CN109872499B - 一种基于图像识别的拦网在位监测报警系统 - Google Patents

Abstract

本发明提供了一种基于图像识别的拦网在位监测报警系统，属于图像识别监测技术领域，用于核电站取水口拦网在位的监测报警工作。本发明包含室外图像监测系统和室内图像识别报警系统两部分。室外图像监测系统负责监测拦网的在位状态。室内图像识别报警系统监测得到的视频图像，图像识别算法并制定了拦网失效判别标准算法，能够识别图像判断拦网上橘黄色浮筒的位置和数量，进而判定拦网的工作状态，并且可在判定危险情况下通过报警器发出报警信号。本发明建立了一种基于图像监测和图像识别的拦网在位报警系统，能通过识别浮筒的位置和个数判别拦网的工作状态，并且能在紧急情况下发出报警信号，使工作人员及时做出应急处理。

Description

一种基于图像识别的拦网在位监测报警系统

技术领域

本发明属于图像识别监测技术领域，特别涉及到核电站取水口处拦网在位的监测报警工作。

背景技术

核电站反应堆大多数采用压水堆，站内反应堆循环冷却水系统以及重要设备的冷却用水均以取水口作为水源。但在夏季，海水温度较高，海生物大量繁殖。在抽取冷却水过程中，大量海生物会通过取水通道进入取水泵房，堵塞鼓形滤网引起压差报警，继而导致停机、停堆，造成巨大的经济损失。为此，核电站在取水口进水渠道前端布置拦污网，用以拦截进水渠道垃圾、杂物和水生物等，保障核电站机组安全运行。拦网在受网上附着物、风浪和潮汐等的共同影响下，易出现拉力过载造成主绳断裂、主网开裂等情况，从而使大量的水生物与海草等杂物进入取水口，影响核电的安全运营造成巨大经济损失。针对这种情形，可对拦网进行实时图像监测，在拦网出现断裂情况下做出报警提示，工作人员可做出应急处理，避免停堆等紧急情况发生。

发明内容

本发明提供了一种基于图像识别的拦网在位监测报警系统，能够实时监测拦网工作状态，保障核电站反应堆冷源工作安全进行。本监测报警系统主要有室外图像监测系统和室内图像识别报警系统两部分组成。室外图像监测系统使用摄像机实时监测拦网工作情况，使用电力猫构建局域网，将拦网监测图像传输到室内图像识别报警系统，通过系统电脑端图像识别软件进行拦网工作状态的评估。本图像识别软件优化了图像识别算法和制定了拦网失效判别标准，如判别出紧急情况，则立即发动报警装置，提醒工作人员做出应急处理。

本发明的技术方案：

一种基于图像识别的拦网在位监测报警系统，包括室外图像监测系统和室内图像识别报警系统两部分；

室外图像监测系统用于拦网视频图像的采集，并且将拦网视频图像信息传输到室内图像识别报警系统进行识别分析；系统采用摄像机记录拦网工作实时状况，并将图像数据保存到防水配电箱中的硬盘机中；由于海边湿度较大，所以要采用防水配电箱存储系统设备；

采用电力猫和路由器建立小型局域网，室外图像监测系统的图像信息通过电力线传输到室内图像识别报警系统；采用电力线传输，传输信号稳定，可克服无线传输信号较差，图像容易丢帧的缺点。

室内图像识别报警系统用于拦网监测图像的识别和拦网工作异常情况下的报警；室外拦网工作状态图像传输到室内电脑端图像识别软件，对图像进行识别处理。室外拦网主要由主绳、网体和拦网浮筒组成，网体和浮筒都拴挂于主绳上。如果主绳发生断裂，则网体和浮筒会随主绳在海上漂浮。室外拦网主绳和网体为白色，浮筒为橘红色，软件可通过识别图像中颜色较为明显的橘红色浮筒的位置和个数来判别拦网是否发生断裂。如浮筒位置超出规定界限或者浮筒个数与软件内置浮筒数不同，则立即通过报警器发出报警信号。

以下对室内图像识别报警系统中图像识别部分做详细说明：

日间拦网图像识别方案：

拦网浮筒的识别主要是基于HSV空间颜色模型原理进行识别，HSV空间颜色模型直观的反映出图像的色调(H)、饱和度(S)以及明度(V)；色调(H)表示为图像的颜色，饱和度(S)表示为颜色的鲜艳程度，明度(V)表示为图像的明暗程度；

识别过程中主要是针对色调(H)、饱和度(S)以及明度(V)三个通道进行重新的量化，并结合核电站现场的实际工况制定不同的识别算法，以满足识别要求，具体如下：

P(x,y)＝(P(x-1,y-1)+P(x,y-1)+P(x+1,y-1)+P(x+1,y)+P(x+1,y+1)+P(x,y+1)+P(x-1,y+1)+P(x-1,y))/8 (1)

公式(1)为图像的模糊算法，即通过某个像素的8邻域(与该像素相邻的8个像素)的平均值来确定该像素的颜色值；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，P(x,y)为图像中每一个像素的颜色值，等号右边的表达式为该像素8邻域的平均值；

V(x,y)＝(V(x,y)-V_min(x,y))/(V_max(x,y)-V_min(x,y)) (2)

公式(2)为HSV图像明度(V)通道重新量化算法，即通过统计整张图像的V通道，得出V通道的最大值以及最小值，重新对V通道进行归一化操作；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，V(x,y)为每一个像素的V通道的值，V_min(x,y)为整张图像上V通道的最小值，V_max(x,y)为整张图像上V通道的最大值；

S(x,y)＝(S(x,y)-S_min(x,y))/(S_max(x,y)-S_min(x,y)) (3)

公式(3)为HSV图像饱和度(S)通道重新量化算法，即通过统计整张图像的S通道，得出S通道的最大值以及最小值，重新对S通道进行归一化操作；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，S(x,y)为每一个像素的V通道的值，S_min(x,y)为整张图像上S通道的最小值，S_max(x,y)为整张图像上S通道的最大值。

公式(4)为HSV图像色调H通道重新量化算法，即通过红色色调的范围来重新计算H通道的值，如果某个像素的H通道的值在红色的最小值和红色平均值范围内，则将该像素的H通道的值修改为红色的平均值；如果在红色的平均值和红色的最大值范围内，则不改变该像素的H通道的值，以提高红色调的纯度；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，H(x,y)为每一个像素的H通道的值，H_red(min)为红色调范围的最小值，H_red(max)为红色调范围的最大值，H_red(avg)为红色调范围的平均值；

公式(5)为图像二值化算法，即通过HSV图像各通道的阈值将图像的前景与背景分离；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，P₀(x,y)为图像的像素值，H_T(min)、H_T(max)为H通道的最小阈值以及最大阈值，S_T(min)、S_T(max)为S通道的最小阈值以及最大阈值，V_T(min)、V_T(max)为V通道的最小阈值以及最大阈值；

根据室外图像监测系统提供的原始图像，对拦网图像进行分析处理，识别出拦网浮筒的位置以及个数，为后续拦网状态的评估以及预警提供依据。具体的识别方案如下：

由于现场工况复杂，干扰条件较多，所以在识别之前需要对图像进行模糊降噪处理。即对视频采集设备所获取的图像进行模糊，通过公式(1)，遍历整幅图像的所有像素，重新计算每个像素值，可以将图像中水面杂物，水面波纹以及水面反光等部分的奇异颜色值过滤出去，减少噪点对识别的干扰。

将经过模糊算法过滤后的RGB颜色空间模型图像映射到HSV空间颜色模型图像。根据拦网网绳两端的固定位置信息，对拦网图像进行分割，并提取关键区域，该区域为包含整条拦网的所有浮筒。关键区域的提取，使得处理的图像从大图像变为一个小图像，便于进一步处理，可以减少堤坝等无用信息的干扰，并且可充分减小处理时间。

根据拦网浮筒颜色以及HSV空间颜色模型特点，制定相应的像素量化算法，以便使拦网浮筒更加突出，利于后续识别以及定位。

通过公式(2)，对提取的关键区域图像的明度(V)通道进行重新量化，可以提高整幅图像的亮度程度。

通过公式(3)，对提取的关键区域图像的饱和度(S)通道进行重新量化，可以提高整幅图像的鲜艳程度。

经过上述两步处理后图像会变得更加的清晰明亮，并且图像不会出现不失真现象，即图像的色相调与源图色调一致。接下来对图像的色调进行处理，目的在于提高某种颜色纯度，方便后续对某种颜色的识别。

通过公式(4)，对提取的关键区域图像的色调(H)通道进行重新量化,即对图像中拦网浮筒的颜色进行修改，提高橘红色纯度，使浮筒颜色更加突出。

经过上述像素的重新量化后，可以得到一幅鲜艳明亮并且浮筒颜色纯度较高、颜色范围较小的拦网图像。接下来对现有图像进行二值化操作，指定与浮筒颜色相匹配的阈值范围，通过公式(5)，将图像中的浮筒与其他物体分离，即将浮筒区域的像素置为黑色，其他区域置为白色，得到一幅二值化图像。

最后对二值化后的图像查找轮廓，确定轮廓的个数以及轮廓的中心点位置，轮廓的个数即为拦网浮筒个数，轮廓中心点位置即为浮筒的位置。

夜间拦网图像识别方案：

由于夜间不能采集到彩色的拦网图像，所以不能采用与日间相同的识别方案。针对夜间的拦网状态监测的方案是：在拦网浮筒上架设红外光源，通过红外光源采集设备捕捉红外光源，通过对图像的二值化操作，将红外光源与其他干扰信息进行分离，再对二值化图像查找轮廓，确定轮廓的个数以及轮廓的中心点位置，轮廓的个数即为拦网浮筒个数，轮廓中心点位置即为浮筒的位置。

在正常初始条件下，通过图像识别浮筒的位置和数量，记录浮筒位置数量信息。在之后的图像识别过程中，将所得到的浮筒位置信息与初始时位置信息进行对比，计算同一浮筒不同时刻之间的距离，当所得到的距离达到警戒值即可反映出拦网工作异常，触发报警。同时在后续识别中，如识别出浮筒数量与初始帧浮筒数量不匹配，亦可表示拦网工作异常，随即触发报警。

本发明的技术特点有：

(1)本发明建立了一种基于图像监测和图像识别的拦网在位报警系统，能通过识别浮筒的位置和个数判别拦网的工作状态，并且能在紧急情况下发出报警信号，使工作人员及时做出应急处理。

(2)本发明24小时全天候监测拦网工作状态。由于夜间光线较暗，不能清楚的拍摄浮筒的位置和个数信息，特采用大功率探照灯照射，能够在夜晚图像中清楚识别浮筒的位置和个数信息。

(3)本发明的监测地点在海边，要考虑海浪和湿度对室外图像监测系统的影响，为此需特制防水配电箱，防止短路情况发生。

(4)本发明室外图像监测系统采用220v电源供电，监测处人员流动较大，工作人员难免触摸设备。为保障工作人员安全，在系统内部安装漏电保护器，防止触电危险发生。

(5)本发明采用电力猫和路由器建立局域网，通过电力线传输信号，使得无线传输变为有线传输，接收信号更好，图像不会丢帧。

(6)本发明编写了图像识别软件，能够通过监测的每一帧视频图像识别出橘红色浮筒的位置和数量，并且与软件初始识别的浮筒位置和浮筒数量对比，判断拦网是否在位。如若判断出拦网发生断裂情况，则通过报警器发出报警信号，使工作人员及时做出应急处理。

(7)本发明图像识别时进行了相关算法的优化，进行关键区域的提取，该区域为包含拦网浮筒的最小平行四边形，可以减少图像中堤坝等无用信息的干扰，并且可充分减小处理时间。

(8)本发明制定了拦网失效判别标准算法，通过计算每一帧图像中浮筒位置与初始帧浮筒位置之间的距离是否达到警戒值，同时识别浮筒数量与初始帧数量是否匹配。二者有其一不满足条件，即可判定拦网工作异常，即可触发报警。

附图说明

图1为本发明基于图像识别的拦网在位监测报警系统结构示意图。

图2为拦网图像监测简图。

图3为拦网图像二值化处理图。

具体实施方式

下面结合附图1、2对发明的结构、制作过程、操作实施过程作进一步说明。

本基于图像识别的拦网在位监测报警系统，如图1所示，包括室外图像监测系统和室内图像识别报警系统两部分。

室外图像监测系统主要包括防水配电箱、插排、适配器、摄像机、硬盘机、漏电保护器、电力猫和网线。外部电力线经漏电保护器连接到插排，由插排分别向电力猫、硬盘机和摄像机供电。硬盘机连接48v适配器，摄像机连接12v适配器。摄像机与硬盘机之间用网线连接，摄像机记录的实时图像存储在硬盘机中。电力猫与硬盘机之间以网线连接，用以传输视频图像。漏电保护器、适配器、插排、硬盘机和电力猫都放置在防水配电箱中，各项连接完毕后，将防水配电箱密封，防止进水造成短路。摄像机安装在防水配电箱外部的指定位置，调整好角度，让摄像机能够拍摄到整个拦网区域，加以固定。

室内图像识别报警系统主要由电源、报警器、电脑、路由器和电力猫组成。电源分别向报警器、电脑、路由器和电力猫供电，电脑与路由器、路由器与电力猫之间分别以网线连接。路由器、室内电力猫和室外电力猫之间构成局域网，室外监测的拦网实时图像可通过电力线传输到室内电脑端图像识别软件，进行图像识别处理分析。软件处理的图像简图如图2所示，将图像进行关键区域提取和模糊处理，基于HSV颜色空间原理检测橘红色浮筒位置，并且将图像进行如图3所示二值化处理，再通过轮廓查找函数找到图像中浮筒轮廓。通过对图像内橘红色浮筒的位置和数量识别来判别拦网是否发生断裂，如果判断出拦网异常，则立即触发报警器信号。

Claims (1)

1.一种基于图像识别的拦网在位监测报警系统，其特征在于，所述的基于图像识别的拦网在位监测报警系统包括室外图像监测系统和室内图像识别报警系统两部分；

建立小型局域网，室外图像监测系统用于拦网视频图像的采集，并且将拦网视频图像信息通过电力线传输到室内图像识别报警系统进行识别分析；室外图像监测系统采用摄像机记录拦网工作实时状况，并将图像信息保存到防水配电箱中的硬盘机中；

室内图像识别报警系统用于拦网监测图像的识别和拦网工作异常情况下的报警；室外拦网工作状态图像传输到室内电脑端，对图像进行识别处理；室外拦网由主绳、网体和拦网浮筒组成，网体和拦网浮筒都拴挂于主绳上；如果主绳发生断裂，则网体和拦网浮筒随主绳在海上漂浮；室外拦网主绳和网体为白色，拦网浮筒为橘红色，通过识别图像中颜色较为明显的橘红色浮筒的位置和个数来判别拦网是否发生断裂；若拦网浮筒位置超出规定界限或拦网浮筒个数与原始设定的内置拦网浮筒个数不同，则立即通过报警器发出报警信号；

对室内图像识别报警系统中图像识别如下：

(1)日间拦网图像识别

拦网浮筒的识别是基于HSV空间颜色模型原理进行识别，HSV空间颜色模型直观的反映出图像的色调H、饱和度S以及明度V；色调H表示为图像的颜色，饱和度S表示为颜色的鲜艳程度，明度V表示为图像的明暗程度；

识别过程中是针对色调H、饱和度S以及明度V三个通道进行重新的量化，并结合核电站现场的实际工况制定不同的识别算法，以满足识别要求，具体如下：

P(x，y)＝(P(x-1，y-1)+P(x，y-1)+P(x+1，y-1)+P(x+1，y)+P(x+1，y+1)+P(x，y+1)+P(x-1，y+1)+P(x-1，y))/8 (1)

公式(1)为图像的模糊算法，即通过某个像素的8邻域的平均值来确定该像素的颜色值；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，P(x，y)为图像中每一个像素的颜色值，等号右边的表达式为该像素8邻域的平均值；

V(x，y)＝(V(x，y)-V_min(x，y))/(V_max(x，y)-V_min(x，y)) (2)

公式(2)为HSV图像明度V通道重新量化算法，即通过统计整张图像的V通道，得出V通道的最大值以及最小值，重新对V通道进行归一化操作；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，V(x，y)为每一个像素的V通道的值，V_min(x，y)为整张图像上V通道的最小值，V_max(x，y)为整张图像上V通道的最大值；

S(x，y)＝(S(x，y)-S_min(x，y))/(S_max(x，y)-S_min(x，y)) (3)

公式(3)为HSV图像饱和度S通道重新量化算法，即通过统计整张图像的S通道，得出S通道的最大值以及最小值，重新对S通道进行归一化操作；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，S(x，y)为每一个像素的V通道的值，S_min(x，y)为整张图像上S通道的最小值，S_max(x，y)为整张图像上S通道的最大值；

公式(4)为HSV图像色调H通道重新量化算法，即通过红色色调的范围来重新计算H通道的值，如果某个像素的H通道的值在红色的最小值和红色平均值范围内，则将该像素的H通道的值修改为红色的平均值；如果在红色的平均值和红色的最大值范围内，则不改变该像素的H通道的值，以提高红色调的纯度；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，H(x，y)为每一个像素的H通道的值，H_red(min)为红色调范围的最小值，H_red(max)为红色调范围的最大值，H_red(avg)为红色调范围的平均值；

公式(5)为图像二值化算法，即通过HSV图像各通道的阈值将图像的前景与背景分离；式中：x为每一个像素点在图像中的x轴坐标，y为每一个像素点在图像中的y轴坐标，P₀(x，y)为图像的像素值，H_T(min)、H_T(max)为H通道的最小阈值以及最大阈值，S_T(min)、S_T(max)为S通道的最小阈值以及最大阈值，V_T(min)、V_T(max)为V通道的最小阈值以及最大阈值；

根据室外图像监测系统提供的原始图像，对拦网图像进行分析处理，识别出拦网浮筒的位置以及个数，为后续拦网状态的评估以及预警提供依据；具体的识别方案如下：

(1.1)在识别前对图像进行模糊降噪处理，即对视频采集设备所获取的图像进行模糊，通过公式(1)，遍历整幅图像的所有像素，重新计算每个像素值，将图像中水面杂物、水面波纹以及水面反光的奇异颜色值过滤出去，减少噪点对识别的干扰；

(1.2)将经过模糊算法过滤后的RGB颜色空间模型图像映射到HSV空间颜色模型图像；根据拦网主绳两端的固定位置信息，对拦网图像进行分割，并提取关键区域，该关键区域为包含整条拦网的所有拦网浮筒；关键区域的提取，使得处理的图像从大图像变为一个小图像；

根据拦网浮筒颜色以及HSV空间颜色模型特点，制定相应的像素量化算法，以便使拦网浮筒更加突出，利于后续识别以及定位；

通过公式(2)，对提取的关键区域图像的明度V通道进行重新量化，用于提高整幅图像的亮度程度；

通过公式(3)，对提取的关键区域图像的饱和度S通道进行重新量化，用于提高整幅图像的鲜艳程度；

经过上述两步处理后图像变得更加的清晰明亮，并且图像不会出现不失真现象，即图像的色相调与源图色调一致；

接下来对图像的色调进行处理，通过公式(4)，对提取的关键区域图像的色调H通道进行重新量化，即对图像中拦网浮筒的颜色进行修改，提高橘红色纯度，使拦网浮筒颜色更加突出；

经过上述像素的重新量化后，得到一幅鲜艳明亮并且拦网浮筒颜色纯度较高、颜色范围较小的拦网图像；

(1.3)对现有图像进行二值化操作，指定与拦网浮筒颜色相匹配的阈值范围，通过公式(5)，将图像中的拦网浮筒与其他物体分离，即将拦网浮筒区域的像素置为黑色，其他区域置为白色，得到一幅二值化图像；

(1.4)最后对二值化后的图像查找轮廓，确定轮廓的个数以及轮廓的中心点位置，轮廓的个数即为拦网浮筒个数，轮廓中心点位置即为浮筒的位置；

(2)夜间拦网图像识别

针对夜间的拦网状态监测：在拦网浮筒上架设红外光源，通过红外光源采集设备捕捉红外光源，通过对图像的二值化操作，将红外光源与其他干扰信息进行分离，再对二值化图像查找轮廓，确定轮廓的个数以及轮廓的中心点位置，轮廓的个数即为拦网浮筒个数，轮廓中心点位置即为拦网浮筒的位置；

在正常初始条件下，通过图像识别拦网浮筒的位置和数量，记录拦网浮筒位置数量信息；在之后的图像识别过程中，将所得到的拦网浮筒位置信息与初始时位置信息进行对比，计算同一拦网浮筒不同时刻之间的距离，当所得到的距离达到警戒值即反映出拦网工作异常，触发报警；同时在后续识别中，如识别出拦网浮筒数量与初始帧拦网浮筒数量不匹配，亦表示拦网工作异常，随即触发报警。

Images