CN109063634A - 在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法 - Google Patents
在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法 Download PDFInfo
- Publication number
- CN109063634A CN109063634A CN201810851019.5A CN201810851019A CN109063634A CN 109063634 A CN109063634 A CN 109063634A CN 201810851019 A CN201810851019 A CN 201810851019A CN 109063634 A CN109063634 A CN 109063634A
- Authority
- CN
- China
- Prior art keywords
- circle
- hough
- target object
- radius
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 title claims abstract description 20
- 238000003708 edge detection Methods 0.000 claims description 23
- 238000001514 detection method Methods 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 11
- 230000009977 dual effect Effects 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000003321 amplification Effects 0.000 claims 1
- 238000003199 nucleic acid amplification method Methods 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 18
- 238000007689 inspection Methods 0.000 abstract description 17
- 238000006467 substitution reaction Methods 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 description 11
- 230000009466 transformation Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- DEYFWGXTPWNADC-UHFFFAOYSA-N 6-[2-phenylethyl(propyl)amino]-5,6,7,8-tetrahydronaphthalen-1-ol Chemical compound C1CC2=C(O)C=CC=C2CC1N(CCC)CCC1=CC=CC=C1 DEYFWGXTPWNADC-UHFFFAOYSA-N 0.000 description 1
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- SFZCNBIFKDRMGX-UHFFFAOYSA-N sulfur hexafluoride Chemical compound FS(F)(F)(F)(F)F SFZCNBIFKDRMGX-UHFFFAOYSA-N 0.000 description 1
- 229960000909 sulfur hexafluoride Drugs 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- 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
- G06V10/56—Extraction of image or video features relating to colour
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
一种在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法，属图像识别领域。其对预处理后的图像进行图元识别，识别出目标物体区域；在进行图元识别时，对于带圆形轮廓的电气图案，采用霍夫圆变换来进行识别；将识别结果与预先设定的判断标准进行比较，得到一个判断结果；根据该判断结果，根据预先设定的逻辑关系，得到一个设备运行状态或设备所处位置的识别结果；然后将判断结果显示并返回识别结果。其能分析设备的运行状态、检测仪表的读数，具有较好的认识和理解能力；能实现图像的自动采集、分析，替代人完成巡检作业和数据记录等操作；可广泛用于变配电站监控图像的自动采集、分析以及变配电设备的运行管理领域。
Description
技术领域
本发明属于图像识别领域，尤其涉及一种用于识别图形的图像特征或特性的抽取方法。
背景技术
基于降低运行成本和节约占地面积等方面的考虑，随着无人值守变电站越来越多地被采用，各种视频监控系统被大量应用。
由于视频监控会产生大量的实况录像或照片图像，则图像的处理、解读或根据 所示图片进行识别、判断，在电力系统的运行监控工作中已经成为必须。
“视觉理解”技术是一种智能系统，可以通过视觉系统(摄像机)对所处的环 境进行自主观测和分析的智能化技术，是人工智能技术和机器视觉技术发展的一个 重要方向，在变电站巡检、远程集中监控、视频图像大数据分析和挖掘等方面具有 非常广阔的应用前景。
在电力行业，机器视觉技术已经有一些成功的案例。尤其在红外图像的分析方 面已经取得了一些较为显著的进展。可以通过图像分析技术得出绝缘结构件的温度 分布从而判断是否存在绝缘下降、过热等设备缺陷；在架空线路的巡线、仪表盘读 取方面也有非常成功的应用。
四川电力公司采用计算机代替人的视觉功能，对变电站重要电气设备及场景 的三维图像的进行感知、识别、分析，进而检测系统在特定环境中的运行状况，得 出检测结果。其中主要实现了电力仪表视觉识别、可视断口开关刀闸的状态识别、 变电站电气设备红外视觉在线检测及变电站环境视觉监控功能。
湖南大学设计了一种基于位置给定型视觉控制的除冰机器人抓线控制算法，提出了一种基于输电线缆的类圆柱体几何特征及摄像机成像模型的单目视觉立体定 位算法，同时提出了一种避免复杂逆运动学求解的抓线控制策略，该策略主要思想 是通过找到机械臂夹持器末端的工作曲面与输电线缆的轴线在空间中的交点来确 定线缆抓取点及抓取线缆时机器人各个关节的位置。实现基于视觉分析和处理的运 动控制。
一套先进的、智能的“视觉理解”系统能够降低实际人工作业过程中偶发的跑 错仓位(在变配电站里，对应放置有高压设备的建筑间隔，简称为仓位)、误入带 电间隔等错误带来的风险，对于提高作业安全性、正确性有着重要的作用。而目前 已有的各种智能系统“视觉理解”能力非常弱，其中一些较为先进的智能系统具有 一定的视觉分析能力，但仅可根据预先编制的软件分析设备状态、检测仪表读数， 认识和理解能力极低。
发明内容
本发明所要解决的技术问题是提供一种在电力监控中采用霍夫圆变换识别目 标物体区域电气符号的方法。其首先利用图像学中的各种预处理方法以得到符合要 求的图像，然后利用轮廓提取法准确提取出目标区域，对外观相似或接近的场景和 现象进行归类总结。对精准识别电气符号的颜色、轮廓、内容有较高的可行性，初 步实现了从人工巡检向机器巡检的转变。
本发明的技术方案是：提供一种在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法，包括对图像预处理，采用高斯滤波针对待识别图像中噪声进行 线性平滑滤波，采用Canny算子进行边缘检测；其特征是：
对预处理后的图像进行图元识别，识别出目标物体区域；
在进行图元识别时，对于带圆形轮廓的电气图案，采用霍夫圆变换来进行识别；
将识别结果与预先设定的判断标准进行比较，得到一个判断结果；
根据该判断结果，根据预先设定的逻辑关系，得到一个设备运行状态或设备所 处位置的识别结果；
然后将判断结果显示并返回识别结果。
具体的，所述的霍夫圆变换在Canny算子边缘检测的基础上得到边缘二值图； 首先寻找圆心：使用Sobel算子计算图像的梯度，沿着图像的梯度方向和反方向画 线段，线段的起点和长度由设定的参数决定，将线段经过的点在累加器中计数，计 数越多的点越有可能成为圆心；
其次进行半径的估计：对所有非0点距圆心的距离从小到大排序，从小半径开 始依次统计，相差在某个量的点都近似认为是同一个圆，计数所有属于该圆的点； 逐渐放大半径继续计数，比较两个半径点的线密度＝点数/半径，线密度越高，半径 的可信度越大，在参数允许范围内反复以上步骤直至得到最优半径。
具体的，在OpenCV中实现所述霍夫圆变换的函数为：HoughCircles(src,dst, CV_HOUGH_GRADIENT,1,minDist,param1,param2,minRadius,maxRadius)；
其中minDist为检测到的圆的圆心之间的最小距离，param1为Canny算法边缘 检测双阈值的高阈值，param2为累加器中圆心的计数标准，minRadius、maxRadius 分别为半径的最小和最大值。
进一步的，当背景图中存在其他圆形图案干扰时，所述的霍夫圆变换通过根据 实验图像不断调整半径参数，直至寻找到最恰当的半径范围。。
进一步的，通过调整Canny算法的双阈值的上下阈值比，来提高所述Canny算 子的边缘检测结果对找圆的精确性；减少边缘检测结果受光照、阴影的影响，以有 助于边缘检测结果的精准定位。
更进一步的，所述Canny算法的双阈值的上下阈值比为3:1。
在本技术方案中，所述的设备运行状态包括该图元所对应的开关/设备处于运行状态还是处于停用状态，也可以是处于带电工作状态还是处于断电停运状态；所述 的设备所处位置包括该图元所对应的开关/设备处于在线运行状态还是处于退出运 行位置，或者是位于检修位置。。
与现有技术比较，本发明的优点是：
1、本技术方案基于OpenCV函数库，对摄像头范围内的目标物体进行轮廓提 取及识别携带信息，能根据符合要求的图像所包含的内容，分析设备的运行状态、 检测仪表的读数，具有较好的认识和理解能力，并能根据预定的逻辑规则，及时返 回判读结果；
2、本技术方案采用多种图元识别方法，能精准识别电气符号的颜色、轮廓、 内容，初步实现了从人工巡检向机器巡检的转变；
3、本技术方案不仅能用于对现场监控图像的智能分析，通过图像提取有用的 数据和信息，识别电力设备和系统的正常/异常状态；也可以用于移动作业平台，实 现图像的自动采集、分析，替代人完成巡检作业和数据记录等操作；是一种实用的、 可靠的、实时机器视觉理解系统方案。
附图说明
图1为机器视觉理解模型示意图；
图2为本发明的整体算法流程示意图；
图3为本发明的Canny算法流程步骤示意图；
图4是本发明图元识别过程中的原图像；
图5是本发明经过边缘检测处理后得到的图像；
图6(a)为霍夫圆变换检测前的原图；
图6(b)、图6(c)和图6(d)为检测出的图元；
图7(a)为一指示灯图案原图，图7(b)为颜色识别结果，图7(c)为canny算 子边缘检测结果，图7(d)为直线检测结果，图7(e)为判读结果；
图8(a)为一电气图案原图，图8(b)为canny算子边缘检测结果、图8(c) 为直线检测结果。
具体实施方式
下面结合附图对本发明做进一步说明。
变电站设备上的典型仪表表盘包括气压表、油温表、温度表、避雷器表与电气 设备所用的六氟化硫气体纯度分析相关的台式数显仪表、LED报警灯和TFT显示 屏等。其中气压表、油温表、温度表、避雷器表为指针式仪表，通过指针指向的刻 度反应读数。LED报警灯用来指示设备的报警信息，其位置可分布于气压表、油温 表表表盘或LED显示区。TFT屏显示的内容纷繁复杂，包括设备状态信息、报警 信息、多媒体信息等，信息显示的形式包含图标和文字。
OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库，可以运行 在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一 系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的 接口，实现了图像处理和计算机视觉方面的很多通用算法。
图1是机器视觉理解模型采集数据的多层融合示模型图，这个模型是在AndreasKlausner等人提出的I-SENSE模型基础上，结合人眼视觉信息处理机制进行改进得 到的，它是一个集合了众多数据融合模型优点、通用且灵活的多层数据融合处理模 型。通过工业相机对产品信息进行感知处理，经历像素层、特征层、决策层，由简 单到复杂，从初级到高级，一步一步实现机器视觉理解模的任务。
图2中，提供了本技术方案所依据的基于OpenCV的电气柜电气符号识别方法， 该识别方法至少包括下列步骤：
1)采用视频监控系统获得电气柜正面的监控视频，并将所获得的监控视频通 过截屏或抽取指定的画面，得到需要的待识别图像；
2)图像预处理：采用高斯滤波针对图像中噪声进行线性平滑滤波，采用Canny 算子进行边缘检测；
3)图元识别：识别出目标物体区域；
4)直线检测：利用霍夫变换来检测图案中的直线线条，在原图像中绘制检测 出的线条；
5)角度计算：计算检测出的线条的倾斜角度并由此判断元器件是否处于正常 状态；
6)将判断结果显示并返回识别结果。
图3中，该技术方案中的整个Canny算法可总结为三个步骤：滤波、增强、检 测。
下面对本技术方案进行进一步的详述：
1.1图像预处理：
(1)高斯滤波
高斯滤波(GaussianBlur)是一种针对图像中噪声的线性平滑滤波。噪声产生的误差在不同的操作中会累积传递，从而严重影响数字图像的后期应用。通过对灰度 矩阵中的每一个像素点作其本身和邻域内的其他像素值的加权平均，能够有效地过 滤和抑制噪声带来的影响。
(2)Canny算子边缘检测
边缘检测的算法主要是基于图像强度的一阶和二阶导数，经过高斯滤波的图像可以用一阶偏导的有限差分来计算梯度的幅值和方向，Canny算法使用的卷积算子 为：
其x向，y向的一阶偏导数矩阵，梯度幅值及其梯度方向的数学表达式为：
P[i,j]＝(f[i,j+1]-f[i,j]+f[i+1,j+1]-f[i+1,j])/2
Q[i,j]＝(f[i,j]-f[i+1,j]+f[i,j+1]-f[i+1,j+1])/2
θ[i,j]＝arctan(Q[i,j]/P[i,j])
在Canny算法中，非极大值抑制是进行边缘检测的重要步骤，即寻找像素点局 部最大值，将非极大值点所对应的灰度值置为0，可能为边缘的局部灰度极大值点 设置其灰度为128。这样的检测结果中可能会包含若干伪边缘，因此Canny算法采 用双阈值法来减少伪边缘的数量：在高阈值图像中把边缘连接成轮廓，当到达轮廓 的端点时，该算法会在断点的邻域中寻找满足低阈值的点，再根据此点收集新的边 缘，直到整个图像边缘闭合为止。
由于Canny算子边缘检测属现有技术，故对于上述公式(1)或(2)中各个字 母所代表参数的含义及单位，本领域的技术人员，可参考相关文献中的相关表述或 说明(例如，“一种边缘检测的计算方法”，《IEEE模式分析与机器智能学报》，1986 (6)：67—698(Acomputational approach to edge detection.IEEE Transactions on PatternAnalysis and Machine Intelligence,1986(6):679-698))，在此不再重复。
1.2、图元识别：
机器巡检采集到的电气柜图像中包含的器件种类复杂繁多，在进行图像处理之前首要的工作就是要识别出目标物体区域。
具体的，在本技术方案中，对于带圆形轮廓的电气图案，采用霍夫圆变换来进 行识别，其具体步骤如下：
1)在Canny算子边缘检测的基础上得到边缘二值图，首先寻找圆心：使用Sobel 算子计算图像的梯度，沿着图像的梯度方向和反方向画线段，线段的起点和长度由 设定的参数决定，将线段经过的点在累加器中计数，计数越多的点越有可能成为圆 心。
2)其次进行半径的估计：对所有非0点距圆心的距离从小到大排序，从小半 径开始依次统计，相差在某个量的点都近似认为是同一个圆，计数所有属于该圆的 点；逐渐放大半径继续计数，比较两个半径点的线密度＝点数/半径，线密度越高， 半径的可信度越大，在参数允许范围内反复以上步骤直至得到最优半径。
具体的，OpenCV中实现霍夫圆变换的函数为：HoughCircles(src,dst, CV_HOUGH_GRADIENT,1,minDist,param1,param2,minRadius,maxRadius)，其中 minDist为检测到的圆的圆心之间的最小距离，param1为Canny算法边缘检测双阈 值的高阈值，param2为累加器中圆心的计数标准，minRadius、maxRadius分别为半 径的最小和最大值。
要注意的是，当背景图中存在其他圆形图案干扰时，需要根据实验图像不断调 整半径参数，直至寻找到最恰当的半径范围。同样，受光照、阴影的影响，Canny 算子的边缘检测结果对找圆的精确性影响也较大，调整好Canny算法的双阈值，有 利于精准定位。
Canny算法双阈值的上下阈值设置至关重要，直接影响到后续的检测工作，本 技术方案中采用的上下阈值比为3:1。
本技术方案中所涉及到的设备运行状态包括该图元所对应的开关/设备处于运行状态还是处于停用状态，也可以是处于带电工作状态还是处于断电停运状态(例 如，某个图元所对应的开关、变压器或电动机，通常使用信号灯的亮/灭来表示其是 否处于通电运行状态或断电停止运行状态；在继电保护系统中，通常用某个指示灯 的亮/灭，来表示某种继电保护或联锁条件是否被投入，等等)。
本技术方案中所涉及到的设备所处位置包括该图元所对应的开关/设备处于在线运行状态还是处于退出运行位置，或者是位于检修位置(例如，某个图元所对应 的开关、接地刀闸或断路器小车，通常使用电气柜面板上的开关的不同倾斜角度来 表示其是否处于接通状态；垂直表示处于接通状态，倾斜45°或90°表示其处于 断开状态；断路器小车在通电运行前必须推进到运行位置才能进行送电操作，退出 运行后会将其拉出至断电检修位置，在进行倒闸操作前，存在一个确认小车位置的 检测、判断步骤，等等)。
1.3、直线检测：
在变配电设备上常见的几类典型的电气符号，对用于“视觉识别”的机器来说， 区分它们最大的依据就在于图案中的直线倾角。
利用霍夫变换来检测图案中的直线线条，在原图像中绘制检测出的线条，计算 这些线条的倾斜角度并由此判断元器件是否处于正常状态。
霍夫变换运用两个坐标空间之间的变换，将在一个空间中具有相同形状的曲线或直线映射到另一个坐标空间的一个点上形成峰值，从而把检测任意形状的问题转 化为统计峰值问题。
OpenCV支持三种不同的霍夫变换，本技术方案中采用函数 HoughLinesP(contours,lines,rho,theta,threshold,minLineLength,maxLineGap)来调用 累计概率霍夫变换(PPHT)，它是标准霍夫变换的改进，执行效率更高。
实验结果及分析：
基于上述解决问题的思路，本发明的技术方案采用windows版本中的VS2015 和OpenCV2.4.13来进行实验和验证。
1、Canny算子边缘检测：
图4是图元识别过程中的原图像；
图5是通过Canny算子边缘检测得到的图像；
2、霍夫圆变换：
图6(a)为霍夫圆变换检测前的原图，在这张图中，需要识别和检出的是三处 被红色圆圈(在黑白图中为浅色圆圈)圈出的部分；
图6(b)、图6(c)和图6(d)为检测出的图元。
在系统中，只要检测到该指示灯的图案，即可判断该指示灯处于“亮”状态。
当系统检测到该指示灯“亮”后，根据系统中预先设定的逻辑关系，即可判定 对应的某个设备处于某种特定的状态(诸如某开关设备被推至一个特定的位置，或 某开关设备处于某个预定的运行状态)，则系统即可输出对应的判读结果。
5、直线检测：
与上面类似地，图7(a)为一指示灯图案原图，图7(b)为canny算子边缘检 测结果，图7(c)为直线检测结果，图7(e)为判读结果。
在直线检测中，根据检测结果，可以同时计算这些线条的倾斜角度并由此判断 元器件是否处于正常状态。
6、电气图案检测：
图8(a)为一电气图案原图，图8(b)为canny算子边缘检测结果，图8(c) 为直线检测结果。
同样地，在电气图案检测中，根据检测结果，也能够根据直线检测的结果，计 算这些线条的倾斜角度并由此判断其所代表的开关或设备所处的运行状态。
从上述检测结果可以看出，本发明的技术方案，实现了针对各类电气图案的采集、定位、识别、处理等工作，能够将判断结果显示并返回。
由于在电力系统的集中操作台或就地电气柜上，通常根据指示灯的“亮”/“灭”(即俗称的状态)或远端操作开关的“垂直”/“倾斜”(即俗称的位置)，来表示各 种开关设备的运行与否，故采用本发明的技术方案，可以根据拍摄到的图像中各个 指示灯的状态或远端操作开关的位置，来准确判断对应的变配电设备是否投入运行 或运行状态是否正常。从这个意义上来说，只要实现了变配电站各种监控图像的自 动采集、分析，通过本发明的技术方案，完全可以替代人工完成巡检作业和数据记 录等操作。
由于本发明的技术方案能根据符合要求的图像所包含的内容，分析设备的运行状态、检测仪表的读数，具有较好的认识和理解能力，并能根据预定的逻辑规则， 及时返回判读结果；其采用多种图元识别方法，能精准识别电气符号的颜色、轮廓、 内容，初步实现了从人工巡检向机器巡检的转变；该技术方案不仅能用于对现场监 控图像的智能分析，通过图像提取有用的数据和信息，识别电力设备和系统的正常 /异常状态；也可以用于移动作业平台，实现图像的自动采集、分析，替代人工完成 巡检作业和数据记录等操作；是一种实用的、可靠的、实时机器视觉理解系统方案。
本发明可广泛用于变配电站监控图像的自动采集、分析以及变配电设备的运行管理领域。
Claims (7)
1.一种在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法，包括对图像预处理，采用高斯滤波针对待识别图像中噪声进行线性平滑滤波，采用Canny算子进行边缘检测；其特征是：
对预处理后的图像进行图元识别，识别出目标物体区域；
在进行图元识别时，对于带圆形轮廓的电气图案，采用霍夫圆变换来进行识别；
将识别结果与预先设定的判断标准进行比较，得到一个判断结果；
根据该判断结果，根据预先设定的逻辑关系，得到一个设备运行状态或设备所处位置的识别结果；
然后将判断结果显示并返回识别结果。
2.按照权利要求1所述的在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法，其特征是所述的霍夫圆变换在Canny算子边缘检测的基础上得到边缘二值图；
首先寻找圆心：使用Sobel算子计算图像的梯度，沿着图像的梯度方向和反方向画线段，线段的起点和长度由设定的参数决定，将线段经过的点在累加器中计数，计数越多的点越有可能成为圆心；
其次进行半径的估计：对所有非0点距圆心的距离从小到大排序，从小半径开始依次统计，相差在某个量的点都近似认为是同一个圆，计数所有属于该圆的点；逐渐放大半径继续计数，比较两个半径点的线密度＝点数/半径，线密度越高，半径的可信度越大，在参数允许范围内反复以上步骤直至得到最优半径。
3.按照权利要求1所述的在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法，其特征是在OpenCV中实现所述霍夫圆变换的函数为：HoughCircles(src,dst,CV_HOUGH_GRADIENT,1,minDist,param1,param2,minRadius,maxRadius)；
其中minDist为检测到的圆的圆心之间的最小距离，param1为Canny算法边缘检测双阈值的高阈值，param2为累加器中圆心的计数标准，minRadius、maxRadius分别为半径的最小和最大值。
4.按照权利要求3所述的在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法，其特征是当背景图中存在其他圆形图案干扰时，所述的霍夫圆变换通过根据实验图像不断调整半径参数，直至寻找到最恰当的半径范围。
5.按照权利要求1所述的在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法，其特征是通过调整Canny算法的双阈值的上下阈值比，来提高所述Canny算子的边缘检测结果对找圆的精确性；减少边缘检测结果受光照、阴影的影响，以有助于边缘检测结果的精准定位。
6.按照权利要求5所述的在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法，其特征是所述Canny算法的双阈值的上下阈值比为3:1。
7.按照权利要求1所述的在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法，其特征是所述的设备运行状态包括该图元所对应的开关/设备处于运行状态还是处于停用状态，也可以是处于带电工作状态还是处于断电停运状态；所述的设备所处位置包括该图元所对应的开关/设备处于在线运行状态还是处于退出运行位置，或者是位于检修位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810851019.5A CN109063634A (zh) | 2018-07-29 | 2018-07-29 | 在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810851019.5A CN109063634A (zh) | 2018-07-29 | 2018-07-29 | 在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109063634A true CN109063634A (zh) | 2018-12-21 |
Family
ID=64831345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810851019.5A Pending CN109063634A (zh) | 2018-07-29 | 2018-07-29 | 在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109063634A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109741314A (zh) * | 2018-12-29 | 2019-05-10 | 广州博通信息技术有限公司 | 一种零件的视觉检测方法及系统 |
| CN110440764A (zh) * | 2019-08-19 | 2019-11-12 | 广东电网有限责任公司 | 一种表计检测云台二次对准方法、装置和设备 |
| CN112070046A (zh) * | 2020-09-15 | 2020-12-11 | 宁波方太厨具有限公司 | 灶具火力识别方法、系统及可读存储介质 |
| CN117686011A (zh) * | 2023-12-14 | 2024-03-12 | 北京市测绘设计研究院 | 一种新型管井测量仪器 |
| CN118549529A (zh) * | 2024-07-24 | 2024-08-27 | 青岛澎湃海洋探索技术有限公司 | 市政管道典型缺陷实时自主识别方法 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101625723A (zh) * | 2009-07-02 | 2010-01-13 | 浙江省电力公司 | 电力线轮廓的快速图像识别方法 |
| JP2010026713A (ja) * | 2008-07-17 | 2010-02-04 | Toyohashi Univ Of Technology | 画像データから位置を推定する位置推定方法、位置推定装置及び位置推定プログラム |
| CN102509101A (zh) * | 2011-11-30 | 2012-06-20 | 昆山市工业技术研究院有限责任公司 | 交通视频监控中的背景更新方法和车辆目标提取方法 |
| CN102567737A (zh) * | 2011-12-28 | 2012-07-11 | 华南理工大学 | 一种眼球角膜定位的方法 |
| CN104182992A (zh) * | 2014-08-19 | 2014-12-03 | 哈尔滨工程大学 | 一种基于全景视觉的海上弱小目标检测方法 |
| CN105137343A (zh) * | 2015-08-27 | 2015-12-09 | 国家电网公司 | 一种继电保护压板状态的检测系统以及检测方法 |
| CN106250902A (zh) * | 2016-07-29 | 2016-12-21 | 武汉大学 | 基于图像特征模板匹配的电力系统开关状态检测方法 |
| CN107393270A (zh) * | 2017-07-26 | 2017-11-24 | 河海大学常州校区 | 一种用于电气仪表检测的移动式视觉巡检设备及方法 |
| CN107977663A (zh) * | 2017-11-21 | 2018-05-01 | 武汉中元华电科技股份有限公司 | 一种适用于电力作业机器人的指向型状态指示器识别方法 |
| CN108121996A (zh) * | 2017-11-21 | 2018-06-05 | 武汉中元华电软件有限公司 | 一种基于机器视觉的电力屏柜硬压板状态识别方法 |
-
2018
- 2018-07-29 CN CN201810851019.5A patent/CN109063634A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010026713A (ja) * | 2008-07-17 | 2010-02-04 | Toyohashi Univ Of Technology | 画像データから位置を推定する位置推定方法、位置推定装置及び位置推定プログラム |
| CN101625723A (zh) * | 2009-07-02 | 2010-01-13 | 浙江省电力公司 | 电力线轮廓的快速图像识别方法 |
| CN102509101A (zh) * | 2011-11-30 | 2012-06-20 | 昆山市工业技术研究院有限责任公司 | 交通视频监控中的背景更新方法和车辆目标提取方法 |
| CN102567737A (zh) * | 2011-12-28 | 2012-07-11 | 华南理工大学 | 一种眼球角膜定位的方法 |
| CN104182992A (zh) * | 2014-08-19 | 2014-12-03 | 哈尔滨工程大学 | 一种基于全景视觉的海上弱小目标检测方法 |
| CN105137343A (zh) * | 2015-08-27 | 2015-12-09 | 国家电网公司 | 一种继电保护压板状态的检测系统以及检测方法 |
| CN106250902A (zh) * | 2016-07-29 | 2016-12-21 | 武汉大学 | 基于图像特征模板匹配的电力系统开关状态检测方法 |
| CN107393270A (zh) * | 2017-07-26 | 2017-11-24 | 河海大学常州校区 | 一种用于电气仪表检测的移动式视觉巡检设备及方法 |
| CN107977663A (zh) * | 2017-11-21 | 2018-05-01 | 武汉中元华电科技股份有限公司 | 一种适用于电力作业机器人的指向型状态指示器识别方法 |
| CN108121996A (zh) * | 2017-11-21 | 2018-06-05 | 武汉中元华电软件有限公司 | 一种基于机器视觉的电力屏柜硬压板状态识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| HHYH612: "OpenCV霍夫梯度找圆算法", 《HTTP：//BLOG.CSDN.NET/HHYH612/ARTICLE/DETAILS/54947205》 * |
| 朱红岷等: "基于图像处理的变电站视频智能分析研究", 《计算机工程与应用》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109741314A (zh) * | 2018-12-29 | 2019-05-10 | 广州博通信息技术有限公司 | 一种零件的视觉检测方法及系统 |
| CN110440764A (zh) * | 2019-08-19 | 2019-11-12 | 广东电网有限责任公司 | 一种表计检测云台二次对准方法、装置和设备 |
| CN110440764B (zh) * | 2019-08-19 | 2021-07-09 | 广东电网有限责任公司 | 一种表计检测云台二次对准方法、装置和设备 |
| CN112070046A (zh) * | 2020-09-15 | 2020-12-11 | 宁波方太厨具有限公司 | 灶具火力识别方法、系统及可读存储介质 |
| CN117686011A (zh) * | 2023-12-14 | 2024-03-12 | 北京市测绘设计研究院 | 一种新型管井测量仪器 |
| CN118549529A (zh) * | 2024-07-24 | 2024-08-27 | 青岛澎湃海洋探索技术有限公司 | 市政管道典型缺陷实时自主识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109271844B (zh) | 基于OpenCV的电气柜电气符号识别方法 | |
| CN109117764A (zh) | 在电力监控中采用颜色阈值法识别目标物体区域电气符号的方法 | |
| CN109409395A (zh) | 在电力监控中采用模板匹配法识别目标物体区域电气符号的方法 | |
| CN109063634A (zh) | 在电力监控中采用霍夫圆变换识别目标物体区域电气符号的方法 | |
| CN109308447A (zh) | 在电力远程监控中自动提取设备运行参数和运行状态的方法 | |
| CN108307146B (zh) | 一种高压输电线路安全隐患检测系统及方法 | |
| CN109271872B (zh) | 一种高压隔离开关分合状态判断与故障诊断装置及方法 | |
| CN101893686B (zh) | 基于摄影数字化的断路器动作特性在线检测装置和方法 | |
| CN109308448A (zh) | 一种采用图像处理技术来防止变配电误操作的方法 | |
| CN107133592B (zh) | 电力变电站采用红外热成像及可见光成像技术融合的人体目标特征检测算法 | |
| CN112257632A (zh) | 一种基于边缘计算的变电站监测系统 | |
| CN107067595B (zh) | 一种指示灯的状态辨识方法、装置及电子设备 | |
| CN105404867A (zh) | 一种基于视觉的变电站隔离开关状态识别方法 | |
| CN110348380A (zh) | 一种可视化接地刀闸状态视频识别系统及方法 | |
| CN111639568A (zh) | 一种用于变电站智能机器人的导航巡视方法 | |
| CN112532927A (zh) | 一种施工现场智能安全管控系统 | |
| CN106650735B (zh) | 一种led字符自动定位识别方法 | |
| CN109579934A (zh) | 水浸多重监测方法及系统 | |
| CN110247328A (zh) | 开关柜内基于图像识别的位置判断方法 | |
| CN112508893B (zh) | 基于机器视觉的铁路双轨间微小异物检测方法及系统 | |
| CN111951161B (zh) | 目标识别方法及系统、巡检机器人 | |
| CN113780224B (zh) | 一种变电站无人化巡视方法及系统 | |
| CN113762185B (zh) | 一种基于计算机视觉实现电力设备状态获取的智能系统 | |
| CN112183194B (zh) | 非接触式换流站工作站设备参数识别方法及系统 | |
| CN115294352A (zh) | 一种基于图像识别的开关柜状态智能识别系统及方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |
|
| RJ01 | Rejection of invention patent application after publication |