Building 40, Baotian Industrial Zone, Chentian Community, Xixiang Street, Bao'an District, Shenzhen City, Guangdong Province

Patentee after: China Southern Power Grid Digital Platform Technology (Guangdong) Co.,Ltd.

Country or region after: China

Address before: 518000 electric power dispatching and communication building, 4020 Shennan East Road, Luohu District, Shenzhen, Guangdong

Patentee before: Shenzhen Power Supply Co.,Ltd.

Country or region before: China

Patentee before: China Southern Power Grid Digital Platform Technology (Guangdong) Co.,Ltd.