CN109358248A - 一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统 - Google Patents
一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统 Download PDFInfo
- Publication number
- CN109358248A CN109358248A CN201811228278.9A CN201811228278A CN109358248A CN 109358248 A CN109358248 A CN 109358248A CN 201811228278 A CN201811228278 A CN 201811228278A CN 109358248 A CN109358248 A CN 109358248A
- Authority
- CN
- China
- Prior art keywords
- image
- sampling device
- layer
- electromagnetic field
- radio frequency
- 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/001—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing
- G01R31/002—Measuring interference from external sources to, or emission from, the device under test, e.g. EMC, EMI, EMP or ESD testing where the device under test is an electronic circuit
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统,包括网络摄像头、流媒体数据转换单元、数据存储单元、图像处理单元和图像识别单元。本发明专利公开了一种交流采样装置射频电磁场辐射抗扰度自动识别系统。通过在电波暗室内安装网络摄像机和相关仪器,采用图像处理技术和基于BP神经网络的图像识别技术对试验过程中交流采样装置液晶屏上的数字进行实时识别和记录,极大地降低了实验人员的工作强度,提高了工作效率和数据准确性。
Description
技术领域
本发明属于数字电能计量领域,涉及电气设备电磁兼容性能试验,尤其是一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统。
背景技术
近些年来,国家电网公司加速发展,交流采样装置的运用也越加广泛,其组成部分包括测量芯片、通讯芯片、微处理器、开关电源等。由于生活中存在着较多射频电磁场的干扰,如果交流采样装置的芯片的布局不合理,开关电源质量不合格,都会影响交流采样装置与电磁场的兼容性,从而影响交流采样装置的正常工作和准确计量。因此,根据国家GB/T17626.3—2016《电磁兼容试验和射频电磁场辐射抗扰度试验》的要求,对交流采样装置进行射频电磁场辐射抗扰度试验十分必要。
交流采样装置射频电磁场辐射抗扰度试验,需要在交流采样装置运行时,通过电波暗室内安装的高清摄像机,由人工记录装置液晶屏上的数据变化情况,工作效率低且容易出错。如何正确、有效、快速地对交流采样装置进行射频电磁场抗扰度试验性能检测,成为电磁兼容测试领域亟需解决的技术难题之一。本发明运用网络摄像机、图像处理技术和基于BP神经网络的图像识别技术对试验过程中交流采样装置液晶屏上的数字进行实时识别和记录,以解决试验过程中由于人工观察记录数据所带来的问题。
发明内容
本发明的目的在于克服现有技术的不足之处,提供一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统。
本发明解决其技术问题是采取以下技术方案实现的:
一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统,其特征在于:包括网络摄像头、流媒体数据转换单元、数据存储单元、图像处理单元和图像识别单元。
而且,图像处理单元采用预处理技术和数字区域分割技术。
而且,所述预处理技术:使用人工选取的方式对需要进行数字识别的区域分割出来,
首先,划分采集到的视频图像,用鼠标选取被识别区域,并保存该区域的坐标,以便实时获得该区域图像信息;
得到数字区域后,再对图像进行高斯滤波,以去除图像中的噪声;
对图像进行二值化处理,采用二值形态学的基本运算,以去除这些图像中残留的噪声;
先对图像进行闭合运算,可以滤除字符中的黑色噪声,再运用1×7的矩形结构元素对其进行膨胀运算,由此填补图像中的空洞。
而且,所述数字区域的分割技术:数字分割采用检测连通域的方法进行分割,运用opencv中的findContours函数检测图像中的所有连通域,检测出的连通域会以一系列的点来描述,获取最外层的轮廓;然后,遍历所有检测到的轮廓,用BoundingRect函数获得每1个轮廓的最小外接矩形;对数字的排列位置进行重新排序:在提取轮廓时,按照数字X坐标的大小对提取出的轮廓进行有序的命名和存储,以便后续数字识别。
而且,图像识别单元采用基于BP神经网络的数字识别技,由信息的正向传播和误差的反向传播2个过程组成,其体系结构分为输入层、隐藏层还有输出层;
输入层各神经元负责接收来自外界的输入信息,并传递给隐藏层;
隐藏层是内部信息处理层,负责信息的变换,根据信息变换的需求,中间层可以设计为单隐藏层或者多隐藏层结构;最后1个隐藏层将信息传递到输出层,就完成了一次信息的正向传播,由输出层向外界输出信息处理结果;
如果实际输出与期望的输出不相符,则进入误差的反向传播阶段:误差通过输出层,按误差梯度下降的方式修正各层的权值,向隐层、输入层逐层反传,经过不断地正向传播和反向调整,使得输出的结果与期望的结果尽可能得接近;
当输出层的误差减小到可以接受的程度,训练结束。
而且,系统的的具体工作步骤如下:
⑴首先通过网络摄像机获取交流采样装置液晶显示屏上的显示的图像,网络摄像机放置于交流采样装置显示屏正前方,网络摄像机表面用吸波材料覆盖,以保证试验电磁场的均匀性;
⑵通过流媒体数据转换单元实现系统的实时性,先将原始的码流通过回调函数输出为YUV色度图像,然后转换为可供后续处理的RGB图像格式,并放入计算机缓存空间;
⑶运用数字识别算法,对交流采样装置液晶屏上的数字进行实时读取,首先对采集到的图像进行区域划分,选定要识别的区域,根据液晶显示屏上显示的数据量,可以选定一个或多个区域进行识别,保存各选定区域的坐标;
⑷对选定的数字区域中的图像进行高斯滤波,以去除图像中的噪声,再对图像进行二值化处理;
⑸运用opencv中的findContours函数检测图像中的所有连通域,获取最外层的轮廓,通过对最外层轮廓的识别,得到选定区域中的数字;
⑹对读取到的数字进行记录并通过计算得出射频电磁场辐射抗扰度试验通过性结论。
本发明的优点和积极效果是:
本发明专利公开了一种交流采样装置射频电磁场辐射抗扰度自动识别系统。通过在电波暗室内安装网络摄像机和相关仪器,采用图像处理技术和基于BP神经网络的图像识别技术对试验过程中交流采样装置液晶屏上的数字进行实时识别和记录,极大地降低了实验人员的工作强度,提高了工作效率和数据准确性。
附图说明
图1为本发明系统示意图。
具体实施方式
下面结合附图并通过具体实施例对本发明作进一步详述,以下实施例只是描述性的,不是限定性的,不能以此限定本发明的保护范围。
一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统,包括网络摄像头、流媒体数据转换单元、数据存储单元、图像处理单元和图像识别单元,网络摄像头、流媒体数据转换单元、数据存储单元、图像处理单元以及图像识别单元顺序连接;
系统首先通过网络摄像机获取交流采样装置液晶显示屏上的显示的图像;通过流媒体数据转换单元实现系统的实时性,先将原始的码流通过回调函数输出为YUV色度图像,然后转换为可供后续处理的RGB图像格式,并放入计算机缓存空间;再运用图像处理技术和图像识别技术,对交流采样装置液晶屏上的数字进行实时读取。
图像处理单元采用预处理技术和数字区域分割技术。
图像预处理技术:由于交流采样装置的类型不同,采用自动分割的方式获得电能表的显示区域,尚不能完全实现自动分割。为了实现更强的兼容性,该程序使用人工选取的方式对需要进行数字识别的区域分割出来。首先,划分采集到的视频图像,用鼠标选取被识别区域,并保存该区域的坐标,以便实时获得该区域图像信息。得到数字区域后,再对图像进行高斯滤波,以去除图像中的噪声。为了方便后续的图像处理,使得后续处理更加快速,再对图像进行二值化处理。通过高斯滤波和二值化处理,虽然可以去除或减轻部分噪声,但不能完全滤除。在此,采用二值形态学的基本运算,以去除这些图像中残留的噪声。先对图像进行闭合运算,可以滤除字符中的黑色噪声,再运用1×7的矩形结构元素对其进行膨胀运算,由此填补图像中的空洞。
数字区域的分割技术:数字分割采用检测连通域的方法进行分割,运用opencv中的findContours函数检测图像中的所有连通域,检测出的连通域会以一系列的点来描述,获取最外层的轮廓。然后,遍历所有检测到的轮廓,用BoundingRect函数获得每1个轮廓的最小外接矩形。因为寻找轮廓算法,得到的并不是根据数字位置排列好的有序轮廓,分割出来的数字是乱序的。因此,需要对数字的排列位置进行重新排序:在提取轮廓时,按照数字X坐标的大小对提取出的轮廓进行有序的命名和存储,以便后续数字识别。
图像识别技术采用基于BP神经网络的数字识别技。BP神经网络又称为误差反向传递神经网络,由信息的正向传播和误差的反向传播2个过程组成。其体系结构分为输入层、隐藏层还有输出层。输入层各神经元负责接收来自外界的输入信息,并传递给隐藏层;隐藏层是内部信息处理层,负责信息的变换,根据信息变换的需求,中间层可以设计为单隐藏层或者多隐藏层结构;最后1个隐藏层将信息传递到输出层,就完成了一次信息的正向传播,由输出层向外界输出信息处理结果。如果实际输出与期望的输出不相符,则进入误差的反向传播阶段:误差通过输出层,按误差梯度下降的方式修正各层的权值,向隐层、输入层逐层反传,经过不断地正向传播和反向调整,使得输出的结果与期望的结果尽可能得接近。当输出层的误差减小到可以接受的程度,训练结束。
系统的的具体工作步骤如下:
⑴首先通过网络摄像机获取交流采样装置液晶显示屏上的显示的图像,网络摄像机放置于交流采样装置显示屏正前方,网络摄像机表面用吸波材料覆盖,以保证试验电磁场的均匀性;
⑵通过流媒体数据转换单元实现系统的实时性,先将原始的码流通过回调函数输出为YUV色度图像,然后转换为可供后续处理的RGB图像格式,并放入计算机缓存空间;
⑶运用数字识别算法,对交流采样装置液晶屏上的数字进行实时读取,首先对采集到的图像进行区域划分,选定要识别的区域,根据液晶显示屏上显示的数据量,可以选定一个或多个区域进行识别,保存各选定区域的坐标;
⑷对选定的数字区域中的图像进行高斯滤波,以去除图像中的噪声,再对图像进行二值化处理;
⑸运用opencv中的findContours函数检测图像中的所有连通域,获取最外层的轮廓,通过对最外层轮廓的识别,得到选定区域中的数字;
⑹对读取到的数字进行记录并通过计算得出射频电磁场辐射抗扰度试验通过性结论。
尽管为说明目的公开了本发明的实施例和附图,但是本领域的技术人员可以理解:在不脱离本发明及所附权利要求的精神和范围内,各种替换、变化和修改都是可能的,因此,本发明的范围不局限于实施例和附图所公开的内容。
Claims (6)
1.一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统,其特征在于:包括网络摄像头、流媒体数据转换单元、数据存储单元、图像处理单元和图像识别单元。
2.根据权利要求1所述的交流采样装置射频电磁场辐射抗扰度检测自动识别系统,其特征在于:图像处理单元采用预处理技术和数字区域分割技术。
3.根据权利要求2所述的交流采样装置射频电磁场辐射抗扰度检测自动识别系统,其特征在于:所述预处理技术:使用人工选取的方式对需要进行数字识别的区域分割出来,
首先,划分采集到的视频图像,用鼠标选取被识别区域,并保存该区域的坐标,以便实时获得该区域图像信息;
得到数字区域后,再对图像进行高斯滤波,以去除图像中的噪声;
对图像进行二值化处理,采用二值形态学的基本运算,以去除这些图像中残留的噪声;
先对图像进行闭合运算,可以滤除字符中的黑色噪声,再运用1×7的矩形结构元素对其进行膨胀运算,由此填补图像中的空洞。
4.根据权利要求2所述的交流采样装置射频电磁场辐射抗扰度检测自动识别系统,其特征在于:所述数字区域的分割技术:数字分割采用检测连通域的方法进行分割,运用opencv中的findContours函数检测图像中的所有连通域,检测出的连通域会以一系列的点来描述,获取最外层的轮廓;然后,遍历所有检测到的轮廓,用BoundingRect函数获得每1个轮廓的最小外接矩形;对数字的排列位置进行重新排序:在提取轮廓时,按照数字X坐标的大小对提取出的轮廓进行有序的命名和存储,以便后续数字识别。
5.根据权利要求1所述的交流采样装置射频电磁场辐射抗扰度检测自动识别系统,其特征在于:图像识别单元采用基于BP神经网络的数字识别技,由信息的正向传播和误差的反向传播2个过程组成,其体系结构分为输入层、隐藏层还有输出层;
输入层各神经元负责接收来自外界的输入信息,并传递给隐藏层;
隐藏层是内部信息处理层,负责信息的变换,根据信息变换的需求,中间层可以设计为单隐藏层或者多隐藏层结构;最后1个隐藏层将信息传递到输出层,就完成了一次信息的正向传播,由输出层向外界输出信息处理结果;
如果实际输出与期望的输出不相符,则进入误差的反向传播阶段:误差通过输出层,按误差梯度下降的方式修正各层的权值,向隐层、输入层逐层反传,经过不断地正向传播和反向调整,使得输出的结果与期望的结果尽可能得接近;
当输出层的误差减小到可以接受的程度,训练结束。
6.根据权利要求1所述的交流采样装置射频电磁场辐射抗扰度检测自动识别系统,其特征在于:系统的的具体工作步骤如下:
⑴首先通过网络摄像机获取交流采样装置液晶显示屏上的显示的图像,网络摄像机放置于交流采样装置显示屏正前方,网络摄像机表面用吸波材料覆盖,以保证试验电磁场的均匀性;
⑵通过流媒体数据转换单元实现系统的实时性,先将原始的码流通过回调函数输出为YUV色度图像,然后转换为可供后续处理的RGB图像格式,并放入计算机缓存空间;
⑶运用数字识别算法,对交流采样装置液晶屏上的数字进行实时读取,首先对采集到的图像进行区域划分,选定要识别的区域,根据液晶显示屏上显示的数据量,可以选定一个或多个区域进行识别,保存各选定区域的坐标;
⑷对选定的数字区域中的图像进行高斯滤波,以去除图像中的噪声,再对图像进行二值化处理;
⑸运用opencv中的findContours函数检测图像中的所有连通域,获取最外层的轮廓,通过对最外层轮廓的识别,得到选定区域中的数字;
⑹对读取到的数字进行记录并通过计算得出射频电磁场辐射抗扰度试验通过性结论。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811228278.9A CN109358248A (zh) | 2018-10-22 | 2018-10-22 | 一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811228278.9A CN109358248A (zh) | 2018-10-22 | 2018-10-22 | 一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109358248A true CN109358248A (zh) | 2019-02-19 |
Family
ID=65346127
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811228278.9A Pending CN109358248A (zh) | 2018-10-22 | 2018-10-22 | 一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109358248A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443211A (zh) * | 2020-03-04 | 2020-07-24 | 重庆大学 | 一种多血型系统自动检测卡及检测方法 |
CN112798987A (zh) * | 2020-12-30 | 2021-05-14 | 广东电网有限责任公司电力科学研究院 | 变压器出厂试验的监造方法及监造装置 |
CN113884776A (zh) * | 2021-10-08 | 2022-01-04 | 苏州市计量测试院 | 一种射频电磁场辐射抗扰度试验方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346221A (zh) * | 2010-08-05 | 2012-02-08 | 上海市计量测试技术研究院 | 电磁兼容试验监测系统 |
JP2012026854A (ja) * | 2010-07-22 | 2012-02-09 | Canon Inc | コンデンサ診断回路 |
CN203164340U (zh) * | 2013-04-08 | 2013-08-28 | 福建省产品质量检验研究院 | 一种宽频带辐射抗扰度自动测试装置 |
US9500690B2 (en) * | 2013-11-07 | 2016-11-22 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Radio frequency and microwave imaging with a two-dimensional sensor array |
CN108205120A (zh) * | 2017-12-28 | 2018-06-26 | 浙江省计量科学研究院 | 一种基于机器视觉的电能表辐射抗扰度自动检测系统 |
-
2018
- 2018-10-22 CN CN201811228278.9A patent/CN109358248A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012026854A (ja) * | 2010-07-22 | 2012-02-09 | Canon Inc | コンデンサ診断回路 |
CN102346221A (zh) * | 2010-08-05 | 2012-02-08 | 上海市计量测试技术研究院 | 电磁兼容试验监测系统 |
CN203164340U (zh) * | 2013-04-08 | 2013-08-28 | 福建省产品质量检验研究院 | 一种宽频带辐射抗扰度自动测试装置 |
US9500690B2 (en) * | 2013-11-07 | 2016-11-22 | Lenovo Enterprise Solutions (Singapore) Pte. Ltd. | Radio frequency and microwave imaging with a two-dimensional sensor array |
CN108205120A (zh) * | 2017-12-28 | 2018-06-26 | 浙江省计量科学研究院 | 一种基于机器视觉的电能表辐射抗扰度自动检测系统 |
Non-Patent Citations (1)
Title |
---|
丁琦 等: "电能表射频电磁场抗扰度自动检测系统", 《自动化与仪表》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111443211A (zh) * | 2020-03-04 | 2020-07-24 | 重庆大学 | 一种多血型系统自动检测卡及检测方法 |
CN111443211B (zh) * | 2020-03-04 | 2024-01-26 | 重庆大学 | 一种多血型系统自动检测卡及检测方法 |
CN112798987A (zh) * | 2020-12-30 | 2021-05-14 | 广东电网有限责任公司电力科学研究院 | 变压器出厂试验的监造方法及监造装置 |
CN113884776A (zh) * | 2021-10-08 | 2022-01-04 | 苏州市计量测试院 | 一种射频电磁场辐射抗扰度试验方法和装置 |
CN113884776B (zh) * | 2021-10-08 | 2024-05-24 | 苏州市计量测试院 | 一种射频电磁场辐射抗扰度试验方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109358248A (zh) | 一种交流采样装置射频电磁场辐射抗扰度检测自动识别系统 | |
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 | |
CN109635806B (zh) | 基于残差网络的电表数值识别方法 | |
CN107527337A (zh) | 一种基于深度学习的视频对象移除篡改检测方法 | |
CN110263656A (zh) | 一种癌细胞识别方法、装置和系统 | |
CN102915432B (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN103093419A (zh) | 一种检测图像清晰度的方法及装置 | |
CN110277833B (zh) | 变电站压板状态识别的方法及终端设备 | |
CN103279744B (zh) | 基于多尺度三模式纹理特征的仿造指纹检测方法和系统 | |
CN106875391A (zh) | 皮肤图像的识别方法及电子设备 | |
CN108257125B (zh) | 一种基于自然场景统计的深度图像质量无参考评价方法 | |
CN105468922B (zh) | 一种现场电磁环境信号实时分析与威胁评估方法 | |
CN110346699A (zh) | 基于紫外图像处理技术的绝缘子放电信息提取方法及装置 | |
Jiang et al. | Fault localization in smart grid using wavelet analysis and unsupervised learning | |
CN109146974A (zh) | 一种指针式仪表读数识别方法及系统 | |
CN111209958A (zh) | 基于深度学习的变电站设备检测方法及装置 | |
CN110298817A (zh) | 基于图像处理的目标物统计方法、装置、设备及存储介质 | |
CN104700405A (zh) | 一种前景检测方法和系统 | |
CN111199250A (zh) | 一种基于机器学习的变电站空气开关状态校核方法及装置 | |
CN202815869U (zh) | 一种车载微机图像视频数据提取装置 | |
CN108717522A (zh) | 一种基于深度学习和相关滤波的人体目标跟踪方法 | |
CN113570587A (zh) | 一种基于计算机视觉的光伏电池断栅检测方法及系统 | |
CN104702920A (zh) | 基于cmos图像采集对电能表进行自动抄表的方法 | |
DE112015006015B4 (de) | Zellanalysevorrichtung und Verfahren | |
CN112927222B (zh) | 一种基于混合改进Faster R-CNN实现多种类光伏阵列热斑检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190219 |