CN112634352B - 一种变电站鱼眼式分合闸状态识别方法与系统 - Google Patents
一种变电站鱼眼式分合闸状态识别方法与系统 Download PDFInfo
- Publication number
- CN112634352B CN112634352B CN202011195166.5A CN202011195166A CN112634352B CN 112634352 B CN112634352 B CN 112634352B CN 202011195166 A CN202011195166 A CN 202011195166A CN 112634352 B CN112634352 B CN 112634352B
- Authority
- CN
- China
- Prior art keywords
- observation window
- opening
- image
- closing
- indicator
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 claims description 33
- 238000010191 image analysis Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 2
- 238000004445 quantitative analysis Methods 0.000 abstract description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000006698 induction Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开公开的一种变电站鱼眼式分合闸状态识别方法与系统，包括：实时采集指示器图像；根据获得的指示器图像，确定每个观察窗口的两条边界线位置和观察窗口内字符的类型和位置；以两个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，获得圆心与终点的连线偏离观察窗口边界线的角度，通过该角度识别分合闸的分合状态。通过垂直获取指示器图像，并对指示器图像进行分析，获取了以两个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，圆心与终点的连线偏离观察窗口边界线的角度，通过该角度识别分合闸的分合状态，实现了对分合闸分合到位程度的量化分析。
Description
技术领域
本公开涉及一种变电站鱼眼式分合闸状态识别方法与系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
GIS设备因其占地面积少、性能稳定等优点，在电力系统内被大量运用。由于GIS设备是密封型设备，外部不能直接观察内部设备到位情况，所以只能借助外部指示和操作机构指示牌间接体现。
但随之而来的问题有：GIS中的隔离开关、接地开关密封在设备内部，其分合闸位置无法直接目测观察，常规仅能依据开关的行程辅助开关及传动指示牌来判断。
如果GIS隔离开关分合不到位，则会引起设备事故，且GIS设备发生事故时，处理难度较大，恢复供电慢，事故处理费用高，为GIS设备使用带来隐患。因此，在操作过程中准确判断GIS隔离开关是否到位是十分重要的。
现有技术中，通过磁感应传感器对隔离开关的分合状态进行判断，通过控制指针层上的激励线圈发送激励，检测表盘上的接收线圈形成相应，判断变电站隔离开关的刀闸分合状态，从而判断GIS隔离开关是否分合到位，此外，现有技术中还有使用微动开关和位姿传感器进行隔离开关分合状态的判断。
发明人认为，通过磁感应传感器、微动开关和位姿传感器判断隔离开关的分合状态时，均需要停电安装和检修，维护不方便，无自检功能，且无法客观量化隔离开关的分合到位程度，无法输出异常状态信息。
发明内容
本公开为了解决上述问题，提出了一种变电站鱼眼式分合闸状态识别方法与系统，通过垂直获取指示器图像，并对指示器图像进行分析，获取了以两个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，圆心与终点的连线偏离观察窗口边界的角度，该角度识别分合闸的分合状态，实现了通过角度对分合闸分合到位程度的量化分析。
为实现上述目的，本公开采用如下技术方案：
在一个或多个实施例中，公开了一种变电站鱼眼式分合闸状态识别方法，包括：
实时采集指示器图像；
根据获得的指示器图像，确定每个观察窗口的两条边界线位置和观察窗口内字符的类型和位置；
以两个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，获得圆心与终点的连线偏离观察窗口边界线的角度，通过该角度识别分合闸的分合状态。
进一步的，将两个观察窗口获得的角度取平均值，通过平均值识别分合闸的分合状态。
进一步的，获取观察窗口的边界线位置和观察窗口内字符类型和位置的具体过程为：
根据采集的指示器图像，获取两个观察窗口位置；
通过每个观察窗口位置，确定每个观察窗口的两条边界线；
扣取观察窗口图像，并提取观察窗口图像内字符，获得字符在观察窗口内的位置信息；
对提取的字符进行识别，确定字符的类型。
进一步的，在确定每个观察窗口的两条边界线之前，还对采集的指示器图像进行故障判断，当故障判断分合闸指示器无遮挡时，进一步计算每个观察窗口的两条边界线。
在一个或多个实施例中，提出了一种变电站鱼眼式分合闸状态识别系统，包括：
图像采集模块，用于垂直拍摄鱼眼式分合闸指示器，获得指示器图像；
图像分析算法模块，用于对指示器图像进行分析，确定每个观察窗口的两条边界线位置和观察窗口内字符的类型和位置；以两个观察窗口的两条边界线连线的交点为圆心，以两个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，获得圆心与终点的连线偏离观察窗口边界线的角度，通过该角度识别分合闸的分合状态。
在一个或多个实施例中，提出了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成所述的一种变电站鱼眼式分合闸状态识别方法的步骤。
与现有技术相比，本公开的有益效果为：
1、本公开通过获取分合闸指示器图像，进而对指示器图像进行分析的方式，判断分合闸的分合状态，在安装图像采集模块时，无需对分合闸进行断电，实现了分合闸状态识别系统的带电安装。
2、本公开在判断分合闸的分合状态时，分析获得了以两个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，圆心与终点的连线偏离观察窗口边界线的角度，通过该角度对分合闸的分合状态进行识别，实现了对分合闸分合程度的量化分析，方便操作人员更加准确的判断当前分合闸的分合状态。
3、本公开在对分合闸的分合程度进行量化分析时，获取了两个观察窗口的体现分合闸分合程度的角度值，将两个观察窗口获得的角度取平均值，通过平均值识别分合闸的分合状态，使对分合闸分合状态的识别更准确。
4、本公开在对分合闸的分合程度量化分析时，还通过yolov3检测算法对分合闸指示器进行了故障检测，通过故障检测判断指示器是否存在遮挡，只有在无遮挡的情况下，才会进一步的对指示器图像进行分析，进而实现分合闸分合到位程度的量化分析，通过故障检测进一步保证了分合闸分合到位程度量化分析的准确性。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，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。
图1为本公开实施例1流程图。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。
本公开中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本公开中的具体含义，不能理解为对本公开的限制。
实施例1
鱼眼式分合闸指示器，包括，外壳，在外壳上设置了透明的观察窗口和不透明的阴影部分和与观察窗口和阴影部分相对应的印有“分”或“合”字样的指示牌，其中，观察窗口为两个，当指示牌上的合字位于观察窗口内时，鱼眼式分合闸处于闭合状态，当指示牌上的分字位于观察窗口内时，鱼眼式分合闸处于分开状态。
本实施例为了实现通过采集指示器图像，进而对指示器图像进行从而识别鱼眼式分合闸的分合状态，实现对分合闸分合程度的量化分析，公开了一种变电站鱼眼式分合闸状态识别方法，如图1所示，包括：
实时采集指示器图像；
根据获得的指示器图像，确定每个观察窗口的两条边界线位置和观察窗口内字符的类型和位置；
以两个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，获得圆心与终点的连线偏离观察窗口边界线的角度，通过该角度识别分合闸的分合状态。
进一步的，将两个观察窗口获得的角度取平均值，通过平均值识别分合闸的分合状态。
进一步的，获取观察窗口的边界线位置和观察窗口内字符类型和位置的具体过程为：
根据采集的指示器图像，获取两个观察窗口位置；
通过每个观察窗口位置，确定每个观察窗口的两条边界线；
扣取观察窗口图像，并提取观察窗口图像内字符，获得字符在观察窗口内的位置信息；
对提取的字符进行识别，确定字符的类型。
进一步的，在确定每个观察窗口的两条边界线之前，还对采集的指示器图像进行故障判断，当故障判断分合闸指示器无遮挡时，进一步计算每个观察窗口的两条边界线。
进一步的，将指示器图像输入至训练好的mobilenetv2骨干网络中，采用yolov3检测算法对指示器图像进行分析，输出分合闸指示器和两个观察窗口的位置信息及检测得分，当检测得分大于设定阈值时，判断分合闸指示器无遮挡，否则，人工判断是否有遮挡。
进一步的，将指示器图像根据确定的观察窗口位置扣取图像，获得观察窗口图像，采用基于Hough变换的直线检测算法对观察窗口图像进行分析，识别出观察窗口的两条边界线和观察窗口的精确位置。
进一步的，识别观察窗口图像中的掩模图像，并将掩模图像扣取出来，转换到HSV颜色空间，扣取前景字符图像，从而精确定位字符在观察窗口内的位置。
进一步的，基于NCC的模板匹配算法对扣取的前景字符图像进行分析，确定字符的类型。
进一步的，指示器图像通过图像采集模块垂直拍摄鱼眼式分合闸指示器获得。
具体步骤如下：
(1)通过图像采集模块垂直拍摄鱼眼式分合闸指示器获得指示器图像，将图像传入图像分析算法模块。
图像采集模块为摄像头，摄像头能够垂直拍摄鱼眼式分合闸指示器。
(2)图像分析算法模块，对指示器图像进行分析获得分合闸分合状态量化值，具体包括以下步骤：
(2.1)故障检测：通过yolov3检测算法对指示器图像进行分析，输出两个检测窗口的位置，并判断指示器有无遮挡，具体为：将指示器图像输入至训练好的mobilenetv2骨干网络中，采用yolov3检测算法对指示器图像进行分析，输出分合闸指示器和两个观察窗口的位置信息及检测得分，当检测得分大于设定阈值0.5时，判断分合闸指示器无遮挡，继续后续算法分析，否则，则提示故障状态，需要人工检查指示器是否被遮挡，或摄像头是否被遮挡。
训练好的mobilenetv2骨干网络通过已有的分合闸指示器数据基于Pytorch训练框架训练获得，训练网络的分辨率为416×416，已有的分合闸指示器数据包括分合闸指示器的外边框位置信息以及观察窗口的位置信息，设定检测得分阈值为0.5；将指示器图像输入至训练好的mobilenetv2骨干网络中，输出指示器位置和两个观察窗口的位置，及指示器和两个观察窗口的检测得分，当三者的检测得分均大于0.5时，认为分合闸指示器没有被遮挡。将检测得分阈值设置为0.5时，测试准确率接近100％。
(2.2)直线检测：将指示器图像根据确定的观察窗口位置扣取图像，获得观察窗口图像，采用基于Hough变换的直线检测算法对观察窗口图像进行分析，识别出观察窗口的两条边界线和观察窗口的精确位置。
具体为：基于Hough变换的直线检测方法，首先要对观察窗口位置附近的区域进行抠图，获得观察窗口图像，然后对其进行自适应阈值二值化操作，其次在使用形态学闭运算消除毛刺，最后在二值图像上使用Hough变换直线检测算法检测观察窗口的左右两条边界线，获得观察窗口的精确位置。
(2.3)字符检测：将观察窗口的掩模图像扣取出来，转换到HSV颜色空间，设定颜色提取范围，扣取前景字符图像，从而精确定位字符在观察窗口内的位置信息。
具体为：识别确定边界的观察窗口图像中的掩模图像，并将掩模图像扣取出来，转换到HSV颜色空间，设定颜色提取范围，扣取前景字符图像，从而精确定位字符在观察窗口内的位置信息。扣取确定边界的观察窗口内图像，将该图像从原始的RGB颜色空间转换到HSV颜色空间，通过使用固定阈值限制来提取分合字符。其中绿色的三通道最小值是[35,43,46]，最大值是[77,255,255]；红色的HSV三通道最小值是[0,43,46]和[156,43,46]，最大值是[77,255,255]和[180,255,255]。
(2.4)字符识别：基于NCC的模板匹配算法对扣取的前景字符图像进行分析，确定字符的类型，字符的类型为分或合。
基于NCC的模板匹配算法确定字符类型具体为：在用基于NCC的模板匹配算法，使用预设的分合字符与观察窗口内定位到的字符进行匹配，得分最高的字符即为观察窗口内的字符，其中NCC的模板匹配算法的公式为：
其中n表示模板的像素总数，u表示所有像素平均值，σ表示所有像素标准方差，模板匹配的步骤如下：
I)计算模板图像的均值和标准方差，模板图像为预设的分合字符图像。
II)在目标图像上从上到下、从左到右来移动窗口，包括：计算每个移动窗口的均值和标准方法；将模板图像与移动窗口计算NCC值；目标图像为观察窗口内提取的字符图像。
III)选择所有NCC值中的最大值所在的位置作为最优匹配位置，预设的分合字符与观察窗口内定位到的字符进行匹配，得分最高的字符即为观察窗口内的字符。
(2.5)角度量化：将两个观察窗口的两条边界线连接，交点作为观察窗口的圆心，将观察窗口内字符位置作为终点，圆心与终点的连线偏离观察窗口边界线的角度，该角度即为量化后的分合闸分合到位程度，将上下或者左右两个观察窗口获得的角度取平均值，作为最终的分合闸分合到位程度的量化值，通过平均值识别分合闸的分合状态。
1、本实施例通过获取分合闸指示器图像，进而对指示器图像进行分析的方式，判断分合闸的分合状态，在安装图像采集模块时，无需对分合闸进行断电，实现了识别系统的带电安装。
2、本实施例在判断分合闸状态时，分析获得了以两个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，圆心与终点的连线偏离观察窗口边界线的角度，通过该角度识别分合闸分合状态，实现了分合闸分合程度的量化分析，方便操作人员更加准确的判断当前分合闸的分合状态。
3、本实施例在对分合闸的分合程度进行量化分析时，获取了两个观察窗口的体现分合闸分合程度的角度值，将两个观察窗口获得的角度取平均值，通过平均值识别分合闸的分合状态，使对分合闸分合状态的识别更准确。
4、本实施例在对分合闸的分合程度量化分析时，还通过yolov3检测算法对分合闸指示器进行了故障检测，通过故障检测判断指示器是否存在遮挡，只有在无遮挡的情况下，才会进一步的对指示器图像进行分析，进而实现分合闸分合到位程度的量化分析，通过故障检测进一步保证了分合闸分合到位程度量化分析的准确性。
采用基于图像分析对分合闸分合状态识别，与传统的磁感应传感器、微动开关和位姿传感器分合闸状态识别方法相比，本实施例的方法，无需在分合闸停电状态下安装，可以校验摄像头或者分合闸的故障状态，不仅能能够判断出分合闸处于分或合状态，还能够对分合闸分合程度进行量化分析，方便操作人员更加准确判断当前分合闸的分合状态。基于本实施例公开的识别方法，在大规模测试集上进行验证测试，分合闸指示器状态判断准确率不低于98％。
实施例2
在该实施例中，公开了一种变电站鱼眼式分合闸状态识别系统，包括：
图像采集模块，用于垂直拍摄鱼眼式分合闸指示器，获得指示器图像；
图像分析算法模块，用于对指示器图像进行分析，确定每个观察窗口的两条边界线位置和观察窗口内字符的类型和位置；以两个观察窗口的两条边界线连线的交点为圆心，以两个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，获得圆心与终点的连线偏离观察窗口边界线的角度，通过该角度识别分合闸的分合状态。
实施例3
在该实施例中，公开了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例1公开的一种变电站鱼眼式分合闸状态识别方法的步骤。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (7)
1.一种变电站鱼眼式分合闸状态识别方法，其特征在于，包括：
实时采集指示器图像；
根据获得的指示器图像，确定每个观察窗口的两条边界线位置和观察窗口内字符的类型和位置；
在确定每个观察窗口的两条边界线之前，还对采集的指示器图像进行故障判断，当故障判断分合闸指示器无遮挡时，进一步识别每个观察窗口的两条边界线；将指示器图像输入至训练好的mobilenetv2骨干网络中，采用yolov3检测算法对指示器图像进行分析，输出两个观察窗口的位置信息及检测得分，当检测得分大于设定阈值时，判断分合闸指示器无遮挡，否则，人工判断是否有遮挡；
以每个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，获得圆心与终点的连线偏离观察窗口边界线的角度；
将两个观察窗口获得的角度取平均值，通过平均值识别分合闸的分合状态。
2.如权利要求1所述的一种变电站鱼眼式分合闸状态识别方法，其特征在于，获取观察窗口的边界线位置和观察窗口内字符类型和位置的具体过程为：
根据采集的指示器图像，获取两个观察窗口位置；
通过每个观察窗口位置，确定每个观察窗口的两条边界线；
扣取观察窗口图像，并提取观察窗口图像内字符，获得字符在观察窗口内的位置信息；
对提取的字符进行识别，确定字符的类型。
3.如权利要求2所述的一种变电站鱼眼式分合闸状态识别方法，其特征在于，将指示器图像根据确定的观察窗口位置扣取图像，获得观察窗口图像，采用基于Hough变换的直线检测算法对观察窗口图像进行分析，识别出观察窗口的两条边界线和观察窗口的精确位置。
4.如权利要求2所述的一种变电站鱼眼式分合闸状态识别方法，其特征在于，识别观察窗口图像中的掩模图像，并将掩模图像扣取出来，转换到HSV颜色空间，扣取前景字符图像，从而精确定位字符在观察窗口内的位置。
5.如权利要求2所述的一种变电站鱼眼式分合闸状态识别方法，其特征在于，基于NCC的模板匹配算法对扣取的前景字符图像进行分析，确定字符的类型。
6.一种变电站鱼眼式分合闸状态识别系统，采用权利要求1-5任一项权利要求所述的变电站鱼眼式分合闸状态识别方法，其特征在于，包括：
图像采集模块，用于垂直拍摄鱼眼式分合闸指示器，获得指示器图像；
图像分析算法模块，用于对指示器图像进行分析，确定每个观察窗口的两条边界线位置和观察窗口内字符的类型和位置；以每个观察窗口的两条边界线连线的交点为圆心，以观察窗口内字符的位置为终点，获得圆心与终点的连线偏离观察窗口边界线的角度；具体将两个观察窗口获得的角度取平均值，通过平均值识别分合闸的分合状态。
7.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-5任一项所述的一种变电站鱼眼式分合闸状态识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011195166.5A CN112634352B (zh) | 2020-10-30 | 2020-10-30 | 一种变电站鱼眼式分合闸状态识别方法与系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011195166.5A CN112634352B (zh) | 2020-10-30 | 2020-10-30 | 一种变电站鱼眼式分合闸状态识别方法与系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112634352A CN112634352A (zh) | 2021-04-09 |
| CN112634352B true CN112634352B (zh) | 2023-02-17 |
Family
ID=75303197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011195166.5A Active CN112634352B (zh) | 2020-10-30 | 2020-10-30 | 一种变电站鱼眼式分合闸状态识别方法与系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112634352B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105894015A (zh) * | 2016-03-28 | 2016-08-24 | 国网浙江省电力公司宁波供电公司 | 一种道闸状态分析方法和系统 |
| CN110222764A (zh) * | 2019-06-10 | 2019-09-10 | 中南民族大学 | 遮挡目标检测方法、系统、设备及存储介质 |
| CN110647880A (zh) * | 2019-08-12 | 2020-01-03 | 深圳市华付信息技术有限公司 | 一种移动端身份证图像遮挡判断方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006011141A2 (en) * | 2004-07-25 | 2006-02-02 | Israel Aerospace Industries Ltd. | Method and system for the acquisition of data and for the display of data |
| US10147025B2 (en) * | 2012-07-17 | 2018-12-04 | Shockwatch, Inc. | Visual indicator status recognition |
-
2020
- 2020-10-30 CN CN202011195166.5A patent/CN112634352B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN105894015A (zh) * | 2016-03-28 | 2016-08-24 | 国网浙江省电力公司宁波供电公司 | 一种道闸状态分析方法和系统 |
| CN110222764A (zh) * | 2019-06-10 | 2019-09-10 | 中南民族大学 | 遮挡目标检测方法、系统、设备及存储介质 |
| CN110647880A (zh) * | 2019-08-12 | 2020-01-03 | 深圳市华付信息技术有限公司 | 一种移动端身份证图像遮挡判断方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于HOG和SVM的高压隔离开关分合闸状态自动识别技术研究;腾云 等;《高压电器》;20200916;第246-251页 * |
| 隔离开关图像数据扩充方法及其在自动状态识别中的应用;刘梓权 等;《高电压技术》;20200229;第441-447页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112634352A (zh) | 2021-04-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109271844B (zh) | 基于OpenCV的电气柜电气符号识别方法 | |
| CN110826538B (zh) | 一种用于电力营业厅的异常离岗识别系统 | |
| CN108537154A (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
| CN105404867B (zh) | 一种基于视觉的变电站隔离开关状态识别方法 | |
| CN107257161A (zh) | 一种基于状态识别算法的变电站刀闸遥控辅助校核方法及系统 | |
| CN112364740B (zh) | 一种基于计算机视觉的无人机房监控方法及系统 | |
| CN112508019B (zh) | 基于图像识别的gis隔离/接地开关状态检测方法及系统 | |
| CN111199250A (zh) | 一种基于机器学习的变电站空气开关状态校核方法及装置 | |
| CN110348380A (zh) | 一种可视化接地刀闸状态视频识别系统及方法 | |
| CN106371013A (zh) | 一种基于图片识别的gis开关故障自动识别系统 | |
| CN109308448A (zh) | 一种采用图像处理技术来防止变配电误操作的方法 | |
| CN113688817A (zh) | 一种自动巡检的仪表识别方法及识别系统 | |
| CN114241040A (zh) | 一种变电站刀闸状态和合闸不到位的检测方法及其系统 | |
| CN112634352B (zh) | 一种变电站鱼眼式分合闸状态识别方法与系统 | |
| CN109509169A (zh) | 基于近邻分类的距离度量学习的压板状态检测装置与方法 | |
| CN114078234B (zh) | 供电台区施工工艺的检测方法、系统、存储介质及设备 | |
| CN113807244B (zh) | 一种基于深度学习的机柜布置图绘制方法 | |
| CN115454648A (zh) | 一种电力系统二次设备压板异常状态的巡检系统及方法 | |
| CN102004537B (zh) | 系统上下电控制装置和方法 | |
| CN115359003A (zh) | 两步式隧道灰度图像的裂缝识别方法、系统、介质及设备 | |
| CN115205747A (zh) | 一种基于图像识别的道路自动化检测系统 | |
| CN113850344A (zh) | 一种巡检机器人设备识别方法及系统 | |
| CN113780224A (zh) | 一种变电站无人化巡视方法及系统 | |
| CN206546417U (zh) | 一种基于图片识别的gis开关故障自动识别系统 | |
| CN116863333B (zh) | Fsu设备工作状态的ai智能检测方法 |
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 |