CN110675397B - 一种变电站保护压板状态校核方法 - Google Patents
一种变电站保护压板状态校核方法 Download PDFInfo
- Publication number
- CN110675397B CN110675397B CN201910973220.5A CN201910973220A CN110675397B CN 110675397 B CN110675397 B CN 110675397B CN 201910973220 A CN201910973220 A CN 201910973220A CN 110675397 B CN110675397 B CN 110675397B
- Authority
- CN
- China
- Prior art keywords
- pressing plate
- state
- image
- pressing
- protection
- 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.)
- Active
Links
Images
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
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/257—Belief theory, e.g. Dempster-Shafer
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
Abstract
本发明提供一种变电站保护压板状态校核方法,包括如下步骤:S1.采集保护屏的压板区图像;S2.根据保护压板的台账信息,利用K‑means聚类方法分割采集的保护屏压板区图像;S3.计算各压板的状态指标,作为判别压板状态的证据;S4.根据D‑S证据理论融合各个证据,判别各压板状态;S5.将识别的各压板状态与台账信息核对,输出错误的压板信息。本发明解决了人工校核压板状态耗时、耗力、效率低,根据采集图像单一判据识别压板状态,受光照、透视变形等不确定性影响程度较大的问题,识别准确率高,识别速度快,显著提高了压板巡视工作效率。
Description
技术领域
本发明属于变电站运维技术领域,具体涉及一种变电站保护压板状态校核方法。
背景技术
压板正确投退是保护及自动装置正确动作的前提。而压板巡视常采用一人持压板卡读压板双重名称及投退状态,另一人复诵核对的方法。这种方法耗时、费力、效率低,而且常因视觉疲劳、人员懈怠等原因错核、漏核。近年来,随着大量新站投运、新设备改造,保护压板数量日益增多,保护误投退引起保护不正确动作的风险加大,现有的压板巡视方式难以满足变电运维工作需要。
现有对压板状态的自动化校核是基于图像识别,充分利用已有的移动作业平台资源,解决人工校核效率低的问题,但现有研究大多采用单一判据判别压板状态,受光照、透视变形等不确定性影响程度较大。
此为现有技术的不足,因此,针对现有技术中的上述缺陷,提供一种变电站保护压板状态校核方法,是非常有必要的。
发明内容
针对现有技术的上述人工校核压板状态效率低,现有基于图像识别的识别方法受光照、透视变形不确定性影响程度较大的缺陷,本发明提供一种变电站保护压板状态校核方法,以解决上述技术问题。
本发明提供一种变电站保护压板状态校核方法,包括如下步骤:
S1.采集保护屏的压板区图像;
S2.根据保护压板的台账信息,利用K-means聚类方法分割采集的保护屏压板区图像;
S3.计算各压板的状态指标,作为判别压板状态的证据;
S4.根据D-S证据理论融合各个证据,判别各压板状态;
S5.将识别的各压板状态与台账信息核对,输出错误的压板信息。
进一步地,步骤S1中,采集保护屏的压板区图像,并将压板区图像储存为R、G、B像素矩阵的形式。保护屏压板区图像包含该保护屏所有保护压板图像储存为R、G、B像素矩阵。
进一步地,步骤S2具体步骤如下:
S21.获取保护压板的台账信息,并生成保护压板台账信息矩阵;
S22.设定簇数及簇中心初值;
S23.根据K-means聚类方法计算各像素点到各簇中心的Euclid距离;
S24.根据各像素点到各簇中心的Euclid距离的最小值,判定各像素点所属的簇,并确定各个簇的距离其簇中心的水平和垂直方向四个边界像素点坐标。聚类的对象为保护屏压板区图像像素点,像素点的三个属性为像素点的RGB值,聚类的初值为压板区金属板、压板绝缘把手的RGB预设值。
进一步地,步骤S21中,保护压板的台账信息包括保护屏的压板数、各压板序号、各压板所在行、各压板所在列、各压板对应的类型代码、各压板对应的颜色代码以及各压板定置状态代码;
设定压板区图像的金属板、压板绝缘部分或者标签纸的RGB值作为预设簇的簇中心初值;设定簇数为预设簇个数的的基础上增加2至3个。
进一步地,步骤S23具体步骤如下:
S231.根据压板台账信息中的压板颜色代码,确定各个压板外形颜色参考色RGB;
S232.计算各簇中心RGB值到各个压板外形颜色参考色RGB的Euclid距离。
进一步地,步骤S3之前还包括如下步骤:
S3A.判断各压板图像的像素量是否适量;
若是,则进入步骤S3;
若否,则按照排序方法重新分割像素量异常的压板图像,进入步骤S3。如果压板图像像素量多于所在行平均值的90%且少于所在行平均值的110%,判断该压板像素量为适量,否则判断为异常。
进一步地,步骤S3A中判断各压板图像的像素量是否适量的具体步骤如下:
S3A1.获取步骤S2分割的各个压板图像的像素量,并计算出每行各个压板图像的平均像素量;
S3A2.根据每行各个压板图像的平均像素量,设定每行的像素量阈值范围;
S3A3.判断各个压板图像是否在其所在行的像素量阈值范围内;
若是,则该压板图像的像素量适量;
若否,则该压板图像的像素量异常;
步骤S3A中按照排序方法重新分割像素量异常的压板图像的具体步骤如下:
S3A4.获取像素量异常的压板的水平和垂直方向的邻近压板;
S3A5.以邻近压板的边界重新确定两者的分割边界,当某方向没有临近压板时,则以采集图像在该方向的边界为界。对于像素量异常的压板,根据其周围压板的边界坐标确定分割范围,计算分割范围内每个像素点到该压板外形颜色参考色的Euclid距离,黄色压板的参考色RGB为(255,255,0),红色压板的参考色RGB为(255,0,0);对每个像素点Euclid距离从小到大排序选取,取像素点数量达到该行压板像素点数量的平均值,选取得到像素点的集合即该压板重新分割的图像。
进一步地,步骤S3具体步骤如下:
S31.分别记录压板图像采集理想情况下,投入状态及退出状态的形态特征数据;
S32.根据压板图像采集理想情况下,投入状态及退出状态的形态特征数据,设定若干组压板形态特征定值,每组定值分为投入状态定值和退出状态定值;
S33.根据压板当前采集的图像,记录压板图像R、G、B矩阵和边界像素点坐标;
S34.根据每个压板图像R、G、B矩阵和边界像素点坐标计算压板形态特征值,结合压板形态特征定值计算压板状态指标,并将各个压板状态指标作为判别压板状态的证据。
进一步地,步骤S4具体步骤如下:
S41.根据压板状态指标,生成压板投入状态证据和压板退出状态证据;
S42.根据D-S证据理论分别融合上述证据,得出压板投入状态信度和压板退出状态信度;
S43.当压板投入状态的信度大于退出状态的信度时,判定该压板处于投入状态;
当压板投入状态的信度小于退出状态的信度时,判定该压板处于退出状态。D-S证据理论的识别框架有投入、退出两个元素,压板状态指标作为D-S证据理论融合的证据;有3个或3个以上压板状态指标,指标取值范围为[0.01,0.99],指标越接近0.99表明该压板越有可能在投入状态,指标越接近0.01表明该压板越有可能在退出状态。
进一步地,步骤S5具体步骤如下:
S51.将各压板状态的识别结果与台账信息核对;
S52.判断是否有输出投入、退出状态错误压板;
若是,则输出错误压板的所在行、所在列编号;
若否,则输出“压板状态全部正确”信息。
本发明的有益效果在于,
本发明提供的变电站保护压板状态校核方法,解决了人工校核压板状态耗时、耗力、效率低,根据采集图像单一判据识别压板状态,受光照、透视变形等不确定性影响程度较大的问题,识别准确率高,识别速度快,显著提高了压板巡视工作效率。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
由此可见,本发明与现有技术相比,具有突出的实质性特点和显著的进步,其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,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是本发明的方法流程示意图一;
图2是本发明的方法流程示意图二;
图3是本发明的方法流程示意图三;
图4是本发明的方法流程示意图四;
图5是压板标准图像示意图;
图6是保护屏压板示意图;
图7是表1的压板状态指标及融合结果示意图;
图8是压板分割图像示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
实施例1:
如图1所示,本发明提供一种变电站保护压板状态校核方法,包括如下步骤:
S1.采集保护屏的压板区图像;采集保护屏的压板区图像,并将压板区图像储存为R、G、B像素矩阵的形式;
S2.根据保护压板的台账信息,利用K-means聚类方法分割采集的保护屏压板区图像;
S3A.判断各压板图像的像素量是否适量;
若是,则进入步骤S3;
若否,则按照排序方法重新分割像素量异常的压板图像,进入步骤S3;
S3.计算各压板的状态指标,作为判别压板状态的证据;
S4.根据D-S证据理论融合各个证据,判别各压板状态;
S5.将识别的各压板状态与台账信息核对,输出错误的压板信息。
实施例2:
如图1、图2、图3和图4所示,本发明提供一种变电站保护压板状态校核方法,包括如下步骤:
S1.采集保护屏的压板区图像;采集保护屏的压板区图像,并将压板区图像储存为R、G、B像素矩阵的形式;
S2.根据保护压板的台账信息,利用K-means聚类方法分割采集的保护屏压板区图像;具体步骤如下:
S21.获取保护压板的台账信息,并生成保护压板台账信息矩阵;保护压板的台账信息包括保护屏的压板数、各压板序号、各压板所在行、各压板所在列、各压板对应的类型代码、各压板对应的颜色代码以及各压板定置状态代码;
设定压板区图像的金属板、压板绝缘部分或者标签纸的RGB值作为预设簇的簇中心初值;设定簇数为预设簇个数的的基础上增加2至3个。
S22.设定簇数及簇中心初值;
S23.根据K-means聚类方法计算各像素点到各簇中心的Euclid距离;具体步骤如下:
S231.根据压板台账信息中的压板颜色代码,确定各个压板外形颜色参考色RGB;
S232.计算各簇中心RGB值到各个压板外形颜色参考色RGB的Euclid距离;
S24.根据各像素点到各簇中心的Euclid距离的最小值,判定各像素点所属的簇,并确定各个簇的距离其簇中心的水平和垂直方向四个边界像素点坐标;
S3A.判断各压板图像的像素量是否适量;具体步骤如下:
S3A1.获取步骤S2分割的各个压板图像的像素量,并计算出每行各个压板图像的平均像素量;
S3A2.根据每行各个压板图像的平均像素量,设定每行的像素量阈值范围;
S3A3.判断各个压板图像是否在其所在行的像素量阈值范围内;
若是,则该压板图像的像素量适量;进入步骤S3;
若否,则该压板图像的像素量异常;按照排序方法重新分割像素量异常的压板图像,具体步骤如下:
S3A4.获取像素量异常的压板的水平和垂直方向的邻近压板;
S3A5.以邻近压板的边界重新确定两者的分割边界,当某方向没有临近压板时,则以采集图像在该方向的边界为界;进入步骤S3;
S3.计算各压板的状态指标,作为判别压板状态的证据;具体步骤如下:
S31.分别记录压板图像采集理想情况下,投入状态及退出状态的形态特征数据;
S32.根据压板图像采集理想情况下,投入状态及退出状态的形态特征数据,设定若干组压板形态特征定值,每组定值分为投入状态定值和退出状态定值;
S33.根据压板当前采集的图像,记录压板图像R、G、B矩阵和边界像素点坐标;
S34.根据每个压板图像R、G、B矩阵和边界像素点坐标计算压板形态特征值,结合压板形态特征定值计算压板状态指标,并将各个压板状态指标作为判别压板状态的证据。
S4.根据D-S证据理论融合各个证据,判别各压板状态;具体步骤如下:
S41.根据压板状态指标,生成压板投入状态证据和压板退出状态证据;
S42.根据D-S证据理论分别融合上述证据,得出压板投入状态信度和压板退出状态信度;
S43.当压板投入状态的信度大于退出状态的信度时,判定该压板处于投入状态;
当压板投入状态的信度小于退出状态的信度时,判定该压板处于退出状态;
S5.将识别的各压板状态与台账信息核对,输出错误的压板信息;具体步骤如下:
S51.将各压板状态的识别结果与台账信息核对;
S52.判断是否有输出投入、退出状态错误压板;
若是,则输出错误压板的所在行、所在列编号;
若否,则输出“压板状态全部正确”信息。
实施例3:
如图1、图2、图3和图4所示,本发明提供一种变电站保护压板状态校核方法,包括如下步骤:
S1.采集保护屏的压板区图像;采集保护屏的压板区图像,并将压板区图像储存为R、G、B像素矩阵的形式;
S2.根据保护压板的台账信息,利用K-means聚类方法分割采集的保护屏压板区图像;具体步骤如下:
S21.获取保护压板的台账信息,并生成保护压板台账信息矩阵;输入保护压板台账信息:
B=[N,R,C,K,F,X]
式中N、R、C、K、F、X为n×1列向量,n为该屏压板数,N为压板序号、R为压板所在行、C为压板所在列、K为压板类型代码、F为压板颜色代码、X为压板定置状态代码;
设定压板区图像的金属板、压板绝缘部分或者标签纸的RGB值作为预设簇的簇中心初值;设定簇数为预设簇个数的的基础上增加2至3个。
S22.设定簇数及簇中心初值;
S23.根据K-means聚类方法计算各像素点到各簇中心的Euclid距离;具体步骤如下:
S231.根据压板台账信息中的压板颜色代码,确定各个压板外形颜色参考色RGB;如果压板颜色代码为1,则参考色R=255、G=0、B=0;如果压板颜色代码为2,则参考色R=255、G=255、B=0;
S232.计算各簇中心RGB值到各个压板外形颜色参考色RGB的Euclid距离
式中,E(i)为第i簇中心RGB值到压板外形颜色参考色RGB的Euclid距离,R、G、B分别为压板外形颜色参考色的RGB值,r(i)、g(i)、b(i)分别为第i簇中心的RGB值;
S24.根据各像素点到各簇中心的Euclid距离的最小值,判定各像素点所属的簇,并确定各个簇的距离其簇中心的水平和垂直方向四个边界像素点坐标;E(i)值最小时的i即为分割目标簇序号,该簇所属像素点为分割目标,记分割目标的最上方像素点坐标(xT,yT),最下方像素点坐标(xD,yD),最左像素点坐标(xL,yL),最右像素点坐标(xR,yR);
S3A.判断各压板图像的像素量是否适量;具体步骤如下:
S3A1.获取步骤S2分割的各个压板图像的像素量,并计算出每行各个压板图像的平均像素量;各个压板按行、列安装在压板区,记压板共有c列;计算各压板(分割目标)图像的像素量,记为vi,j,i为压板所在行,j为压板所在列;记为该行压板像素量均值;
S3A4.获取像素量异常的压板的水平和垂直方向的邻近压板;
S3A5.根据该压板的邻近压板边界确定分割范围,由上邻压板的最下点确定分割上界,由下邻压板的最上点确定分割下界,由右邻压板的最左点确定分割右界,由左邻压板的最右点确定分割左界,若在某方向没有邻近压板,则以采集图像在该方向的边界为界;
计算分割范围内各像素点RGB值到压板外形颜色参考色RGB的Euclid距离
式中,E(x,y)为第x行第y列像素点RGB值到压板外形颜色参考色RGB的Euclid距离,R、G、B分别为压板外形颜色参考色的RGB值,r(x,y)、g(x,y)、b(x,y)分别为第x行第y列像素点的RGB值。将各E(x,y)从小到大排列,取前个像素点,组合为重新分割压板图像,/>为该行压板像素量均值。记分割目标的最上方像素点坐标(xT,yT),最下方像素点坐标(xD,yD),最左像素点坐标(xL,yL),最右像素点坐标(xR,yR);进入步骤S3;
S3.计算各压板的状态指标,作为判别压板状态的证据;具体步骤如下:
S31.分别记录压板图像采集理想情况下,投入状态及退出状态的形态特征数据;如图5所示,记压板标准图像的总长度为LH、绝缘柱直径LR、绝缘把手总长度LM1,压板在退出状态下,绝缘柱对称线向左偏移LR在绝缘把手上的路径长度LM2。记压板采集图像的最上方像素点坐标(xT,yT),最下方像素点坐标(xD,yD),最左像素点坐标(xL,yL),最右像素点坐标(xR,yR);
S32.根据压板图像采集理想情况下,投入状态及退出状态的形态特征数据,设定若干组压板形态特征定值,每组定值分为投入状态定值和退出状态定值;
S33.根据压板当前采集的图像,记录压板图像R、G、B矩阵和边界像素点坐标;
S34.根据每个压板图像R、G、B矩阵和边界像素点坐标计算压板形态特征值,结合压板形态特征定值计算压板状态指标,并将各个压板状态指标作为判别压板状态的证据;
压板状态指标1形态特征值g1=h1/(yT-yD);
I为采集压板图像颜色代码矩阵,I(x,y)为采集压板图像第x行第y列的颜色代码;C为颜色代码列向量,C(i)为该压板的颜色代码。
指压板状态指标2形态特征值g2=h2/(yT-yD);
I为采集压板图像颜色代码矩阵,I(x,y)为采集压板图像第x行第y列的颜色代码;C为颜色代码列向量,C(i)为该压板的颜色代码;
压板状态指标3形态特征值g3=(xR-xL)/(yT-yD);
S4.根据D-S证据理论融合各个证据,判别各压板状态;具体步骤如下:
S41.根据压板状态指标,生成压板投入状态证据和压板退出状态证据;
在压板状态判别问题中,识别框架只有投入、退出两个元素,分别用A1、A2表示,识别框架为Θ={A1,A2},且有:
m(A1)=1-m(A2)
式中,m(A1)为压板为投入状态的信度,m(A2)为压板为退出状态的信度;
前述三个指标构成三个证据,三个压板状态指标P1、P2、P3构成三个mass函数:
mi(A1)=1-mi(A2)=Pi,i=1,2,3
mi(A1)为证据i反映压板为投入状态的信度,mi(A2)为证据i反映压板为退出状态的信度;
S42.根据D-S证据理论分别融合上述证据,得出压板投入状态信度和压板退出状态信度;
根据D-S证据理论,融合三个证据的公式为
S43.当压板投入状态的信度大于退出状态的信度时,判定该压板处于投入状态;
当压板投入状态的信度小于退出状态的信度时,判定该压板处于退出状态;
m(A1)>m(A2),压板识别为投入状态;m(A1)<m(A2),压板识别为退出状态;
S5.将识别的各压板状态与台账信息核对,输出错误的压板信息;具体步骤如下:
S51.将各压板状态的识别结果与台账信息核对;
S52.判断是否有输出投入、退出状态错误压板;
若是,则输出错误压板的所在行、所在列编号;
若否,则输出“压板状态全部正确”信息。
采用实施例3的一种变电站保护压板状态校核方法对图6所示的保护屏压板进行测试,对比分析人工校核压板耗时和单一判据准确性,由图6、图7、图8可看出,原始图像左侧由于保护屏门轴挡光,有较多阴影,识别图像效果较好,且通过证据融合提高了信度。由于透视变形,压板图像出现了一定程度的倾斜旋转,引起第2行第2列单个指标误判,第2行第3列的两个指标误判。若按单一判据方法会误判,通过证据融合避免了最终结果误判。人工校核该屏压板需要2人5-8分钟,按照本发明所提方法需要1人5-10秒,节省了时间和人力。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种变电站保护压板状态校核方法,其特征在于,包括如下步骤:
S1.采集保护屏的压板区图像;
S2.根据保护压板的台账信息,利用K-means聚类方法分割采集的保护屏压板区图像;
S3.计算各压板的状态指标,作为判别压板状态的证据;
S4.根据D-S证据理论融合各个证据,判别各压板状态;
S5.将识别的各压板状态与台账信息核对,输出错误的压板信息;
计算各压板的状态指标,作为判别压板状态的证据的具体步骤如下:
S31.分别记录压板图像采集理想情况下,投入状态及退出状态的形态特征数据;具体
包括,记录压板标准图像的总长度为、绝缘柱直径、绝缘把手总长度,压板在退出
状态下,绝缘柱对称线向左偏移在绝缘把手上的路径长度;记录压板采集图像的最上
方像素点坐标,最下方像素点坐标,最左像素点坐标,最右像素点坐标;
S32.根据压板图像采集理想情况下,投入状态及退出状态的形态特征数据,设定若干组压板形态特征定值,每组定值分为投入状态定值和退出状态定值;
S33.根据压板当前采集的图像,记录压板图像R、G、B矩阵和边界像素点坐标;
S34.根据每个压板图像R、G、B矩阵和边界像素点坐标计算压板形态特征值,结合压板形态特征定值计算压板状态指标,并将各个压板状态指标作为判别压板状态的证据;
2.如权利要求1所述的变电站保护压板状态校核方法,其特征在于,步骤S1中,采集保护屏的压板区图像,并将压板区图像储存为R、G、B像素矩阵的形式。
3.如权利要求1所述的变电站保护压板状态校核方法,其特征在于,步骤S2具体步骤如下:
S21.获取保护压板的台账信息,并生成保护压板台账信息矩阵;
S22.设定聚类数及簇中心初值;
S23.根据K-means聚类方法计算各像素点到各簇中心的Euclid距离;
S24.根据各像素点到各簇中心的Euclid距离的最小值,判定各像素点所属的簇,并确定各个簇的距离其簇中心的水平和垂直方向四个边界像素点坐标。
4.如权利要求3所述的变电站保护压板状态校核方法,其特征在于,步骤S21中,保护压板的台账信息包括保护屏的压板数、各压板序号、各压板所在行、各压板所在列、各压板对应的类型代码、各压板对应的颜色代码以及各压板定置状态代码;
设定压板区图像的金属板、压板绝缘部分或者标签纸的RGB值作为预设簇的簇中心初值;设定簇数为预设簇个数的基础上增加2至3个。
5.如权利要求4所述的变电站保护压板状态校核方法,其特征在于,步骤S23具体步骤如下:
S231.根据压板台账信息中的压板颜色代码,确定各个压板外形颜色参考色RGB;
S232.计算各簇中心RGB值到各个压板外形颜色参考色RGB的Euclid距离。
6.如权利要求1所述的变电站保护压板状态校核方法,其特征在于,
步骤S3之前还包括如下步骤:
S3A.判断各压板图像的像素量是否适量;
若是,则进入步骤S3;
若否,则按照排序方法重新分割像素量异常的压板图像,进入步骤S3。
7.如权利要求6所述的变电站保护压板状态校核方法,其特征在于,步骤S3A中判断各压板图像的像素量是否适量的具体步骤如下:
S3A1.获取步骤S2分割的各个压板图像的像素量,并计算出每行各个压板图像的平均像素量;
S3A2.根据每行各个压板图像的平均像素量,设定每行的像素量阈值范围;
S3A3.判断各个压板图像是否在其所在行的像素量阈值范围内;
若是,则该压板图像的像素量适量;
若否,则该压板图像的像素量异常;
步骤S3A中按照排序方法重新分割像素量异常的压板图像的具体步骤如下:
S3A4.获取像素量异常的压板的水平和垂直方向的邻近压板;
S3A5.以邻近压板的边界重新确定两者的分割边界,当某方向没有邻近压板时,则以采集图像在该方向的边界为界。
8.如权利要求1所述的变电站保护压板状态校核方法,其特征在于,步骤S3具体步骤如下:
S31.分别记录压板图像采集理想情况下,投入状态及退出状态的形态特征数据;
S32.根据压板图像采集理想情况下,投入状态及退出状态的形态特征数据,设定若干组压板形态特征定值,每组定值分为投入状态定值和退出状态定值;
S33.根据压板当前采集的图像,记录压板图像R、G、B矩阵和边界像素点坐标;
S34.根据每个压板图像R、G、B矩阵和边界像素点坐标计算压板形态特征值,结合压板形态特征定值计算压板状态指标,并将各个压板状态指标作为判别压板状态的证据。
9.如权利要求1所述的变电站保护压板状态校核方法,其特征在于,步骤S4具体步骤如下:
S41.根据压板状态指标,生成压板投入状态证据和压板退出状态证据;
S42.根据D-S证据理论分别融合上述证据,得出压板投入状态信度和压板退出状态信度;
S43.当压板投入状态的信度大于退出状态的信度时,判定该压板处于投入状态;
当压板投入状态的信度小于退出状态的信度时,判定该压板处于退出状态。
10.如权利要求1所述的变电站保护压板状态校核方法,其特征在于,步骤S5具体步骤如下:
S51.将各压板状态的识别结果与台账信息核对;
S52.判断是否有输出投入、退出状态错误压板;
若是,则输出错误压板的所在行、所在列编号;
若否,则输出“压板状态全部正确”信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910973220.5A CN110675397B (zh) | 2019-10-14 | 2019-10-14 | 一种变电站保护压板状态校核方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910973220.5A CN110675397B (zh) | 2019-10-14 | 2019-10-14 | 一种变电站保护压板状态校核方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110675397A CN110675397A (zh) | 2020-01-10 |
CN110675397B true CN110675397B (zh) | 2023-03-28 |
Family
ID=69082326
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910973220.5A Active CN110675397B (zh) | 2019-10-14 | 2019-10-14 | 一种变电站保护压板状态校核方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110675397B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114069844B (zh) * | 2021-10-27 | 2023-08-04 | 国网冀北电力有限公司张家口供电公司 | 基于深度学习的变电站二次设备状态图像识别方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413130A (zh) * | 2013-07-25 | 2013-11-27 | 中国农业大学 | 一种保护压板状态的识别方法 |
CN107563396A (zh) * | 2017-08-10 | 2018-01-09 | 南京大学 | 一种电力巡检中保护屏智能识别系统的构建方法 |
CN107680093A (zh) * | 2017-10-12 | 2018-02-09 | 广东电网有限责任公司电力科学研究院 | 一种保护压板的连接式开关的投退状态的辨识方法及装置 |
CN107749667A (zh) * | 2017-10-31 | 2018-03-02 | 国网黑龙江省电力有限公司电力科学研究院 | 一种智能变电站保护压板信息和状态的实时监测方法 |
CN107808162A (zh) * | 2017-09-27 | 2018-03-16 | 广东电网有限责任公司江门供电局 | 一种变电站保护压板状态比对方法及装置 |
CN107843785A (zh) * | 2017-10-31 | 2018-03-27 | 国网黑龙江省电力有限公司电力科学研究院 | 一种常规变电站保护压板信息和状态的实时监测方法 |
CN107992889A (zh) * | 2017-11-29 | 2018-05-04 | 西安交通大学 | 一种基于d-s证据理论的铁谱图像多信息融合方法 |
CN108548970A (zh) * | 2018-04-03 | 2018-09-18 | 国网江苏省电力有限公司电力科学研究院 | 一种基于d-s证据理论的继电保护装置自动化测试模板 |
CN108805038A (zh) * | 2018-05-23 | 2018-11-13 | 三峡大学 | 一种变电站保护压板状态识别方法 |
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 |
CN109472268A (zh) * | 2018-09-07 | 2019-03-15 | 广东电网有限责任公司 | 一种基于卷积神经网络的保护压板状态识别方法 |
CN109687382A (zh) * | 2018-12-13 | 2019-04-26 | 广东电网有限责任公司 | 一种基于颜色模版匹配的继电保护压板投退状态识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5781886B2 (ja) * | 2011-10-05 | 2015-09-24 | 富士フイルム株式会社 | 導電シート、タッチパネル及び表示装置 |
CN105182101B (zh) * | 2015-07-06 | 2018-07-27 | 京东方科技集团股份有限公司 | 在触摸屏按压测试中检测不良的方法和装置 |
JP6919982B2 (ja) * | 2017-05-09 | 2021-08-18 | 株式会社キーエンス | 画像検査装置 |
-
2019
- 2019-10-14 CN CN201910973220.5A patent/CN110675397B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103413130A (zh) * | 2013-07-25 | 2013-11-27 | 中国农业大学 | 一种保护压板状态的识别方法 |
CN107563396A (zh) * | 2017-08-10 | 2018-01-09 | 南京大学 | 一种电力巡检中保护屏智能识别系统的构建方法 |
CN107808162A (zh) * | 2017-09-27 | 2018-03-16 | 广东电网有限责任公司江门供电局 | 一种变电站保护压板状态比对方法及装置 |
CN107680093A (zh) * | 2017-10-12 | 2018-02-09 | 广东电网有限责任公司电力科学研究院 | 一种保护压板的连接式开关的投退状态的辨识方法及装置 |
CN107749667A (zh) * | 2017-10-31 | 2018-03-02 | 国网黑龙江省电力有限公司电力科学研究院 | 一种智能变电站保护压板信息和状态的实时监测方法 |
CN107843785A (zh) * | 2017-10-31 | 2018-03-27 | 国网黑龙江省电力有限公司电力科学研究院 | 一种常规变电站保护压板信息和状态的实时监测方法 |
CN107992889A (zh) * | 2017-11-29 | 2018-05-04 | 西安交通大学 | 一种基于d-s证据理论的铁谱图像多信息融合方法 |
CN108548970A (zh) * | 2018-04-03 | 2018-09-18 | 国网江苏省电力有限公司电力科学研究院 | 一种基于d-s证据理论的继电保护装置自动化测试模板 |
CN108805038A (zh) * | 2018-05-23 | 2018-11-13 | 三峡大学 | 一种变电站保护压板状态识别方法 |
CN109472268A (zh) * | 2018-09-07 | 2019-03-15 | 广东电网有限责任公司 | 一种基于卷积神经网络的保护压板状态识别方法 |
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 |
CN109687382A (zh) * | 2018-12-13 | 2019-04-26 | 广东电网有限责任公司 | 一种基于颜色模版匹配的继电保护压板投退状态识别方法 |
Non-Patent Citations (3)
Title |
---|
Developing a Knowledge-Based System Using Rough Set Theory and Genetic Algorithms for Substation Fault Diagnosis;Ching Lai Hor 等;《Springer:Rough Set Theory: A True Landmark in Data Analysis》;20091231;279-320 * |
变电站智能巡检系统的图像识别及处理技术;黄序;《中国优秀硕士学位论文全文数据库 工程科技II辑》;20190415;C042-935 * |
智能变电站继电保护隐藏故障诊断与系统重构方法;陈星田;《中国博士论文全文数据库 工程科技II辑》;20160715;C042-56 * |
Also Published As
Publication number | Publication date |
---|---|
CN110675397A (zh) | 2020-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10204424B2 (en) | Color identifying system, color identifying method and display device | |
CN102110332B (zh) | 基于计算机视觉及射频识别技术的书本登记管理装置 | |
US8587685B2 (en) | Method and apparatus for retrieving label | |
CN107818322A (zh) | 一种用于车辆年检的车辆vin码篡改检测系统及方法 | |
CN109615358B (zh) | 一种基于深度学习图像识别的餐厅自动结算方法及系统 | |
CN110675397B (zh) | 一种变电站保护压板状态校核方法 | |
US20240046700A1 (en) | Action recognition method | |
CN112631896A (zh) | 设备性能测试方法、装置、存储介质及电子设备 | |
CN107403179A (zh) | 一种物品包装信息的注册方法及装置 | |
CN110296448A (zh) | 一种油烟机的烟雾识别效果修正方法、系统和油烟机 | |
CN110335242A (zh) | 一种基于多模型融合的轮胎x光病疵检测方法 | |
CN106503747A (zh) | 一种图像识别统计分析系统 | |
CN111598614A (zh) | 一种顾客满意度调查系统及方法 | |
CN112036391A (zh) | 一种基于页岩气田生产站场的电子巡检方法及系统 | |
US9378428B2 (en) | Incomplete patterns | |
CN115578739A (zh) | 结合rpa和ai实现ia的分类模型的训练方法及装置 | |
CN112163546A (zh) | 基于视觉识别系统的水表数值判定方法及装置 | |
CN110399922A (zh) | 继电保护压板状态的分析方法及系统 | |
CN115146243B (zh) | 一种基于数据分析的线上vr考试考生信息核对管理系统 | |
CN113537197B (zh) | 基于机器视觉的表计自动建模方法 | |
CN112016481B (zh) | 基于ocr的财务报表信息检测和识别方法 | |
CN112036392B (zh) | 一种页岩气田生产场站ups指示灯状态的自动识别方法 | |
CN113408365B (zh) | 一种复杂场景下的安全帽识别方法及装置 | |
US20230385306A1 (en) | Information processing apparatus, information processing method, and recording medium | |
CN114418036B (zh) | 神经网络的性能测试和训练方法、设备和存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |