CN112036392B - 一种页岩气田生产场站ups指示灯状态的自动识别方法 - Google Patents

一种页岩气田生产场站ups指示灯状态的自动识别方法 Download PDF

Info

Publication number
CN112036392B
CN112036392B CN202010713383.2A CN202010713383A CN112036392B CN 112036392 B CN112036392 B CN 112036392B CN 202010713383 A CN202010713383 A CN 202010713383A CN 112036392 B CN112036392 B CN 112036392B
Authority
CN
China
Prior art keywords
image
band
circle
indicator lamp
ups
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
Application number
CN202010713383.2A
Other languages
English (en)
Other versions
CN112036392A (zh
Inventor
杜强
梁谷
于磊
冯庆华
廖伟
孙仕胜
张中杰
王承宇
周聪
郑永明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Chuanyou Ruifei Technology Co ltd
Sichuan Changning Natural Gas Development Co ltd
Original Assignee
Chengdu Chuanyou Ruifei Technology Co ltd
Sichuan Changning Natural Gas Development Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Chuanyou Ruifei Technology Co ltd, Sichuan Changning Natural Gas Development Co ltd filed Critical Chengdu Chuanyou Ruifei Technology Co ltd
Priority to CN202010713383.2A priority Critical patent/CN112036392B/zh
Publication of CN112036392A publication Critical patent/CN112036392A/zh
Application granted granted Critical
Publication of CN112036392B publication Critical patent/CN112036392B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • 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
    • G06V10/56—Extraction of image or video features relating to colour
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明一种页岩气田生产场站UPS指示灯状态的自动识别方法，涉及指示灯视觉识别领域，采用霍夫圆检测目标图像，分离并记录所有的目标圆的圆心，同时采用图像直方图统计出目标图像并拟合边界的最小外接圆，融合霍夫圆检测和直方图统计拟合的圆进行直线拟合，然后进行三个三分矩形内指示灯查找，最后针对三个三分矩形内的指示灯进行像素亮度判断，专门用于UPS指示灯的检测，结果准确，误差率小，解决了现有技术由于UPS指示灯上端的中文字符的影响，无法较好地应用到识别UPS指示灯上的问题。

Description

一种页岩气田生产场站UPS指示灯状态的自动识别方法
技术领域
本发明涉及指示灯视觉识别领域，特别涉及一种页岩气田生产场站UPS指示灯状态的自动识别方法。
背景技术
在现在的页岩气场站，有很多UPS指示灯，UPS指示灯用以知识电路的状态，一般的UPS指示灯含有三个指示灯，分别为运行指示灯、通信指示灯和报警指示灯，指示灯中文字符位于灯的正上方。处于运行状态时，运行指示灯呈现绿色，此时通讯指示灯和报警指示灯呈现灰色；处于通讯状态时，通讯指示灯呈现绿色，此时运行指示灯和报警指示灯呈现灰色；处于报警状态时，报警指示灯呈现绿色，此时运行指示灯和通讯指示灯呈现灰色。
在页岩气场站用智能眼镜进行智能巡检或用摄像头抓拍采集UPS设备图像，并对采集到的图像进行智能图像检测分析，利用该方法可以自动检测出UPS指示灯状态。但是由于UPS指示灯上端的中文字符通常也会被检测到并对检测结果产生一定影响，因此现有的图像检测识别分析技术无法较好地应用到识别UPS指示灯上。
发明内容
本发明的目的在于：提供了一种页岩气田生产场站UPS指示灯状态的自动识别方法，采用霍夫圆检测目标图像，分离并记录所有的目标圆，同时采用图像直方图统计出目标图像并拟合边界的最小外接圆，融合霍夫圆和直方图拟合的圆进而进行像素亮度判断，解决了现有技术由于UPS指示灯上端的中文字符的影响，无法较好地应用到识别UPS指示灯上的问题。
本发明采用的技术方案如下：
一种页岩气田生产场站UPS指示灯状态的自动识别方法，包括依次进行的以下步骤：
步骤1：采集包含UPS指示灯的三个指示灯的原始图像；
步骤2：对原始图像进行图像波段变换，分离出至少一个单波段图像；
步骤3：对分离出的所有单波段图像分别进行霍夫圆检测，每个单波段图像确定一组圆心坐标；
步骤4：对分离出的所有单波段图像分别进行图像直方图统计，在单波段图像和/或原始图像中确定出至少一组圆心坐标；
步骤5：将步骤3和步骤4中确定的所有组的圆心坐标合并到一起，并对合并后的所有圆心坐标进行直线拟合，根据直线拟合结果一一识别出三个指示灯对应的区域；
步骤6：选择一个单波段图像，在原始图像或选择的单波段图像上根据找出的三个指示灯区域的亮度值，判断出处于亮灯状态的指示灯。
这里我们用霍夫圆检测和图像直方图统计两种方法分别拟合出图像中UPS指示灯的各个指示灯的圆形，然后将两种方法拟合的圆合并，由于这两种方法单独拟合都存在一定的问题，具体来说，霍夫圆检测是基于图像梯度检测图像中存在的近似圆的边界，那么在应用到识别UPS指示灯时，由于UPS指示灯的每个指示灯上面有对应的文字，而文字的边界也近似圆，因此霍夫圆检测可能会将文字边界检测识别出来，造成识别的误差；对于图像直方图统计，由于其是在进行灰度图像的变换后进行边缘检测来检测图像中的图像边界，受背景光干扰的因素会检测出多余的目标对象，有时多个目标像素连通在一起，会产生误检测。
本发明中所述的一种页岩气田生产场站UPS指示灯状态的自动识别方法，将霍夫圆和图像直方图两种方法检测出的圆进行合并，并且对合并后的圆心进行直线拟合，由于两中方法的误差圆不同，因此在合并后拟合的直线和真实的直线误差更小。
进一步地，所述步骤2具体为，将采集到的UPS指示灯的原始图像进行图像波段变换，在波段变换后的图像中分离出蓝色单波段图像、绿色单波段图像和红色单波段图像三个单波段图像。
由于我们采集的原始图像一般来说是RGB空间的图像，因此我们将原始图像进行波段变换后分离出红色（R）单波段、绿色（G）单波段、蓝色（B）单波段这三种原色的单波段图像，这样可以将原始图像中的三原色信息分开，并且，UPS指示灯的灯泡一般采用发光二极管，灯泡颜色为绿色红色或蓝色的居多。
进一步地，所述步骤4主要包括依次进行的以下步骤：
步骤4-1：对步骤2中分离出来的所有单波段图像进行图像直方图统计，每幅单波段图像得到一幅直方图，获取每幅直方图中峰值对应的像素值，在每幅单波段图像中根据该单波段图像的直方图峰值的像素值确定一个预设阈值m；
步骤4-2：置空每幅单波段图像中像素值小于该单波段图像的预设阈值m的像素，然后消除图像背景，保留目标边界；
步骤4-3：对消除了背景的图像进行形态学分析，做图像的闭操作，剔除图像噪声，保留目标特征；
步骤4-4：对保留了目标特征的图像进行图像边界查找，查找出目标边界，对查找到的目标边界进行最小外接圆拟合，构造出外接圆的圆心，并记录构造出的圆心和半径。
进一步地，所述每幅单波段图像的预设阈值m是该单波段图像中直方图峰值对应的像素值的一半。
进一步地，所述步骤4主要包括依次进行的以下步骤：
步骤4-1：对步骤2中分离出来的所有单波段图像进行图像直方图统计，每幅单波段图像得到一幅直方图，获取每幅直方图中峰值对应的像素值，在每幅单波段图像中根据该单波段图像的直方图峰值的像素值确定一个预设阈值m’；
步骤4-2：置空原始图像中像素值小于预设阈值m’的像素，然后消除图像背景，保留目标边界；
步骤4-3：对消除了背景的图像进行形态学分析，做图像的闭操作，剔除图像噪声，保留目标特征；
步骤4-4：对保留了目标特征的图像进行图像边界查找，查找出目标边界，对查找到的目标边界进行最小外接圆拟合，构造出外接圆的圆心，并记录构造出的圆心和半径。
进一步地，所述原始图像的预设阈值m’是所有单波段图像中直方图峰值对应的像素值的一半的最小值。
我们用m或m’结合数学中的二分法，将当前图像中的像素二分了，在选择单波段图像时，将小于m的值置为0，预设阈值m一般来说是该单波段图像中直方图峰值对应的像素值的一半；而在选择原始的彩色图像时，预设阈值m’一般来说是所有单波段图像中直方图峰值对应的像素值的一半的最小值。一般来说，带来误差的干扰因素中，较大一部分是像素值较低的干扰，这里我们直接将小于m或m’的值置零，这样可以更突出图像中像素的对比度，避免低像素值的误差干扰。
进一步地，所述步骤5主要包括依次进行的以下步骤：
步骤5-1：在所有图像中构造统一的二维直角坐标系，将步骤3和步骤4中确定的所有组的圆心坐标合并到一起；
步骤5-2：并对合并后的所有圆心坐标进行直线拟合，求出拟合的直线方程；
步骤5-3：将图像在坐标系中按宽度三等分划分成三个等宽等高的三分矩形，计算合并后的所有圆心距离每个三分矩形中心的距离，判断出每个圆心归属的三分矩形区域；计算每个三分矩形区域内的所有圆心的平均x坐标，依据直线方程和平均x坐标确定一个平均y坐标，进而在每个三分矩形内确定一个平均点。
进一步地，所述步骤5-3中判断每个圆心归属的三分矩形区域时，如果一个三分矩形区域没有检测到点，则依据直线方程和已知两点的距离推断出该点。
理论上来说，在步骤5-3中将圆心坐标分类到三个三分矩形内时，可能会有四个结果，即：一个三分矩形内没有圆心；两个三分矩形内没有圆心；三个三分矩形内都没有圆心；三个三分矩形内都有矩形。但是，三个三分矩形内都没有圆心不可能出现，三个三分矩形内都有矩形是最正常的情况，而且实际情况中，也没有出现过两个三分矩形内没有圆心的情况，有部分情况是一个三分矩形内没有圆心，圆心在其他两个三分矩形内，那么在这种情况下，我们在步骤5-3中确定平均点时，由确定出的另外两个三分矩形内的两个平均点推算出该三分矩形内的平均点。
进一步地，所述步骤6主要包括依次进行的以下步骤：
步骤6-1：选择原始图像或UPS指示灯灯光颜色所属波段的单波段图像，在选择的图像中依据每个三分矩形区域内的平均点和该三分矩形区域内的所有圆心，在每个三分矩形区域内构造一个外接圆，再分别构造出每个外接圆的外接矩形，计算UPS指示灯灯光颜色所属波段上，三个外接矩形内的像素亮度平均值；
步骤6-2：当在步骤6-1中选择UPS指示灯灯光颜色所属波段的单波段图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；
当在步骤6-1中选择原始图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于该外接矩形的其他波段的像素亮度平均值，并且还大于另外两个外接矩形在UPS指示灯灯光颜色所属波段上的像素亮度平均值，判断该灯处于通路状态。
这里，当步骤5中确定的三个平均点中有一个是根据另外两个平均点推算出来时，该平均点的外接圆的半径取另外两个平均点的外接圆半径的平均值，确定出三个外接圆后，再进一步分别确定三个外接矩形，UPS指示灯的颜色一般是绿色、红色或蓝色，绿色居多，那么我们再在确定出三个外接矩形中，求出UPS指示灯颜色所述波段的像素亮度平均值，故而这里选择图像时可以选择原始图像或UPS指示灯灯光颜色所属波段的单波段图像；根据三个外接矩形中的像素亮度平均值判断指示灯的哪个灯泡处于通路状态，由于UPS指示灯在正常情况下是只有一个指示灯的灯泡处于通路状态的，故而当在步骤6-1中选择UPS指示灯灯光颜色所属波段的单波段图像时，在我们设置其中一个外接矩形的亮度值大于三个外接矩形平均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；而当在步骤6-1中选择原始图像时，由于原始图像是彩色图像，因此我们还将一个外接矩形在UPS指示灯灯光颜色所属波段的像素亮度平均值和该外接矩形在其他波段的像素亮度平均值做比较，降低误差。
进一步地，所述步骤5中对合并后的圆心坐标进行直线拟合时，设定拟合的直线为一条水平向的直线，直线方程为y=k，k为常数。
由于UPS指示灯的三个指示灯处于同一个水平线，因此我们在进行圆心坐标直线拟合时，直接采用水平向的直线去进行直线拟合，离拟合水平直线较远的干扰圆会对拟合结果的影响较小，这样会直接在拟合的步骤中降低干扰。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
1.本发明一种页岩气田生产场站UPS指示灯状态的自动识别方法，采用霍夫圆检测目标图像，分离并记录所有的目标圆，同时采用图像直方图统计出目标图像并拟合边界的最小外接圆，融合霍夫圆和直方图拟合的圆进而进行像素亮度判断，专门用于UPS指示灯的检测，结果准确，误差率小；
2.本发明一种页岩气田生产场站UPS指示灯状态的自动识别方法，采用霍夫圆检测目标图像，分离并记录所有的目标圆，同时采用图像直方图统计出目标图像并拟合边界的最小外接圆，融合霍夫圆和直方图拟合的圆进而进行像素亮度判断，解决了现有技术由于UPS指示灯上端的中文字符的影响，无法较好地应用到识别UPS指示灯上的问题。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是本发明的原理框图；
图2是本发明的一个实施例检测的UPS指示灯图像；
图3是本发明的一个实施例采集的图像；
图4是本发明的一个实施例的一个波段背景过滤后的图像；
图5是本发明的一个实施例进行霍夫圆检测找出的圆的图像；
图6是本发明的一个实施例进行霍夫圆检测找出的圆误差较大的图像；
图7是本发明的另一个实施例进行霍夫圆检测找出的圆误差较大的图像；
图8本发明的图9拟合出的圆的图像；
图9是本发明的一个实施例将图像像素二值化得出的图像；
图10是本发明的一个实施例像素二值化得出的误差较大的图像；
图11是本发明的另一个实施例像素二值化得出的误差较大的图像；
图12是本发明的一个实施例最后检测出的三个指示灯的图像；
图13是本发明的一个实施例的图像直方图。
具体实施方式
为了更清楚地说明本发明实施例的技术方案，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，应当理解，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作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，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；也可以是直接相连，也可以是通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
下面结合图1至图13对本发明作详细说明。
实施例1：
本发明采用的技术方案如下：
一种页岩气田生产场站UPS指示灯状态的自动识别方法，如图1，包括依次进行的以下步骤：
步骤1：采集包含UPS指示灯的三个指示灯的原始图像；
步骤2：对原始图像进行图像波段变换，分离出至少一个单波段图像；
步骤3：对分离出的所有单波段图像分别进行霍夫圆检测，每个单波段图像确定一组圆心坐标；
步骤4：对分离出的所有单波段图像分别进行图像直方图统计，在单波段图像和/或原始图像中确定出至少一组圆心坐标；
步骤5：将步骤3和步骤4中确定的所有组的圆心坐标合并到一起，并对合并后的所有圆心坐标进行直线拟合，根据直线拟合结果一一识别出三个指示灯对应的区域；
步骤6：选择一个单波段图像，在原始图像或选择的单波段图像上根据找出的三个指示灯区域的亮度值，判断出处于亮灯状态的指示灯。
这里我们用霍夫圆检测和图像直方图统计两种方法分别拟合出图像中UPS指示灯的各个指示灯的圆形，然后将两种方法拟合的圆合并，由于这两种方法单独拟合都存在一定的问题，具体来说，霍夫圆检测是基于图像梯度检测图像中存在的近似圆的边界，那么在应用到识别UPS指示灯时，由于UPS指示灯的每个指示灯上面有对应的文字，而文字的边界也近似圆，因此霍夫圆检测可能会将文字边界检测识别出来，造成识别的误差；对于图像直方图统计，由于其是在进行灰度图像的变换后进行边缘检测来检测图像中的图像边界，受背景光干扰的因素会检测出多余的目标对象，有时多个目标像素连通在一起，会产生误检测。
另外，在记录圆心坐标时，还可以记录圆的其他参数，比如记录圆的半径，这样在圆的半径明显大于或小于其他圆的半径均值时，可以很明显的判断出该圆为误差圆。
本发明中所述的一种页岩气田生产场站UPS指示灯状态的自动识别方法，将霍夫圆和图像直方图两种方法检测出的圆进行合并，并且对合并后的圆心进行直线拟合，由于两中方法的误差圆不同，因此在合并后拟合的直线和真实的直线误差更小。
实施例2
本实施例在实施例1的基础上，所述步骤2具体为，将采集到的UPS指示灯的原始图像进行图像波段变换，在波段变换后的图像中分离出蓝色单波段图像、绿色单波段图像和红色单波段图像三个单波段图像。
所述步骤4主要包括依次进行的以下步骤：
步骤4-1：对步骤2中分离出来的所有单波段图像进行图像直方图统计，每幅单波段图像得到一幅直方图，获取每幅直方图中峰值对应的像素值，在每幅单波段图像中根据该单波段图像的直方图峰值的像素值确定一个预设阈值m；
步骤4-2：置空每幅单波段图像中像素值小于该单波段图像的预设阈值m的像素，然后消除图像背景，保留目标边界；
步骤4-3：对消除了背景的图像进行形态学分析，做图像的闭操作，剔除图像噪声，保留目标特征；
步骤4-4：对保留了目标特征的图像进行图像边界查找，查找出目标边界，对查找到的目标边界进行最小外接圆拟合，构造出外接圆的圆心，并记录构造出的圆心和半径。
所述每幅单波段图像的预设阈值m是该单波段图像中直方图峰值对应的像素值的一半。
并列地，所述步骤4包括依次进行的以下步骤以替换上述步骤：
步骤4-1：对步骤2中分离出来的所有单波段图像进行图像直方图统计，每幅单波段图像得到一幅直方图，获取每幅直方图中峰值对应的像素值，在每幅单波段图像中根据该单波段图像的直方图峰值的像素值确定一个预设阈值m’；
步骤4-2：置空原始图像中像素值小于预设阈值m’的像素，然后消除图像背景，保留目标边界；
步骤4-3：对消除了背景的图像进行形态学分析，做图像的闭操作，剔除图像噪声，保留目标特征；
步骤4-4：对保留了目标特征的图像进行图像边界查找，查找出目标边界，对查找到的目标边界进行最小外接圆拟合，构造出外接圆的圆心，并记录构造出的圆心和半径。
所述原始图像的预设阈值m’是所有单波段图像中直方图峰值对应的像素值的一半的最小值。
所述步骤5主要包括依次进行的以下步骤：
步骤5-1：在所有图像中构造统一的二维直角坐标系，将步骤3和步骤4中确定的所有组的圆心坐标合并到一起；
步骤5-2：并对合并后的所有圆心坐标进行直线拟合，求出拟合的直线方程；
步骤5-3：将图像在坐标系中按宽度三等分划分成三个等宽等高的三分矩形，计算合并后的所有圆心距离每个三分矩形中心的距离，判断出每个圆心归属的三分矩形区域；计算每个三分矩形区域内的所有圆心的平均x坐标，依据直线方程和平均x坐标确定一个平均y坐标，进而在每个三分矩形内确定一个平均点。
所述步骤5-3中判断每个圆心归属的三分矩形区域时，如果一个三分矩形区域没有检测到点，则依据直线方程和已知两点的距离推断出该点。
所述步骤6主要包括依次进行的以下步骤：
步骤6-1：选择原始图像或UPS指示灯灯光颜色所属波段的单波段图像，在选择的图像中依据每个三分矩形区域内的平均点和该三分矩形区域内的所有圆心，在每个三分矩形区域内构造一个外接圆，再分别构造出每个外接圆的外接矩形，计算UPS指示灯灯光颜色所属波段上，三个外接矩形内的像素亮度平均值；
步骤6-2：当在步骤6-1中选择UPS指示灯灯光颜色所属波段的单波段图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；
当在步骤6-1中选择原始图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于该外接矩形的其他波段的像素亮度平均值，并且还大于另外两个外接矩形在UPS指示灯灯光颜色所属波段上的像素亮度平均值，判断该灯处于通路状态。
进一步地，所述步骤5中对合并后的圆心坐标进行直线拟合时，设定拟合的直线为一条水平向的直线，直线方程为y=k，k为常数。
由于我们采集的原始图像一般来说是RGB空间的图像，因此我们在步骤2中将原始图像进行波段变换后分离出红色（R）单波段、绿色（G）单波段、蓝色（B）单波段这三种原色的单波段图像，这样可以将原始图像中的三原色信息分开，并且，UPS指示灯的灯泡一般采用发光二极管，灯泡颜色为绿色红色或蓝色的居多。
我们用m或m’结合数学中的二分法，将当前图像中的像素二分了，在选择单波段图像时，将小于m的值置为0，预设阈值m一般来说是该单波段图像中直方图峰值对应的像素值的一半；而在选择原始的彩色图像时，预设阈值m’一般来说是所有单波段图像中直方图峰值对应的像素值的一半的最小值。一般来说，带来误差的干扰因素中，较大一部分是像素值较低的干扰，这里我们直接将小于m或m’的值置零，这样可以更突出图像中像素的对比度，避免低像素值的误差干扰。
理论上来说，在步骤5-3中将圆心坐标分类到三个三分矩形内时，可能会有四个结果，即：一个三分矩形内没有圆心；两个三分矩形内没有圆心；三个三分矩形内都没有圆心；三个三分矩形内都有矩形。但是，三个三分矩形内都没有圆心不可能出现，三个三分矩形内都有矩形是最正常的情况，而且实际情况中，也没有出现过两个三分矩形内没有圆心的情况，有部分情况是一个三分矩形内没有圆心，圆心在其他两个三分矩形内，那么在这种情况下，我们在步骤5-3中确定平均点时，由确定出的另外两个三分矩形内的两个平均点推算出该三分矩形内的平均点。
步骤5中，由于UPS指示灯的三个指示灯处于同一个水平线，因此我们在进行圆心坐标直线拟合时，直接采用水平向的直线去进行直线拟合，离拟合水平直线较远的干扰圆会对拟合结果的影响较小，这样会直接在拟合的步骤中降低干扰。
步骤6中，当步骤5中确定的三个平均点中有一个是根据另外两个平均点推算出来时，该平均点的外接圆的半径取另外两个平均点的外接圆半径的平均值，确定出三个外接圆后，再进一步分别确定三个外接矩形，UPS指示灯的颜色一般是绿色、红色或蓝色，绿色居多，那么我们再在确定出三个外接矩形中，求出UPS指示灯颜色所述波段的像素亮度平均值，故而这里选择图像时可以选择原始图像或UPS指示灯灯光颜色所属波段的单波段图像；根据三个外接矩形中的像素亮度平均值判断指示灯的哪个灯泡处于通路状态，由于UPS指示灯在正常情况下是只有一个指示灯的灯泡处于通路状态的，故而当在步骤6-1中选择UPS指示灯灯光颜色所属波段的单波段图像时，在我们设置其中一个外接矩形的亮度值大于三个外接矩形平均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；而当在步骤6-1中选择原始图像时，由于原始图像是彩色图像，因此我们还将一个外接矩形在UPS指示灯灯光颜色所属波段的像素亮度平均值和该外接矩形在其他波段的像素亮度平均值做比较，降低误差。
实施例3
如图2-图13，是针对图2所示的UPS指示灯的识别过程，依次进行以下步骤：
步骤1：采集包含UPS指示灯的通讯、运行、报警三个指示灯的原始图像，如图3；
步骤2：将采集到的UPS指示灯的原始图像进行图像波段变换，在波段变换后的图像中分离出蓝色单波段图像、绿色单波段图像和或红色单波段图像，如图4，是其中一个波段的背景过滤后的图像；
步骤3：对分离出来的三种单波段图像进行霍夫圆检测，寻找所有的目标圆，每个单波段图像确定一组圆心坐标；如图5是无误差情况下的圆，仅有三个不同指示灯的边界圆，而图6、图7是有误差情况下的霍夫圆检测出的圆，可以看出，霍夫圆检测很容易检测到指示灯上端的文字，图6中检测到了通信指示灯的“通”字的边界，图7对于三个指示灯的文字都检测到了，产生了较大的误差，对于图7这种情况，如果仅采用霍夫圆检测就直接拟合直线，会产生较大的误差；
步骤4-1：对步骤2中分离出来的所有单波段图像进行图像直方图统计，每幅单波段图像得到一幅直方图，获取每幅直方图中峰值对应的像素值，对于图2的红绿蓝三个单波段图像，得出如图13的图像直方图，统计出最高的三条图线，从左到右依次是R、G、B值的曲线，得出Rmax=33，Gmax=43，Bmax=49。在每幅单波段图像中根据该单波段图像的直方图峰值的像素值确定一个预设阈值m，则mR=16.5，mG=21.5，mB=24.5；
步骤4-2：置空每幅单波段图像中像素值小于该单波段图像的预设阈值m的像素，然后消除图像背景，保留目标边界；
步骤4-3：对消除了背景的图像进行形态学分析，做图像的闭操作，剔除图像噪声，保留目标特征；
步骤4-4：对保留了目标特征的图像进行图像边界查找，查找出目标边界，对查找到的目标边界进行最小外接圆拟合，构造出外接圆的圆心，并记录构造出的圆心和半径。
在进行步骤4-2之后，实质上是将图像的像素值二值化，正常情况会得出如图9所示的图像，进而拟合的圆如图8所示为三个指示灯的边界圆，而如图10、图11所示，是在直方图统计有误差的情况下的像素值二值化后的图，图10是产生多个目标边界的检测，而图11是更常见的检测结果为两个目标连通成一个目标对象的图像。
步骤5-1：在所有图像中构造统一的二维直角坐标系，将步骤3和步骤4中确定的所有组的圆心坐标合并到一起；
步骤5-2：并对合并后的所有圆心坐标进行直线拟合，求出拟合的直线方程；
步骤5-3：将图像在坐标系中按宽度三等分划分成三个等宽等高的三分矩形，计算合并后的所有圆心距离每个三分矩形中心的距离，判断出每个圆心归属的三分矩形区域；计算每个三分矩形区域内的所有圆心的平均x坐标，依据直线方程和平均x坐标确定一个平均y坐标，进而在每个三分矩形内确定一个平均点，判断每个圆心归属的三分矩形区域时，如果一个三分矩形区域没有检测到点，则依据直线方程和已知两点的距离推断出该点。
步骤6-1：选择UPS指示灯灯光颜色所属波段的单波段图像，在选择的图像中依据每个三分矩形区域内的平均点和该三分矩形区域内的所有圆心，在每个三分矩形区域内构造一个外接圆，再分别构造出每个外接圆的外接矩形，计算UPS指示灯灯光颜色所属波段上，三个外接矩形内的像素亮度平均值；
步骤6-2：对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；
最后得出如图12检测出的三个外接矩形，再判断像素亮度的平均值，发现最左边的外接矩形内的像素亮度大于平均值，最后得出是最左边的“运行”指示灯呈绿色，则该UPS指示灯指示的区域处于运行状态。
用本方法，对页岩气田生产场站的105张UPS照片进行测试，能准确检出105张，误检测0张，检测成功率为100%。
以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (9)

1.一种页岩气田生产场站UPS指示灯状态的自动识别方法，其特征在于：包括依次进行的以下步骤：
步骤1：采集包含UPS指示灯的三个指示灯的原始图像；
步骤2：对原始图像进行图像波段变换，分离出至少一个单波段图像；
步骤3：对分离出的所有单波段图像分别进行霍夫圆检测，每个单波段图像确定一组圆心坐标；
步骤4：对分离出的所有单波段图像分别进行图像直方图统计，在单波段图像和/或原始图像中确定出至少一组圆心坐标；
步骤5：将步骤3和步骤4中确定的所有组的圆心坐标合并到一起，并对合并后的所有圆心坐标进行直线拟合，根据直线拟合结果一一识别出三个指示灯对应的区域；
步骤6：选择一个单波段图像，在原始图像或选择的单波段图像上根据找出的三个指示灯区域的亮度值，判断出处于亮灯状态的指示灯；
所述步骤5主要包括依次进行的以下步骤：
步骤5-1：在所有图像中构造统一的二维直角坐标系，将步骤3和步骤4中确定的所有组的圆心坐标合并到一起；
步骤5-2：并对合并后的所有圆心坐标进行直线拟合，求出拟合的直线方程；
步骤5-3：将图像在坐标系中按宽度三等分划分成三个等宽等高的三分矩形，计算合并后的所有圆心距离每个三分矩形中心的距离，判断出每个圆心归属的三分矩形区域；计算每个三分矩形区域内的所有圆心的平均x坐标，依据直线方程和平均x坐标确定一个平均y坐标，进而在每个三分矩形内确定一个平均点。
2.根据权利要求1所述的一种页岩气田生产场站UPS指示灯状态的自动识别方法，其特征在于：所述步骤2具体为，将采集到的UPS指示灯的原始图像进行图像波段变换，在波段变换后的图像中分离出蓝色单波段图像、绿色单波段图像和红色单波段图像三个单波段图像。
3.根据权利要求1所述的一种页岩气田生产场站UPS指示灯状态的自动识别方法，其特征在于：所述步骤4主要包括依次进行的以下步骤：
步骤4-1：对步骤2中分离出来的所有单波段图像进行图像直方图统计，每幅单波段图像得到一幅直方图，获取每幅直方图中峰值对应的像素值，在每幅单波段图像中根据该单波段图像的直方图峰值的像素值确定一个预设阈值m；
步骤4-2：置空每幅单波段图像中像素值小于该单波段图像的预设阈值m的像素，然后消除图像背景，保留目标边界；
步骤4-3：对消除了背景的图像进行形态学分析，做图像的闭操作，剔除图像噪声，保留目标特征；
步骤4-4：对保留了目标特征的图像进行图像边界查找，查找出目标边界，对查找到的目标边界进行最小外接圆拟合，构造出外接圆的圆心，并记录构造出的圆心和半径。
4.根据权利要求3所述的一种页岩气田生产场站UPS指示灯状态的自动识别方法，其特征在于：所述每幅单波段图像的预设阈值m是该单波段图像中直方图峰值对应的像素值的一半。
5.根据权利要求1所述的一种页岩气田生产场站UPS指示灯状态的自动识别方法，其特征在于：所述步骤4主要包括依次进行的以下步骤：
步骤4-1：对步骤2中分离出来的所有单波段图像进行图像直方图统计，每幅单波段图像得到一幅直方图，获取每幅直方图中峰值对应的像素值，在每幅单波段图像中根据该单波段图像的直方图峰值的像素值确定一个预设阈值m’；
步骤4-2：置空原始图像中像素值小于预设阈值m’的像素，然后消除图像背景，保留目标边界；
步骤4-3：对消除了背景的图像进行形态学分析，做图像的闭操作，剔除图像噪声，保留目标特征；
步骤4-4：对保留了目标特征的图像进行图像边界查找，查找出目标边界，对查找到的目标边界进行最小外接圆拟合，构造出外接圆的圆心，并记录构造出的圆心和半径。
6.根据权利要求5所述的一种页岩气田生产场站UPS指示灯状态的自动识别方法，其特征在于：所述原始图像的预设阈值m’是所有单波段图像中直方图峰值对应的像素值的一半的最小值。
7.根据权利要求1所述的一种页岩气田生产场站UPS指示灯状态的自动识别方法，其特征在于：所述步骤5-3中判断每个圆心归属的三分矩形区域时，如果一个三分矩形区域没有检测到点，则依据直线方程和已知两点的距离推断出该点。
8.根据权利要求1所述的一种页岩气田生产场站UPS指示灯状态的自动识别方法，其特征在于：所述步骤6主要包括依次进行的以下步骤：
步骤6-1：选择原始图像或UPS指示灯灯光颜色所属波段的单波段图像，在选择的图像中依据每个三分矩形区域内的平均点和该三分矩形区域内的所有圆心，在每个三分矩形区域内构造一个外接圆，再分别构造出每个外接圆的外接矩形，计算UPS指示灯灯光颜色所属波段上，三个外接矩形内的像素亮度平均值；
步骤6-2：当在步骤6-1中选择UPS指示灯灯光颜色所属波段的单波段图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于另外两个外接矩形的像素亮度平均值，判断该灯处于通路状态；
当在步骤6-1中选择原始图像时，对求解出的像素亮度平均值进行统计分析，如果其中一个外接矩形的像素亮度平均值大于三个外接矩形像素亮度平均值的均值，且大于该外接矩形的其他波段的像素亮度平均值，并且还大于另外两个外接矩形在UPS指示灯灯光颜色所属波段上的像素亮度平均值，判断该灯处于通路状态。
9.根据权利要求1所述的一种页岩气田生产场站UPS指示灯状态的自动识别方法，其特征在于：所述步骤5中对合并后的圆心坐标进行直线拟合时，设定拟合的直线为一条水平向的直线，直线方程为y＝k，k为常数。
CN202010713383.2A 2020-07-22 2020-07-22 一种页岩气田生产场站ups指示灯状态的自动识别方法 Active CN112036392B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010713383.2A CN112036392B (zh) 2020-07-22 2020-07-22 一种页岩气田生产场站ups指示灯状态的自动识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010713383.2A CN112036392B (zh) 2020-07-22 2020-07-22 一种页岩气田生产场站ups指示灯状态的自动识别方法

Publications (2)

Publication Number Publication Date
CN112036392A CN112036392A (zh) 2020-12-04
CN112036392B true CN112036392B (zh) 2022-05-03

Family

ID=73582922

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010713383.2A Active CN112036392B (zh) 2020-07-22 2020-07-22 一种页岩气田生产场站ups指示灯状态的自动识别方法

Country Status (1)

Country Link
CN (1) CN112036392B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102354457A (zh) * 2011-10-24 2012-02-15 复旦大学 基于广义霍夫变换的交通信号灯位置检测方法
CN102663345A (zh) * 2012-03-07 2012-09-12 中盟智能科技（苏州）有限公司 自动识别红绿灯的方法及装置
KR20160148850A (ko) * 2015-06-17 2016-12-27 한밭대학교 산학협력단 교통신호등의 특징점 추출에 기초한 교통신호등의 검출과 인식 방법
CN107506760A (zh) * 2017-08-04 2017-12-22 西南大学 基于gps定位与视觉图像处理的交通信号检测方法及系统
CN109063619A (zh) * 2018-07-25 2018-12-21 东北大学 一种基于自适应背景抑制滤波器和组合方向梯度直方图的交通信号灯检测方法和系统
CN109308447A (zh) * 2018-07-29 2019-02-05 国网上海市电力公司 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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107978165A (zh) * 2017-12-12 2018-05-01 南京理工大学 基于计算机视觉的交叉口标志标线与信号灯智能感知方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102354457A (zh) * 2011-10-24 2012-02-15 复旦大学 基于广义霍夫变换的交通信号灯位置检测方法
CN102663345A (zh) * 2012-03-07 2012-09-12 中盟智能科技（苏州）有限公司 自动识别红绿灯的方法及装置
KR20160148850A (ko) * 2015-06-17 2016-12-27 한밭대학교 산학협력단 교통신호등의 특징점 추출에 기초한 교통신호등의 검출과 인식 방법
CN107506760A (zh) * 2017-08-04 2017-12-22 西南大学 基于gps定位与视觉图像处理的交通信号检测方法及系统
CN109063619A (zh) * 2018-07-25 2018-12-21 东北大学 一种基于自适应背景抑制滤波器和组合方向梯度直方图的交通信号灯检测方法和系统
CN109308447A (zh) * 2018-07-29 2019-02-05 国网上海市电力公司 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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于形态学变换和支持向量机的交通灯检测识别算法;高超;《中国优秀博硕士学位论文全文数据库（硕士） 信息科技辑》;20150315(第03期);全文 *

Also Published As

Publication number Publication date
CN112036392A (zh) 2020-12-04

Similar Documents

Publication Publication Date Title
CN102496282B (zh) 一种rgb颜色变换的交通路口信号灯状态识别方法
US8498449B2 (en) Eye detecting device, eye detecting method, and program
CN102663358B (zh) 变电站二次保护设备运行状态的视频图像识别方法
CN109145708B (zh) 一种基于rgb和d信息融合的人流量统计方法
CN107590499B (zh) 一种基于视频的设备led指示灯状态监测方法及系统
EP2833288A1 (en) Face calibration method and system, and computer storage medium
CN106446926A (zh) 一种基于视频分析的变电站工人安全帽佩戴检测方法
CN110992725B (zh) 用于检测交通信号灯故障的方法、系统及存储介质
CN103761529A (zh) 一种基于多色彩模型和矩形特征的明火检测方法和系统
CN107103330A (zh) 一种指示灯状态识别方法和装置
CN112507865B (zh) 一种烟雾识别方法及识别装置
CN109087363B (zh) 一种基于hsv颜色空间的污水排放检测方法
WO2018010386A1 (zh) 元件反件检测方法和系统
CN112364740B (zh) 一种基于计算机视觉的无人机房监控方法及系统
CN112395928A (zh) 一种设备状态运行自动检测的方法
CN111639568A (zh) 一种用于变电站智能机器人的导航巡视方法
CN106709412A (zh) 交通标志检测方法和装置
CN113096060B (zh) 一种颜色异常灯珠的定位方法、装置及存储介质
CN113345036B (zh) 基于hsv特征变换的指示灯状态识别方法
CN112036391A (zh) 一种基于页岩气田生产站场的电子巡检方法及系统
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
WO2018078582A1 (en) Method for distinguishing fresh meat from meat subjected to freezing by means of analysis of images of muscle tissue and corresponding system arranged to execute said method
CN111160080A (zh) 一种基于图像识别的汽车外观一致性检测智能系统
CN116052041A (zh) 基于深度网络的指示灯状态识别方法
CN114757962A (zh) 一种架空线路山火识别方法

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
GR01 Patent grant
GR01 Patent grant