CN111553194B - 基于双光源的gis设备内部的异物的检测方法及系统 - Google Patents

Abstract

本发明实施例公开一种基于双光源的GIS设备内部的异物的检测方法及系统。该检测方法包括：在可见光照射下采集所述GIS设备内部的异物候选区域的第一图像，以及，在紫外光照射下采集所述异物候选区域的第二图像；对所述第一图像进行显著性检测处理，得到第一显著性图像；对所述第二图像进行灰度化处理，得到第一灰度图像；对所述第一显著性图像和所述第一灰度图像分别进行归一化处理，得到第一归一化图像和第二归一化图像；将所述第一归一化图像和所述第二归一化图像融合，得到特征图像；计算所述特征图像的HOG特征；将所述HOG特征输入到SVM分类器后，输出所述异物候选区域是否具有异物的结果。本发明安全高效，可提高检测的准确度。

Description

基于双光源的GIS设备内部的异物的检测方法及系统

技术领域

本发明涉及GIS设备技术领域，尤其涉及一种基于双光源的GIS设备内部的异物的检测方法及系统。

背景技术

气体绝缘封闭组合电器(Gas Insulated Switchgear，GIS)是由断路器、隔离开关、接地开关、互感器、避雷器、母线、连接件和出线终端等元件组成的，全部封闭在金属接地外壳中的高压装置。GIS设备内部的异物指混入设备产品里的除GIS设备内部材质及部件以外的物质，在GIS设备投入运行之后，异物在机械振动及电场作用下逐渐暴露出来，导致GIS设备内部闪络、绝缘击穿等故障。在GIS设备中，常见的异物包括内部安装过程遗留物品、金属碎屑、橡胶粒子、外部塑料、纸屑和环境灰尘、粉末等。

现有技术采用X射线对GIS设备内部的异物进行检测。GIS设备的腔体内存在电气元件，导致各个部分厚薄不均匀，金属对X射线具有很强的屏蔽作用，故而导致有可能由于X射线剂量不够而使得成像质量较差，从而不利于对异物的检测。

发明内容

本发明实施例提供一种基于双光源的GIS设备内部的异物的检测方法及系统，以解决现有技术采用X射线进行检测易导致成像质量较差而不利于检测异物的问题。

第一方面，提供一种基于双光源的GIS设备内部的异物的检测方法，包括：

在可见光照射下采集所述GIS设备内部的异物候选区域的第一图像，以及，在紫外光照射下采集所述异物候选区域的第二图像；

对所述第一图像进行显著性检测处理，得到第一显著性图像；

对所述第二图像进行灰度化处理，得到第一灰度图像；

对所述第一显著性图像和所述第一灰度图像分别进行归一化处理，得到第一归一化图像和第二归一化图像；

将所述第一归一化图像和所述第二归一化图像融合，得到特征图像；

计算所述特征图像的HOG特征；

将所述HOG特征输入到SVM分类器后，输出所述异物候选区域是否具有异物的结果。

第二方面，提供一种基于双光源的GIS设备内部的异物的检测系统，包括：

第一采集模块，用于在可见光照射下采集所述GIS设备内部的异物候选区域的第一图像，以及，在紫外光照射下采集所述异物候选区域的第二图像；

第一处理模块，用于对所述第一图像进行显著性检测处理，得到第一显著性图像；

第二处理模块，用于对所述第二图像进行灰度化处理，得到第一灰度图像；

第三处理模块，用于对所述第一显著性图像和所述第一灰度图像分别进行归一化处理，得到第一归一化图像和第二归一化图像；

融合模块，用于将所述第一归一化图像和所述第二归一化图像融合，得到特征图像；

计算模块，用于计算所述特征图像的HOG特征；

输出模块，用于将所述HOG特征输入到SVM分类器后，输出所述异物候选区域是否具有异物的结果。

这样，本发明实施例，可提高检测速度，节省人工成本，通过使用可见光和紫外光的混合打光方式，可提高异物识别的准确性，且光源廉价易得，对人体无害；通过采用图像的显著性算法，在弱光强反射条件下对异物的识别具有很强的鲁棒性，应用到GIS设备内部的环境中，能够提高精度；通过将可见光和紫外光照射下采集的图像融合的方式，可以适应不同类别的异物对光照的反应，进一步避免漏检，提高检测的准确度。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例的基于双光源的GIS设备内部的异物的检测方法的流程图；

图2是本发明实施例的基于双光源的GIS设备内部的异物的检测系统的结构框图。

具体实施方式

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作出创造性劳动前提下所获取的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种基于双光源的GIS设备内部的异物的检测方法。如图1所示，该检测方法包括如下的步骤：

步骤S101：在可见光照射下采集GIS设备内部的异物候选区域的第一图像，以及，在紫外光照射下采集异物候选区域的第二图像。

异物候选区域为可能存在异物的区域。具体的，可通过使搭载有可见光源、紫外光源和摄像头的检测机器人在GIS设备内部移动，进行相应的图像采集。采用两种光源有利于适应不同材质的异物，避免漏检。

S102：对第一图像进行显著性检测处理，得到第一显著性图像。

具体的，该步骤包括如下的过程：

(1)将第一图像转换到Lab颜色空间后，计算第一图像的Lab颜色空间的L、a、b的平均值。

(2)将第一图像进行高斯模糊后转换到Lab颜色空间，得到每一像素点的高斯模糊特征值。

其中，高斯模糊的高斯核使用3*3窗口。

(3)根据第一图像的lab颜色空间的L、a、b的平均值和每一像素点的高斯模糊特征值，计算第一图像的每一像素点的显著性值，得到第一显著性图像。

具体的，采用如下的方程计算显著性值：

S(x,y)＝||I_u-I_whc(x,y)||₂。

其中，S(x,y)表示第一显著性图像的像素点(x,y)的显著性值，I_u表示第一图像的Lab颜色空间的L、a、b的平均值，I_whc(x,y)表示高斯模糊后的第一图像的Lab颜色空间的像素点(x,y)的高斯模糊特征值。

每一像素点的显著性值作为该像素点的像素值，组成的图像即为第一显著性图像。

由于GIS设备内部属于弱光强反射环境，因此，通过显著性检测处理图像后，可以使得检测效果更好。

步骤S103：对第二图像进行灰度化处理，得到第一灰度图像。

具体的，灰度化处理采用如下的公式计算每一像素点的灰度值：

f(x,y)＝0.30R(x,y)+0.59G(x,y)+0.11B(x,y)

其中，f(x,y)表示像素点(x,y)的灰度值。R(x,y)表示像素点(x,y)的R分量值，G(x,y)表示像素点(x,y)的G分量值，B(x,y)表示像素点(x,y)的B分量值。紫外光利用的是荧光反应，使得有机物在图片中显现得更加明显，因此，可直接将紫外图像的灰度图像作为显著性图像。

步骤S104：对第一显著性图像和第一灰度图像分别进行归一化处理，得到第一归一化图像和第二归一化图像。

本发明实施例采用最大值最小值归一化方法，其计算公式如下：

其中，p′(x,y)表示归一化处理后像素点的像素值，p(x,y)表示归一化处理前像素点的像素值。具体的，对于第一显著性图像，p(x,y)为前述计算得到的像素点的显著性值。对于第一灰度图像，p(x,y)为前述计算得到的像素点的灰度值。max表示归一化处理前像素点的最大像素值。min表示归一化处理后像素点的最小像素值。

通过归一化处理，使得两幅图的亮度表示异物的可能的强弱，并且把两者统一在一个单位级上。

步骤S105：将第一归一化图像和第二归一化图像融合，得到特征图像。

具体的，本发明实施例采用的融合方式如下：

将第一归一化图像和第二归一化图像中相同位置的像素点的像素值相加，得到特征图像。

第一归一化图像和第二归一化图像中相同位置的像素点的像素值的和即为特征图像的像素点的像素值。

由于在紫外光照射下采集的第二图像是对在可见光照射下采集的第一图像的信息进行补充，因此，将第一归一化图像和第二归一化图像的相同位置的像素点相加处理，使得得到的特征图像上既能显示可见光照射下异物的位置又能显示紫外光照射下异物的位置。

步骤S106：计算特征图像的HOG特征。

具体的，梯度方向直方图(Histogram of Oriented Gradient，HOG)是图像处理经典的特征算法。HOG特征是直接将图像像素点的方向梯度作为图像特征，包括梯度大小和方向。通过计算图像局部区域的梯度直方图特征，然后将局部的特征串联起来，构成整幅图像的HOG特征。计算HOG特征可采用现有的方法，由于特征图像为归一化后的图像，因此，本步骤可直接将特征图像伽马归一化处理，然后依次计算图像梯度、构建方向的直方图、将细胞单元组合成大的区间和收集HOG特征。

步骤S107：将HOG特征输入到SVM分类器中，输出异物候选区域是否具有异物的结果。

应当理解的是，可预先采用训练样本对SVM分类器进行训练。

若SVM分类器输出异物候选区域具有异物的结果，则可以确定该异物候选区域具有异物。

若SVM分类器输出异物候选区域不具有异物的结果，则为了更准确地判断，避免误判和漏判，可通过人工识别的方式识别该异物候选区域的图像是否具有异物。

通过上述的步骤，可以更加准确地检测GIS设备内部是否具有异物。本发明一优选实施例应用于检测1～10mm的异物时，准确率达到90％。

优选的，在步骤S101之前，需要先确定异物候选区域，具体的，步骤S101之前，本发明实施例的方法还包括如下的步骤：

(1)在可见光照射下采集GIS设备内部的图像。

(2)对GIS设备内部的图像进行显著性检测处理，得到第二显著性图像。

该显著性检测处理的方法与步骤S102相同，在此不再赘述。

(3)对第二显著性图像进行自适应阈值分割处理，得到异物候选区域。

通过自适应阈值分割(OTSU)方法找到合适的阈值T，可将第二显著性图像区分为前景和背景。

具体的，通过下式得到类间方差：

g＝ω₀ω₁(μ₀-μ₁)²。

该式由如下的公式推导得到：

μ＝ω₀×μ₀+ω₁×μ₁

g＝ω₀(μ₀-μ)²+ω₁(μ₁-μ)²

其中，g表示类间方差。ω₀表示第二显著性图像的前景的像素点的数量占整幅图像的像素点的数量的比例，

第二显著性图像的大小为M×N，N₀表示显著性值小于阈值T的第二显著性图像的像素点的数量。μ₀表示第二显著性图像的前景的像素点的平均显著性值。ω₁表示第二显著性图像的背景的像素点的数量占整幅图像的像素点的数量的比例，

N₁表示显著性值大于阈值T的第二显著性图像的像素点的数量。μ₁表示第二显著性图像的背景的像素点的平均显著性值。μ表示第二显著性图像的像素点的平均显著性值。N₀+N₁＝M×N。ω₀+ω₁＝1。

遍历每一像素点，当计算得到类间方差g最大时，可以认为此时前景和背景差异最大，此时的阈值T为前景和背景的最佳阈值，即第二显著性图像按照该阈值进行前景和背景的划分。

通过OTSU阈值分割后，图像的前景比较亮，背景比较暗，前景对应的区域即视为可能存在异物的区域。因此，该区域为异物候选区域，从而通过前述的方法对该异物候选区域进行相应的检测。

综上，本发明实施例的基于双光源的GIS设备内部的异物的检测方法，可提高检测速度，节省人工成本，通过使用可见光和紫外光的混合打光方式，可提高异物识别的准确性，且光源廉价易得，对人体无害；通过采用图像的显著性算法，在弱光强反射条件下对异物的识别具有很强的鲁棒性，应用到GIS设备内部的环境中，能够提高精度；通过将可见光和紫外光照射下采集的图像融合的方式，可以适应不同类别的异物对光照的反应，进一步避免漏检，提高检测的准确度。

本发明实施例还公开了一种基于双光源的GIS设备内部的异物的检测系统。如图2所示，该检测系统包括如下的结构：

第一采集模块201，用于在可见光照射下采集GIS设备内部的异物候选区域的第一图像，以及，在紫外光照射下采集异物候选区域的第二图像。

第一处理模块202，用于对第一图像进行显著性检测处理，得到第一显著性图像。

第二处理模块203，用于对第二图像进行灰度化处理，得到第一灰度图像。

第三处理模块204，用于对第一显著性图像和第一灰度图像分别进行归一化处理，得到第一归一化图像和第二归一化图像。

具体的，归一化处理的方法为最大值最小值归一化方法。

融合模块205，用于将第一归一化图像和第二归一化图像融合，得到特征图像。

计算模块206，用于计算特征图像的HOG特征。

输出模块207，用于将HOG特征输入到SVM分类器后，输出异物候选区域是否具有异物的结果。

优选的，该检测系统还包括：

第二采集模块，用于在可见光照射下采集GIS设备内部的异物候选区域的第一图像，以及，在紫外光照射下采集异物候选区域的第二图像的步骤之前，在可见光照射下采集GIS设备内部的图像。

第四处理模块，用于对GIS设备内部的图像进行显著性检测处理，得到第二显著性图像。

分割模块，用于对第二显著性图像进行自适应阈值分割处理，得到异物候选区域。

优选的，融合模块205包括：

融合子模块，用于将第一归一化图像和第二归一化图像中相同位置的像素点的像素值相加，得到特征图像。

优选的，第一处理模块202包括：

第一计算子模块，用于将第一图像转换到Lab颜色空间后，计算第一图像的Lab颜色空间的L、a、b的平均值。

转换子模块，用于将第一图像进行高斯模糊后转换到Lab颜色空间，得到每一像素点的高斯模糊特征值。

第二计算子模块，用于根据第一图像的Lab颜色空间的L、a、b的平均值和每一像素点的高斯模糊特征值，计算第一图像的每一像素点的显著性值，得到第一显著性图像。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

综上，本发明实施例的基于双光源的GIS设备内部的异物的检测系统，可提高检测速度，节省人工成本，通过使用可见光和紫外光的混合打光方式，可提高异物识别的准确性，且光源廉价易得，对人体无害；通过采用图像的显著性算法，在弱光强反射条件下对异物的识别具有很强的鲁棒性，应用到GIS设备内部的环境中，能够提高精度；通过将可见光和紫外光照射下采集的图像融合的方式，可以适应不同类别的异物对光照的反应，进一步避免漏检，提高检测的准确度。

本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，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权利要求的保护范围为准。

Claims (8)

1.一种基于双光源的GIS设备内部的异物的检测方法，其特征在于，包括：

在可见光照射下采集所述GIS设备内部的异物候选区域的第一图像，以及，在紫外光照射下采集所述异物候选区域的第二图像；

对所述第一图像进行显著性检测处理，得到第一显著性图像；

对所述第二图像进行灰度化处理，得到第一灰度图像；

对所述第一显著性图像和所述第一灰度图像分别进行归一化处理，得到第一归一化图像和第二归一化图像；

将所述第一归一化图像和所述第二归一化图像融合，得到特征图像；

计算所述特征图像的HOG特征；

将所述HOG特征输入到SVM分类器后，输出所述异物候选区域是否具有异物的结果；

所述对所述第一图像进行显著性检测处理，得到第一显著性图像的步骤，包括：

将所述第一图像转换到Lab颜色空间后，计算所述第一图像的Lab颜色空间的L、a、b的平均值；

将所述第一图像进行高斯模糊后转换到Lab颜色空间，得到每一像素点的高斯模糊特征值；

根据所述第一图像的Lab颜色空间的L、a、b的平均值和每一像素点的高斯模糊特征值，计算所述第一图像的每一像素点的显著性值，得到所述第一显著性图像。

2.根据权利要求1所述的基于双光源的GIS设备内部的异物的检测方法，其特征在于，所述在可见光照射下采集所述GIS设备内部的异物候选区域的第一图像，以及，在紫外光照射下采集所述异物候选区域的第二图像的步骤之前，所述方法还包括：

在可见光照射下采集所述GIS设备内部的图像；

对所述GIS设备内部的图像进行显著性检测处理，得到第二显著性图像；

对所述第二显著性图像进行自适应阈值分割处理，得到所述异物候选区域。

3.根据权利要求1所述的基于双光源的GIS设备内部的异物的检测方法，其特征在于，所述将所述第一归一化图像和所述第二归一化图像融合，得到特征图像的步骤，包括：

将所述第一归一化图像和所述第二归一化图像中相同位置的像素点的像素值相加，得到特征图像。

4.根据权利要求1所述的基于双光源的GIS设备内部的异物的检测方法，其特征在于：所述归一化处理的方法为最大值最小值归一化方法。

5.一种基于双光源的GIS设备内部的异物的检测系统，其特征在于，包括：

第一采集模块，用于在可见光照射下采集所述GIS设备内部的异物候选区域的第一图像，以及，在紫外光照射下采集所述异物候选区域的第二图像；

第一处理模块，用于对所述第一图像进行显著性检测处理，得到第一显著性图像；

第二处理模块，用于对所述第二图像进行灰度化处理，得到第一灰度图像；

第三处理模块，用于对所述第一显著性图像和所述第一灰度图像分别进行归一化处理，得到第一归一化图像和第二归一化图像；

融合模块，用于将所述第一归一化图像和所述第二归一化图像融合，得到特征图像；

计算模块，用于计算所述特征图像的HOG特征；

输出模块，用于将所述HOG特征输入到SVM分类器后，输出所述异物候选区域是否具有异物的结果；

所述第一处理模块包括：

第一计算子模块，用于将所述第一图像转换到Lab颜色空间后，计算所述第一图像的Lab颜色空间的L、a、b的平均值；

转换子模块，用于将所述第一图像进行高斯模糊后转换到Lab颜色空间，得到每一像素点的高斯模糊特征值；

第二计算子模块，用于根据所述第一图像的Lab颜色空间的L、a、b的平均值和每一像素点的高斯模糊特征值，计算所述第一图像的每一像素点的显著性值，得到所述第一显著性图像。

6.根据权利要求5所述的基于双光源的GIS设备内部的异物的检测系统，其特征在于，还包括：

第二采集模块，用于所述在可见光照射下采集所述GIS设备内部的异物候选区域的第一图像，以及，在紫外光照射下采集所述异物候选区域的第二图像的步骤之前，在可见光照射下采集所述GIS设备内部的图像；

第四处理模块，用于对所述GIS设备内部的图像进行显著性检测处理，得到第二显著性图像；

分割模块，用于对所述第二显著性图像进行自适应阈值分割处理，得到所述异物候选区域。

7.根据权利要求5所述的基于双光源的GIS设备内部的异物的检测系统，其特征在于，所述融合模块包括：

融合子模块，用于将所述第一归一化图像和所述第二归一化图像中相同位置的像素点的像素值相加，得到特征图像。

8.根据权利要求5所述的基于双光源的GIS设备内部的异物的检测系统，其特征在于：所述归一化处理的方法为最大值最小值归一化方法。

Images