CN108564024A - 应用于电厂环境的开关识别方法 - Google Patents
应用于电厂环境的开关识别方法 Download PDFInfo
- Publication number
- CN108564024A CN108564024A CN201810315576.5A CN201810315576A CN108564024A CN 108564024 A CN108564024 A CN 108564024A CN 201810315576 A CN201810315576 A CN 201810315576A CN 108564024 A CN108564024 A CN 108564024A
- Authority
- CN
- China
- Prior art keywords
- target area
- switch
- state
- power station
- switch identification
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种应用于电厂环境的开关识别方法，其包括构建开关状态分类器，对目标区域进行定位，对目标区域进行灰度变化、图像分割和图像形态学处理，提取目标区域特征值，构建开关识别模型，最终得到开关的状态。本发明克服了背景纹理变化、光场变化以及尺寸变化的影响，可以高效、精准的检测开关的状态，从而大大减轻了工作人员的劳动强度、缩短了操作时间，并消除现场人员因主观因素影响检测结果等诸多问题。
Description
技术领域
本发明属于机器视觉下的目标检测技术领域，尤其涉及一种应用于电厂环境的开关识别方法。
背景技术
在电厂环境中开关的运用十分广泛，电气设备在改变电力系统的运行方式或检测电气运行状态时需要进行一系列电气设备的核对和倒闸操作。随着智能电厂的试点建设，电气检测已经向远程自动化操作方向改进，但是目前任需要运行人员参与。对于常规电厂，倒闸操作需要运行人员就地核对开关位置和状态并对其进行操作，这种操作模式存在劳动强度大、操作时间长、不安全等缺点，且受现场人员知识、经验等条件约束，容易出现误判现象。现有的电力设备开关状态图像识别算法采用的是灰度行程长度统计方法。这种识别算法简单，但是需要人工进行目标加框定位，自动化程度较低，且不易扩展于其他类型的开关状态识别。
发明内容
本发明的发明目的是：为了解决现有技术中存在的以上问题，本发明提出了一种应用于电厂环境的开关识别方法。
本发明的技术方案是：一种应用于电厂环境的开关识别方法，包括以下步骤：
A、分别构建电厂环境下开关处于开状态和关状态的分类器；
B、获取待识别的图像数据，利用步骤A获得的分类器对目标区域进行定位，得到开关的目标区域；
C、通过已有数据进行误检排除和漏检查找并对目标区域进行灰度变化、图像分割和图像形态学处理；
D、对步骤C中处理后的目标区域提取区域特征值；
E、根据步骤D中获得的特征值构建开关识别模型；
F、利用步骤E中对步骤C中处理后的目标区域进行识别。
进一步地，所述开关识别模型表示为
其中，n为开关目标区域图片标准化后的列数，pi为各列中感兴趣像素的总和，为列高度的均值，T为开关状态的判断阈值。
本发明的有益效果是：本发明通过训练开关状态分类器，利用分类器定位开关位置，再通过已有数据进行误检排除和漏检查找并对目标区域进行灰度变换、形态学处理以及图像分割技术来建立数学模型从而判断开关的状态，能够高效、非接触式、以及低成本的完成开关识别任务，为机器人的智能巡检提供了技术支持，还可以大大减轻运行人员的劳动强度、缩短操作时间，并消除现场人员主观因素的影响。
附图说明
图1是本发明的应用于电厂环境的开关识别方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
如图1所示，为本发明的应用于电厂环境的开关识别方法的流程示意图。一种应用于电厂环境的开关识别方法，包括以下步骤：
A、分别构建电厂环境下开关处于开状态和关状态的分类器；
B、获取待识别的图像数据，利用步骤A获得的分类器对目标区域进行定位，得到开关的目标区域；
C、通过已有数据进行误检排除和漏检查找并对目标区域进行灰度变化、图像分割和图像形态学处理；
D、对步骤C中处理后的目标区域提取区域特征值；
E、根据步骤D中获得的特征值构建开关识别模型；
F、利用步骤E中对步骤C中处理后的目标区域进行识别。
在步骤A中，本发明利用装配较清晰的摄像头的机器人获取目标区域的数据，采用但不限于缩放、模糊等图像预处理，获得多幅预处理图像；再通过目标区域成像信息，提取目标区域的多个特征，如纹理(LBP)特征、颜色(LUV、HSV)特征、边缘梯度(采取但不限于HOG)特征等，来建立一个针对开关轮廓的分类器(如SVM支持向量机、朴素贝叶斯、决策树、深度学习或Adaboosting等)。
在步骤B中，本发明通过步骤A中构建的分类器对待识别开关图像数据中开关的目标区域进行检测，可以大大提高检测的准确率，并且不受开关背景面光照、角度、面积等条件变化的影响。
在步骤C中，本发明对开关的目标区域进行预处理操作，包括灰度变化、图像分割和图像形态学处理等。
在步骤E中，本发明根据步骤D中目标区域特征值构建开关识别模型，表示为
其中，n为开关目标区域图片标准化后的列数，pi为各列中感兴趣像素的总和，为列高度的均值，T为开关状态的判断阈值。
在步骤F中，本发明利用步骤E中对步骤C中处理后的开关的目标区域进行开关识别。在具体应用中，可以将开关检测结果返回给机器人主体，通过对比正常情况下该灯的状态可以为机器人报警和操作人员下一步决策提供更多更精确信息，以此提升决策实施效率。
本发明通过图像多通道分解、边缘检测、梯度特征提取等来训练分类器，利用该分类器来定位开关位置，再通过已有数据进行误检排除和漏检查找并对目标区域进行图像灰度变换、形态学处理以及图像分割技术来建立数学模型从而判断开关的状态，克服了受背景纹理变化和光场变化的影响，大大减轻了运行人员的劳动强度、缩短了操作时间，并消除现场人员主观因素的影响等问题。
本发明将应用于电厂环境的开关识别方法作为图像模式识别算法软件植入到巡检机器人中，利用模式识别和图像处理技术实现对电厂电气开关位置和状态的自动识别功能，具有速度快，准确率高且不受背景纹理变化和光场变化的影响的优点，同时具有较高的鲁棒性。。计算机视觉技术是一种借助成像设备对人类视觉处理方式的模拟。基于视觉技术的检测方案不仅可以准确的判断开关的位置和状态还可以大大减轻运行人员的劳动强度，缩短操作时间，并消除现场人员主观因素的影响。将计算机视觉检测技术应用于检测大量密集的开关时，通过图像多通道分解、边缘检测、梯度特征提取等来训练一个分类器，利用该分类器来定位开关位置，再通过已有数据进行误检排除和漏检查找并对目标区域进行图像灰度变换、形态学处理以及图像分割技术来判断开关的状态。这种识别技术能够高效、非接触式、以及低成本的完成开关识别任务，为机器人的智能巡检提供了技术支持。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。
Claims (2)
1.一种应用于电厂环境的开关识别方法，其特征在于，包括以下步骤：
A、分别构建电厂环境下开关处于开状态和关状态的分类器；
B、获取待识别的图像数据，利用步骤A获得的分类器对目标区域进行定位，得到开关的目标区域；
C、通过已有数据进行误检排除和漏检查找并对目标区域进行灰度变化、图像分割和图像形态学处理；
D、对步骤C中处理后的目标区域提取区域特征值；
E、根据步骤D中获得的特征值构建开关识别模型；
F、利用步骤E中对步骤C中处理后的目标区域进行识别。
2.如权利要求1所述的应用于电厂环境的开关识别方法，其特征在于，所述开关识别模型表示为
其中，n为开关目标区域图片标准化后的列数，pi为各列中感兴趣像素的总和，为列高度的均值，T为开关状态的判断阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810315576.5A CN108564024A (zh) | 2018-04-10 | 2018-04-10 | 应用于电厂环境的开关识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810315576.5A CN108564024A (zh) | 2018-04-10 | 2018-04-10 | 应用于电厂环境的开关识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108564024A true CN108564024A (zh) | 2018-09-21 |
Family
ID=63534584
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810315576.5A Pending CN108564024A (zh) | 2018-04-10 | 2018-04-10 | 应用于电厂环境的开关识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108564024A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109784396A (zh) * | 2019-01-08 | 2019-05-21 | 北京全路通信信号研究设计院集团有限公司 | 一种分合闸状态识别方法 |
| CN111738142A (zh) * | 2020-06-19 | 2020-10-02 | 福建省海峡智汇科技有限公司 | 一种用于判断空气开关状态的方法和系统 |
| CN113538568A (zh) * | 2021-08-04 | 2021-10-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种机器人倒闸操作图像处理方法及变电站机器人 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200219A (zh) * | 2014-08-20 | 2014-12-10 | 深圳供电局有限公司 | 一种变电站刀闸位开关位指示自动识别方法及装置 |
| CN106570865A (zh) * | 2016-11-08 | 2017-04-19 | 国家电网公司 | 一种基于数字图像处理的电力设备开关状态检测系统 |
| CN107145889A (zh) * | 2017-04-14 | 2017-09-08 | 中国人民解放军国防科学技术大学 | 基于具有RoI池化的双CNN网络的目标识别方法 |
-
2018
- 2018-04-10 CN CN201810315576.5A patent/CN108564024A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104200219A (zh) * | 2014-08-20 | 2014-12-10 | 深圳供电局有限公司 | 一种变电站刀闸位开关位指示自动识别方法及装置 |
| CN106570865A (zh) * | 2016-11-08 | 2017-04-19 | 国家电网公司 | 一种基于数字图像处理的电力设备开关状态检测系统 |
| CN107145889A (zh) * | 2017-04-14 | 2017-09-08 | 中国人民解放军国防科学技术大学 | 基于具有RoI池化的双CNN网络的目标识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 冯娟；万星: "基于改进阈值分割与形态学的螺钉目标检测算法", 《组合机床与自动化加工技术》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109784396A (zh) * | 2019-01-08 | 2019-05-21 | 北京全路通信信号研究设计院集团有限公司 | 一种分合闸状态识别方法 |
| CN111738142A (zh) * | 2020-06-19 | 2020-10-02 | 福建省海峡智汇科技有限公司 | 一种用于判断空气开关状态的方法和系统 |
| CN111738142B (zh) * | 2020-06-19 | 2023-09-22 | 福建省海峡智汇科技有限公司 | 一种用于判断空气开关状态的方法和系统 |
| CN113538568A (zh) * | 2021-08-04 | 2021-10-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种机器人倒闸操作图像处理方法及变电站机器人 |
| CN113538568B (zh) * | 2021-08-04 | 2024-01-12 | 国网浙江省电力有限公司嘉兴供电公司 | 一种机器人倒闸操作图像处理方法及变电站机器人 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | Moving vehicle detection for automatic traffic monitoring | |
| CN104601964B (zh) | 非重叠视域跨摄像机室内行人目标跟踪方法及系统 | |
| Khan et al. | Comparative study of hand gesture recognition system | |
| CN111402203A (zh) | 一种基于卷积神经网络的织物表面缺陷检测方法 | |
| CN105389581B (zh) | 一种胚芽米胚芽完整度智能识别系统及其识别方法 | |
| CN109460704B (zh) | 一种基于深度学习的疲劳检测方法、系统和计算机设备 | |
| CN112837344B (zh) | 一种基于条件对抗生成孪生网络的目标跟踪方法 | |
| CN108564024A (zh) | 应用于电厂环境的开关识别方法 | |
| CN109558810A (zh) | 基于部位分割与融合目标人物识别方法 | |
| CN102509085A (zh) | 基于轮廓不变矩特征的猪行走姿态识别系统和方法 | |
| CN111582126B (zh) | 基于多尺度行人轮廓分割融合的行人重识别方法 | |
| CN103310194A (zh) | 视频中基于头顶像素点梯度方向的行人头肩部检测方法 | |
| CN108764159A (zh) | 小样本条件下的动物面部识别方法和系统 | |
| CN111931654A (zh) | 一种人员跟踪智能监测方法、系统和装置 | |
| CN109086772A (zh) | 一种扭曲粘连字符图片验证码的识别方法及系统 | |
| Venkatesan et al. | Face recognition system with genetic algorithm and ANT colony optimization | |
| Foresti et al. | Automatic visual recognition of deformable objects for grasping and manipulation | |
| CN106997599A (zh) | 一种光照敏感的视频运动目标分割方法 | |
| CN108491832A (zh) | 一种嵌入式人脸识别追踪装置及方法 | |
| Zang et al. | Evaluation of an adaptive composite Gaussian model in video surveillance | |
| CN113658223B (zh) | 一种基于深度学习的多行人检测与跟踪方法及系统 | |
| CN115953678A (zh) | 一种基于局部灰度极值点和特征融合的路面破损检测方法 | |
| Calefati et al. | Reading meter numbers in the wild | |
| Juang et al. | Moving object recognition by a shape-based neural fuzzy network | |
| CN113524172B (zh) | 机器人及其物品抓取方法、计算机可读存储介质 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180921 |