CN111898425A - 一种变电站分合闸指示器的状态判断方法及设备 - Google Patents
一种变电站分合闸指示器的状态判断方法及设备 Download PDFInfo
- Publication number
- CN111898425A CN111898425A CN202010566929.6A CN202010566929A CN111898425A CN 111898425 A CN111898425 A CN 111898425A CN 202010566929 A CN202010566929 A CN 202010566929A CN 111898425 A CN111898425 A CN 111898425A
- Authority
- CN
- China
- Prior art keywords
- image data
- state
- observation window
- indicator
- switching
- 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 60
- 230000002159 abnormal effect Effects 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006698 induction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/20—Scenes; Scene-specific elements in augmented reality scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种变电站分合闸指示器的状态判断方法及设备,用以解决现有的分合闸指示器的状态判断方法效率低、无法输出异常状态且状态识别的准确性有限的技术问题。方法包括:接收有关分合闸指示器的第一图像数据,并对其进行标定,得到分合闸指示器的观察窗口对应的第二图像数据;对第二图像数据进行处理,得到观察窗口内指示内容对应的第三图像数据;对第三图像数据进行轮廓检测,并确定轮廓中心点;基于轮廓中心点与分合闸指示器中心点之间的连线,与观察窗口边界线之间的位置关系,确定分合闸指示器的指示状态。本申请通过上述方法实现了高效判断指示器的指示状态,并能够输出异常状态,保证了状态判断的准确性。
Description
技术领域
本申请涉及电表设备技术领域,尤其涉及一种变电站分合闸指示器的状态判断方法及设备。
背景技术
分合闸是变电站中一种重要的隔离开关,早期对分合闸状态的判断方法主要是通过人工抄表进行记录的方式。随着技术的不断进步,逐渐衍生出基于各类传感器的分合闸状态判断装置以及基于图像深度学习的状态识别方案。
但现有的人工抄表方式工作量大、效率低,且在人工操作失误的情况下容易造成更大的安全隐患。通过各类传感器构成的分合闸状态判断装置无法输出异常状态,且在安装时要求停电安装,不便于在正在运行的变电站内进行安装。基于图像深度学习的状态识别方案,运算量大,完成一次拍摄及识别任务消耗的时间较长,且在指示内容“分”或者“合”位于观察窗口的边界时,无法对当前的指示状态进行准确的判断。
发明内容
本申请实施例提供了一种变电站分合闸指示器的状态判断方法及设备,用以解决现有的对于变电站分合闸的状态判断方法效率低、无法输出异常状态,并且状态识别的准确性有限的技术问题。
一方面,本申请实施例提供了一种变电站分合闸指示器的状态判断方法,包括:接收有关分合闸指示器的第一图像数据,并对第一图像数据进行标定,以得到分合闸指示器的观察窗口对应的第二图像数据;对第二图像数据进行处理,得到观察窗口内指示内容对应的第三图像数据;对第三图像数据进行轮廓检测,并确定第三图像数据对应轮廓的中心点;基于对应轮廓的中心点与分合闸指示器中心点之间的连线,与观察窗口边界线的位置关系,确定分合闸指示器的指示状态;其中,指示状态包括分状态、合状态、异常状态中的一种。
本申请实施例提出的分合闸指示器状态判断方法,充分利用图像处理技术,不需要经过复杂的算法进行大量的计算,可以简单、快速且有效的得到分合闸指示器的指示状态,提高了指示状态的判断效率。另外,本申请实施例中的状态判断方法,通过设置检测线与观察窗口边界线之间的位置关系,能够准确地输出分状态、合状态、异常状态三种不同的指示状态,并且在指示内容“分”或者“合”处于观察窗口的边界时,也能够准确的识别指示状态,提高了状态判断的准确性。
在本申请的一种实现方式中,基于对应轮廓的中心点与分合闸指示器中心点之间的连线,与观察窗口边界线的位置关系,确定分合闸指示器的指示状态,具体包括:在第一图像数据中确定与轮廓中心点对应位置的第一指示内容中心点;将第一指示内容中心点与分合闸指示器的中心点之间的连线,作为检测线,并计算检测线与观察窗口边界线之间的偏转角度;其中,观察窗口边界线包括左边界线、右边界线中的任一项;确定偏转角度与第一预设阈值之间的大小关系,并在偏转角度小于第一预设阈值的情况下,输出异常状态;否则,输出分状态或者合状态。通过检测线与观察窗口边界线之间侧偏转角度的大小关系,能够准确的判断出分合闸指示器的指示状态,并能够输出异常状态,完成异常状态的读取。
在本申请的一种实现方式中,对第一图像数据进行标定,以得到分合闸指示器的观察窗口对应的第二图像数据,具体包括:确定第一图像数据中包含的分合闸指示器的观察窗口信息;其中,观察窗口信息包括观察窗口左边界线、观察窗口右边界线、指示内容;以预设数量的标定点对分合闸指示器的观察窗口进行标定;其中,预设数量的标定点均匀分布于观察窗口左边界线及观察窗口右边界线上;根据各个标定点的位置信息,截取观察窗口对应的第二图像数据。
在本申请的一种实现方式中,方法还包括:根据各个标定点的位置信息,通过三角计算确定分合闸指示器的中心点。
在本申请的一种实现方式中,对第二图像数据进行处理,得到第三图像数据,具体包括:对第二图像数据进行模板匹配,并在模板匹配的得分低于第二预设阈值的情况下,输出异常状态。通过模板匹配方法,初步判断第二图像数据对应的指示内容是“分”还是“合”,在匹配得分较低时,说明第二图像数据与模板的匹配度较低,此刻的指示状态不是分状态或者合状态,而是异常状态。
在本申请的一种实现方式中,对第二图像数据进行模板匹配,具体包括:将第二图像数据与分字符模板进行匹配,得到第一匹配得分;将第二图像数据与合字符模板进行匹配,得到第二匹配得分;对第一匹配得分与第二匹配得分取平均值,得到模板匹配的得分。通过两次匹配过程,进行一次“分”匹配,一次“合”匹配,可以有效地确定出指示内容,进而提高状态识别的准确性;通过两个匹配得分取均值的方法计算最终的匹配得分,综合考虑两次匹配结果,使得输出结果更接近真实状态。
在本申请的一种实现方式中,方法还包括:确定模板匹配的得分大于第二预设阈值;对第二图像数据进行HSV颜色空间转换、高斯模糊、图像二值化、形态学闭运算中的任一项或者多项处理,得到二值化图像数据;将二值化图像数据作为掩模图像,对第二图像数据进行图像扣取,得到观察窗口内指示内容对应的第三图像数据。
在本申请的一种实现方式中,在对第三图像数据进行轮廓检测之后,方法还包括:确定第三图像数据对应的轮廓面积;在轮廓面积小于第三预设阈值的情况下,输出异常状态。通过对第二图像数据进行一系列的处理,将指示内容“分”或者“合”对应的图像进行扣取,得到第三图像数据;然后在对第三图像数据进行轮廓检测,并在轮廓面积较小时,输出异常状态;因为轮廓面积较小,说明指示内容“分”或者“合”在观察窗口内所占面积较小,不符合正常显示情况。此时确定分合闸指示器的观察窗口内的指示内容显示有误,只有部分显示,输出异常状态,保证状态判断的准确性。
在本申请的一种实现方式中,方法还包括:通过一个标定点对观察窗口内的指示内容中心进行标定,以确定指示内容对应的第二指示内容中心点;将第二指示内容中心点与分合闸指示器的中心点之间的连线作为标准线;计算检测线与标准线之间的偏移角度;在偏移角度小于第四预设阈值的情况下,确定输出的分合闸指示器的指示状态为真实状态。通过标准线与检测线之间的偏移角度的大小关系,可以确定出通过本申请实施例提供的状态判断方法对观察窗口图像数据进行处理时,是否发生异常情况,进而导致最终得到的第三图像数据与真实图像数据之间存在较大的差别。在偏移角度不超过预设阈值时,可以确定输出的指示状态为真是状态,提高了识别精度,保证了指示状态判断的真实性及有效性。
另一方面,本申请实施例还提供了一种变电站分合闸指示器的状态判断设备,包括:处理器;及存储器,其上存储有可执行代码,当可执行代码被执行时,使得处理器执行如上述的一种变电站分合闸指示器的状态判断方法。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例提供的一种变电站分合闸指示器的结构示意图;
图2为本申请实施例提供的一种变电站分合闸指示器的状态判断方法流程图;
图3为本申请实施例提供的一种变电站分合闸指示器的判断设备内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
分合闸是变电站中的一种隔离开关,分合闸指示器可以用来指示隔离开关的状态。早期是基于人工抄表的记录方式,后续衍生出基于微动开关、姿态传感器、以及磁感应传感器的分合闸状态判断装置。
但是,人工抄表工作量大,效率低,而且人工操作失误的情况下存在很大的安全隐患,不利于数据的统计和查询,不利于快速发现问题并解决问题。
基于微动开关、磁感应传感器的分合闸状态判断方法能够较为准确的判断分合状态,但是无法输出异常状态。基于姿态传感器的分合闸状态判断方法标定复杂,状态很难量化输出,并且这第三种方法都必须停电安装,不便于在正在运行的变电站内安装。另外,这三种方法成本比较高,不利于普及;且无法获取人眼可观察到的信号。
随着技术的发展,基于图像识别的方案应运而生。采用基于深度学习的目标检测方法或者分割方法进行状态识别,需要依赖强大的运算平台才能实现,消耗时间较长,降低了状态的识别效率。而且大多数识别方法,在“分”或者“合”位于观察窗口边界时,无法对指示状态进行准确的判断。
本申请实施例提供了一种变电站分合闸指示器的状态判断方法及设备,以解决上述现有的分合闸指示器的状态判断方法效率低,状态判别的准确性有限且不能输出异常状态的技术问题。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种变电站分合闸指示器的结构式示意图。如图1所示,分合闸指示器包括上下两个观察窗口;指示内容位于观察窗口内部,主要包括“分”、“合”两种指示内容。
在实际的应用场景中,如图1所示的分合闸指示器竖直安装于变电站内,即两个观察窗口上下分布。为了防止落灰对观察结果的影响,本申请实施例采用的观察窗口为下方观察窗口。
本申请实施例通过对下方窗口内指示内容的判断,进而判断出分合闸指示器的指示状态,最终输出分状态、合状态、异常状态中的一种。其具体的实现过程如图2所示。
图2为本申请实施例提供的一种变电站分合闸指示器的状态判断方法流程图。如图2所示,方法包括以下步骤:
步骤201、服务器读取分合闸指示器的图像,并对观察窗口进行标定。
服务器读取图像采集设备正对分合闸指示器采集到的图像数据,然后对分合闸指示器图像进行标定。
在本申请的一个实施例中,通过4个标定点对分合闸指示器的观察窗口进行标定。其中,4个标定点的均匀分布于观察窗口的左右两条边界线上,或者,4个标定点任意分布于观察窗口的边界上,但是4个标定点逐一连接后构成的区域中,应包含指示内容“分”或者“合”。
需要说明的是,采用4个标定点对观察窗口进行标定,仅为本申请的一个实施例而已,并不用用来限定标定点的数量。本领域技术人员可根据实际需求,采用其他不同数量的标定点。
步骤202、扣取观察窗口图像。
通过标定点标定出的观察窗口的位置,对分合闸指示器图像进行扣取,得到观察窗口图像,用于后续的图像分析。
在本申请的一个实施例中,还可以通过各个标定点的位置,将各个标定点之间进行连线,然后根据各连接线对第一图像数据进行截取,得到观察窗口图像。其中,各个标定点之间的连线,应与观察窗口的边界线尽量平行,或者尽量贴近观察窗口的边界线。
步骤203、对观察窗口图像进行模板匹配。
在得到观察窗口图像之后,首先对其进行模板匹配,并记录下每次匹配结果对应的匹配得分。
在本申请的一个实施例中,需要对观察窗口图像进行两次模板匹配,分别为:“分”模板匹配、“合”模板匹配;然后记录每次模板匹配分别对应的匹配得分。
需要说明的是,本申请实施例对观察窗口图像进行的两次模板匹配,所采用的算法均为基于归一化相关系数的模板匹配算法。本领域技术人员可以明确的是,该算法属于一种现有算法,本申请实施例也可以采用其他现有的匹配算法来完成两次模板匹配过程。因此,本申请实施例在此不做赘述。
在本申请的一个实施例中,首先将观察窗口图像数据与“分”模板进行匹配,输出匹配结果,得到第一匹配得分;然后将观察窗口图像数据与“合”模板进行匹配,输出匹配结果,得到第二匹配得分。
进一步地,对第一匹配得分与第二匹配得分求取平均值,得到最终的模板匹配得分。
更进一步地,在观察窗口内的指示内容为“分”时,第二次模板匹配即“合”模板匹配,对应的匹配得分接近于零值。
步骤204、确定模板匹配得分是否大于匹配得分阈值。
在确定模板匹配得分之后,进一步确定其与匹配得分阈值之间的大小关系。并且,在模板匹配得分小于匹配得分阈值时,说明当前的观察窗口图像与“分”模板或者“合”模板匹配程度较低,输出异常状态。
例如,匹配得分阈值设置为0.8,。在模板匹配得分大于或者等于0.8时,说明有匹配结果,观察窗口图像与“分”模板或者“合”模板的匹配程度较好,此时应输出分状态或者合状态,而不是异常状态。
步骤205、对观察窗口图像进行高斯模糊、二值化及形态学闭运算,得到二值化图像。
在确定目标匹配得分大于匹配得分阈值的情况下,确定观察窗口内的指示内容为“分”或者“合”。
继续对观察窗口图像进行以下处理:
首先,将观察窗口图像转换到HSV(Hue,Saturation,Value)颜色空间。在此颜色空间内,可以最大程度的区分红色、白色和绿色。
然后,对观察窗口图像进行高斯模糊,过滤因为图像采集设备而产生的的图像噪声。
最后,将高斯模糊之后的观察窗口图像数据进行二值化操作,并采用形态学闭运算进一步去除噪声。二值化操作处理之后的图像数据仅包括“分”或者“合”字对应的图像,即为二值化图像。
本领域技术人员可以明确的是,本申请实施例采用的高斯模糊算法、二值化操作及形态学闭运算,都可以通过现有算法或者模型来完成,本申请实施例对比不做赘述。
通过二值化图像对观察窗口图像进行扣取,得到指示内容图像,即“分”字图像,或者“合”字图像。具体地,将二值化图像作为掩模图像,通过图像扣取技术,对原始的观察窗口图像进行扣取,得到指示内容图像数据。
步骤206、查找指示内容图像轮廓。
通过轮廓检测对指示内容图像进行轮廓查找过程,找到最大的轮廓,并确定指示内容图像对应轮廓的面积以及对应轮廓的中心点。
步骤207、确定指示内容图像对应轮廓的面积是否大于面积阈值。
在本申请的一个实施例中,如果确定指示内容图像对应轮廓的面积小于或者等于面积阈值,则输出异常状态。轮廓面积过小,代表指示内容“分”或者“合”在观察窗口图像中所占面积较小,不符合正常状态下“分”或者“合”的大小情况,此时应输出异常状态。
在确定轮廓面积大于面积阈值的情况下,继续执行步骤208,计算指示内容偏转角度。
步骤208、计算指示内容偏转角度。
在确定指示内容图像对应的轮廓面积大于面积阈值的情况下,计算指示内容的偏转角度,并在偏转角度大于预设偏转角度时,输出异常状态。
在一个例子中,偏转角度的计算算过程,主要通过以下过程完成:
首先,执行步骤210,计算分合闸指示器的中心点。根据步骤201中的观察窗口标定点,通过三角计算方法确定出分合闸指示器的中心点;以及,在分合闸指示器图像上,确定与指示内容对应轮廓的中心点位置对应的第一指示内容中心点。
需要说明的是,本申请实施例采用的三角计算方法估计分合闸指示器的中心点位置,可以通过现有的算法实现,本申请实施例在此不做赘述。本领域技术人员也可以采用其他的方法确定分合闸指示器中心点的位置,本申请实施例对此不做限定。
然后,将第一指示内容中心点与分合闸指示器中心点之间的连接线,作为检测线,并根据检测线与分合闸指示器的观察窗口边界线之间的位置关系,确定偏转角度的大小,进而确定分合闸指示器的指示状态。其中,观察窗口边界线可以为左边界线,也可以为右边界线;分合闸指示器的指示状态为分状态、合状态、异常状态中的任一种。
在实际的应用场景中,选取左边界线或者右边线线中的一条作为参考线,确定偏转角度。
步骤209、确定偏转角度与预设偏转角度之间的大小关系。
在确定偏转角度之后,进一步确定偏转角度与预设偏转角度之间的大小关系,并在偏转角度小于预设偏转角度时,输出异常状态;否则,输出分状态或者合状态。
在偏转角度小于预设偏转角度时,说明检测线与观察窗口边界线之间的角度偏小,也就是分合闸指示器中心点与第一指示内容中心点之间的连接线靠近观察窗口边界线,此时,指示内容“分”或者“合”偏向观察窗口边界线一侧,输出异常状态。
在偏转角度大于或者等于预设偏转角度时,说明检测线与观察窗口边界线之间的距离较远,属于正常的情况;此时,根据前述步骤确定的指示内容输出分状态或者合状态。
在本申请的一个实施例中,在偏转角度大于预设偏转角度时,确定二者之间的差值,并在差值在允许波动范围内的情况下,正常输出分状态或者合状态;否则,输出异常状态。此处的波动范围为允许偏转角度与预设偏转角度之间的差值进行波动的范围。在差值超出此范围时,说明检测线与观察窗口边界线之间的偏转角度过大,导致指示内容“分”或者“合”过于偏向另一条观察窗口边界线,此时也属于异常状态。
在本申请的另一实施例中,在步骤1对观察窗口进行标定时,同时利用一个标定点标定观察窗口内指示内容的中心点,记为第二指示内容中心点;并将分合闸指示器中心点与第二指示内容中心点之间的连线作为标准线。
进一步地,计算标准线与检测线之间的偏移角度。在偏移角度小于预设偏移角度的情况下,确定输出的指示状态为真实状态。
通过构建标准线,并计算标准线与检测线之间的偏移角度,保证通过本申请实施例输出的指示状态为分合闸指示器的真实指示状态,提升了本申请实施例状态判断的精度及准确度,进一步保证了指示状态判断的真实性及有效性。
以上为本申请的方法实施例,基于同样的发明构思,本申请实施例还提供了一种变电站分合闸指示器的判断设备,其内部结构如图3所示。
图3为本申请实施例提供的一种变电站分合闸的状态判断设备内部结构示意图,如图3所示,设备包括处理器301,及存储器302,其上存储有可执行代码,当可执行代码被执行时,使得处理器301执行如上述的一种变电站分合闸指示器的状态判断方法。
在本申请的一个实施例中,处理器301用于接收有关分合闸指示器的第一图像数据,并对第一图像数据进行标定,以得到分合闸指示器的观察窗口对应的第二图像数据;以及用于对第二图像数据进行处理,得到观察窗口内指示内容对应的第三图像数据;还用于对第三图像数据进行轮廓检测,并确定第三图像数据对应轮廓的中心点;还用于基于对应轮廓的中心点与分合闸指示器中心点之间的连线,与观察窗口边界线的位置关系,确定分合闸指示器的指示状态;其中,指示状态包括分状态、合状态、异常状态中的一种。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,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。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种变电站分合闸指示器的状态判断方法,其特征在于,所述方法包括:
接收有关分合闸指示器的第一图像数据,并对所述第一图像数据进行标定,以得到所述分合闸指示器的观察窗口对应的第二图像数据;
对所述第二图像数据进行处理,得到所述观察窗口内指示内容对应的第三图像数据;
对所述第三图像数据进行轮廓检测,并确定所述第三图像数据对应轮廓的中心点;
基于所述对应轮廓的中心点与分合闸指示器中心点之间的连线,与所述观察窗口边界线的位置关系,确定所述分合闸指示器的指示状态;其中,所述指示状态包括分状态、合状态、异常状态中的一种。
2.根据权利要求1所述的一种变电站分合闸指示器的状态判断方法,其特征在于,所述基于所述对应轮廓的中心点与分合闸指示器中心点之间的连线,与所述观察窗口边界线的位置关系,确定所述分合闸指示器的指示状态,具体包括:
在所述第一图像数据中确定与轮廓中心点对应位置的第一指示内容中心点;
将所述第一指示内容中心点与所述分合闸指示器的中心点之间的连线,作为检测线,并计算所述检测线与观察窗口边界线之间的偏转角度;其中,所述观察窗口边界线包括左边界线、右边界线中的任一项;
确定所述偏转角度与第一预设阈值之间的大小关系,并在所述偏转角度小于第一预设阈值的情况下,输出异常状态;
否则,输出分状态或者合状态。
3.根据权利要求1所述的一种变电站分合闸指示器的状态判断方法,其特征在于,所述对所述第一图像数据进行标定,以得到所述分合闸指示器的观察窗口对应的第二图像数据,具体包括:
确定所述第一图像数据中包含的分合闸指示器的观察窗口信息;其中,所述观察窗口信息包括观察窗口左边界线、观察窗口右边界线、指示内容;
以预设数量的标定点对所述分合闸指示器的观察窗口进行标定;其中,所述预设数量的标定点均匀分布于所述观察窗口左边界线及所述观察窗口右边界线上;
根据各个所述标定点的位置信息,截取所述观察窗口对应的第二图像数据。
4.根据权利要求3所述的一种变电站分合闸指示器的状态判断方法,其特征在于,所述方法还包括:
根据各个所述标定点的位置信息,通过三角计算确定所述分合闸指示器的中心点。
5.根据权利要求1所述的一种变电站分合闸指示器的状态判断方法,其特征在于,所述对所述第二图像数据进行处理,得到第三图像数据,具体包括:
对所述第二图像数据进行模板匹配,并在所述模板匹配的得分低于第二预设阈值的情况下,输出异常状态。
6.根据权利要求5所述的一种变电站分合闸指示器的状态判断方法,其特征在于,所述对所述第二图像数据进行模板匹配,具体包括:
将所述第二图像数据与分字符模板进行匹配,得到第一匹配得分;
将所述第二图像数据与合字符模板进行匹配,得到第二匹配得分;
对所述第一匹配得分与所述第二匹配得分取平均值,得到所述模板匹配的得分。
7.根据权利要求5所述的一种变电站分合闸指示器的状态判断方法,其特征在于,所述方法还包括:
确定所述模板匹配的得分大于第二预设阈值;
对所述第二图像数据进行HSV颜色空间转换、高斯模糊、图像二值化、形态学闭运算中的任一项或者多项处理,得到二值化图像数据;
将所述二值化图像数据作为掩模图像,对所述第二图像数据进行图像扣取,得到所述观察窗口内指示内容对应的第三图像数据。
8.根据权利要求1所述的一种变电站分合闸指示器的状态判断方法,其特征在于,在对所述第三图像数据进行轮廓检测之后,所述方法还包括:
确定所述第三图像数据对应的轮廓面积;
在所述轮廓面积小于第三预设阈值的情况下,输出异常状态。
9.根据权利要求3所述的一种变电站分合闸指示器的状态判断方法,其特征在于,所述方法还包括:
通过一个标定点对所述观察窗口内的指示内容中心进行标定,以确定所述指示内容对应的第二指示内容中心点;
将所述第二指示内容中心点与所述分合闸指示器的中心点之间的连线作为标准线;
计算所述检测线与所述标准线之间的偏移角度;
在所述偏移角度小于第四预设阈值的情况下,确定输出的所述分合闸指示器的指示状态为真实状态。
10.一种变电站分合闸指示器的状态判断设备,其特征在于,所述设备包括:
处理器;
及存储器,其上存储有可执行代码,当所述可执行代码被执行时,使得所述处理器执行如权利要求1-9任一项所述的一种变电站分合闸指示器的状态判断方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010566929.6A CN111898425A (zh) | 2020-06-19 | 2020-06-19 | 一种变电站分合闸指示器的状态判断方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010566929.6A CN111898425A (zh) | 2020-06-19 | 2020-06-19 | 一种变电站分合闸指示器的状态判断方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111898425A true CN111898425A (zh) | 2020-11-06 |
Family
ID=73206338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010566929.6A Pending CN111898425A (zh) | 2020-06-19 | 2020-06-19 | 一种变电站分合闸指示器的状态判断方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898425A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066862A (zh) * | 2021-11-22 | 2022-02-18 | 福建省海峡智汇科技有限公司 | 一种基于色域和轮廓特征的指示器识别方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002056387A (ja) * | 2000-08-07 | 2002-02-20 | Toko Electric Corp | 状態表示器の認識処理装置および認識処理方法 |
CN102314615A (zh) * | 2011-07-30 | 2012-01-11 | 山东电力研究院 | 基于变电站巡检机器人的断路器状态模板匹配识别方法 |
CN104200219A (zh) * | 2014-08-20 | 2014-12-10 | 深圳供电局有限公司 | 一种变电站刀闸位开关位指示自动识别方法及装置 |
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 |
CN109190473A (zh) * | 2018-07-29 | 2019-01-11 | 国网上海市电力公司 | 一种“机器视觉理解”在电力远程监控中的应用 |
CN110135420A (zh) * | 2019-05-16 | 2019-08-16 | 北京灵汐科技有限公司 | 表盘状态识别方法及装置、可读存储介质和电子设备 |
CN111025137A (zh) * | 2019-12-13 | 2020-04-17 | 苏州华电电气股份有限公司 | 敞开式隔离开关状态感知装置 |
-
2020
- 2020-06-19 CN CN202010566929.6A patent/CN111898425A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002056387A (ja) * | 2000-08-07 | 2002-02-20 | Toko Electric Corp | 状態表示器の認識処理装置および認識処理方法 |
CN102314615A (zh) * | 2011-07-30 | 2012-01-11 | 山东电力研究院 | 基于变电站巡检机器人的断路器状态模板匹配识别方法 |
CN104200219A (zh) * | 2014-08-20 | 2014-12-10 | 深圳供电局有限公司 | 一种变电站刀闸位开关位指示自动识别方法及装置 |
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 |
CN109190473A (zh) * | 2018-07-29 | 2019-01-11 | 国网上海市电力公司 | 一种“机器视觉理解”在电力远程监控中的应用 |
CN110135420A (zh) * | 2019-05-16 | 2019-08-16 | 北京灵汐科技有限公司 | 表盘状态识别方法及装置、可读存储介质和电子设备 |
CN111025137A (zh) * | 2019-12-13 | 2020-04-17 | 苏州华电电气股份有限公司 | 敞开式隔离开关状态感知装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066862A (zh) * | 2021-11-22 | 2022-02-18 | 福建省海峡智汇科技有限公司 | 一种基于色域和轮廓特征的指示器识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109740469B (zh) | 车道线检测方法、装置、计算机设备和存储介质 | |
CN108182383B (zh) | 一种车窗检测的方法及设备 | |
CN109740609B (zh) | 一种轨距检测方法及装置 | |
CN110175519B (zh) | 一种变电站的分合标识仪表识别方法、装置与存储介质 | |
CN108955901B (zh) | 一种红外测温方法、系统及终端设备 | |
CN109447062A (zh) | 基于巡检机器人的指针型仪表识别方法 | |
CN114359843A (zh) | 一种基于图像识别的aed设备状态监测方法及系统 | |
CN111191671A (zh) | 一种用电器波形检测方法、系统、电子设备及存储介质 | |
CN111898425A (zh) | 一种变电站分合闸指示器的状态判断方法及设备 | |
CN111524189A (zh) | 门开关状态检测方法、装置及计算机存储介质 | |
CN114227717A (zh) | 基于巡检机器人的智能巡检方法、装置、设备及存储介质 | |
CN114066862A (zh) | 一种基于色域和轮廓特征的指示器识别方法及系统 | |
CN111860512A (zh) | 一种车辆识别方法、装置、电子设备及计算机可读存储介质 | |
CN115811655A (zh) | 一种变电站的巡检方法、装置、设备及可读存储介质 | |
CN113128881B (zh) | 测量仪表的操作考评方法、设备及存储介质 | |
Yi et al. | A clustering-based algorithm for automatic detection of automobile dashboard | |
CN111539329B (zh) | 一种自适应的变电站指针仪表识别方法 | |
CN115393624A (zh) | 一种基于机器视觉的配电变压器参数检定方法 | |
CN111046878B (zh) | 一种数据处理方法、装置及计算机存储介质和计算机 | |
CN114022670A (zh) | 一种液位型变压器油位计识别方法及系统 | |
CN108776146B (zh) | 丝印线条的检测方法及装置 | |
CN112528930A (zh) | 一种光学标记异常填涂识别方法、系统、终端及存储介质 | |
CN108960222B (zh) | 图像二值化方法、装置、设备及存储介质 | |
CN113158743B (zh) | 基于先验知识的小目标实时检测与定位方法、系统、设备 | |
CN109299729A (zh) | 车辆检测方法及装置 |
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 |