CN115619751A - 一种基于计算机视觉的瓦斯继电器油位测量方法 - Google Patents
一种基于计算机视觉的瓦斯继电器油位测量方法 Download PDFInfo
- Publication number
- CN115619751A CN115619751A CN202211331661.3A CN202211331661A CN115619751A CN 115619751 A CN115619751 A CN 115619751A CN 202211331661 A CN202211331661 A CN 202211331661A CN 115619751 A CN115619751 A CN 115619751A
- Authority
- CN
- China
- Prior art keywords
- oil
- image
- gas relay
- edge
- oil level
- 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 40
- 238000003708 edge detection Methods 0.000 claims abstract description 11
- 230000011218 segmentation Effects 0.000 claims abstract description 6
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 230000002708 enhancing effect Effects 0.000 claims abstract description 3
- 230000000694 effects Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 239000007788 liquid Substances 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 5
- 238000000691 measurement method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 238000004804 winding Methods 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
- G06T7/0002—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
- 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
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于计算机视觉的瓦斯继电器油位测量方法,步骤如下:S1、根据实际需求,采集到的图像中只有部分区域是含有有效信息的,进行ROI区域提取;S2、对图像进行增强处理,去除高频噪声提高图像质量;S3、将图像转换颜色空间域;S4、瓦斯继电器油位变化时背景复杂度发生明显变化,通过canny边缘检测提取出其边缘,判断出区域油位状态;S5、通过不同的边缘判别条件来确定报警状态。本发明利用图像处理技术,与添加传感器的方式相比,节省了资金,提高了检测的安全性;本方法通过结构复杂度变化规律推算液位,与传统的阈值分割方法相比,更具有针对性,具有一定的工程应用价值。
Description
技术领域
本发明涉及一种基于计算机视觉的瓦斯继电器油位测量方法,属于电气工程领域。
背景技术
瓦斯继电器是变压器安全运行的重要保护组件,在变压器内部发生故障,如绕组断线、铁芯接地、套管引线故障、匝间和层间短路及绝缘劣化、导线焊接不良或分接开关接触不良、油面下降或漏油等,变压器内部会产生故障气体或造成油流涌动,从而触发继电器动作告警或跳闸,保护变压器设备安全。
相关测量方法可分为直接测量和间接测量,直接测量方法主要依靠瓦斯继电器内部机械结构,可以由油位降低引起轻瓦斯报警和重瓦斯报警。但是由于其机械结构会出现老化,引起电力事故,所以亟需引入其他的测量方式作为补充。传统的简介测量方法通过在瓦斯继电器内部挡板上添加传感器,从而测量到其内部的油位变化。但是这种方式需要在瓦斯继电器内部添加元件,其造价较高且安全性未知。
上述方法具有一定的弊端,为克服以上缺陷,提高瓦斯继电器的运行安全性,简化测量过程,提出一种基于计算机视觉的瓦斯继电器油位测量方法,其原理主要是通过在瓦斯继电器固定的相对位置安装工业摄像头,采集到包含瓦斯继电器窗口的图像,通过Rect函数提取出感兴趣区域;通过直方图均衡化对采集到的图像进行增强,去除高频噪声提高图像质量;通过颜色空间转换将增强后的图像转换到更适合提取油位的HSV颜色空间;通过canny边缘检测方法,提取出HSV图像的边缘信息;最后通过统计学的方式结合canny边缘复杂度的情况,判断出瓦斯继电器油位。
专利CN201911301610.4提出了一种基于挡板转角和重瓦斯信号的瓦斯继电器状态识别方法,通过在瓦斯继电器挡板转轴外伸处加装角度传感器,用于实时测量瓦斯继电器动作时挡板的转角;同步采集瓦斯继电器重瓦斯信号的电平值和挡板的转角,并将两路信号的测量值与重瓦斯动作的设定值进行比较,依据判断结果输出瓦斯继电器的工作状态;挡板转角未达到设定的最大转角、而重瓦斯信号为高电平,此时瓦斯继电器误动报警;挡板转角达到设定的最大转角、而重瓦斯信号为低电平,此时瓦斯继电器拒动报警。该方法的前提是在瓦斯继电器内部挡板上添加传感器,很难满足其安全要求。
专利CN202011356376.8提出了一种基于瓦斯继电器流速和压强的变压器重瓦斯动作整定方法,包括:采集油路管道的流速值、压强值和重瓦斯信号;施加不同程度的外部激励源至油路管道上,产生不同的涌动油流;基于实时采集的流速值、压强值和重瓦斯信号,分别生成不同涌动油流下的流速曲线图、压强曲线图和重瓦斯动作曲线图;基于流速曲线图、压强曲线图和重瓦斯动作曲线图,确定重瓦斯动作的流速整定值和压强整定值;基于流速整定值、压强整定值、以及实时采集的流速值和压强值,判定变压器的故障等级。该方法需安装多个传感器,成本较高;包含大量的理想实验条件,过程较为繁琐,引入误差较高。
发明内容
本发明旨在克服传统瓦斯继电器报警方式的不足,简化测量过程、提升测量精度,提出一种基于计算机视觉的瓦斯继电器油位测量方法,达到以下目的:
1、在轻瓦斯动作条件下,内部变压器油的裂解速度不快,油位缓慢下降,此时若瓦斯继电器油杯不动作,则会产生拒动,未能及时报警。针对该缺陷,本发明在瓦斯继电器固定的相对位置安装工业摄像头,实时监测判断瓦斯继电器油位,并对异常状态进行报警,此方式可以作为传统瓦斯继电器报警方式的补充。
2、在重瓦斯动作条件下,内部变压器油快速裂解产生较快的油流冲击当帮,油位迅速波动,此时若瓦斯继电器挡板不动作,则会产生拒动,不能及时报警。针对该缺陷,本发明在判断油位过程中添加背景复杂度波动报警,可以迅速捕捉瓦斯继电器的油位波动,及时产生重瓦斯报警,此方式可以有效提高电力系统的安全性,更好地保护电力变压器。
一种基于计算机视觉的瓦斯继电器油位测量方法,采用包括电脑,pycharm等软件,摄像头,摄像头支架以及相关配件。
步骤如下:
S1、根据实际需求,采集到的图像中只有部分区域是含有有效信息的,需要进行ROI区域提取
S2、图像整体质量不能满足后续图像处理的要求,需要先对图像进行增强处理,去除高频噪声提高图像质量。
S3、瓦斯继电器复杂背景不能被常规的图像处理方式去除,将图像转换颜色空间域后精度大幅提高。
S4、瓦斯继电器油位变化时背景复杂度发生明显变化,通过canny边缘检测可提取出其边缘,判断出区域油位状态。
S5、由于重瓦斯报警时与轻瓦斯报警状态完全不同,所以通过不同的边缘判别条件来确定报警状态。
具体的:
S1中使用Rect函数提取出感兴趣的矩形区域。
S2中采用直方图均衡化方法,通过将原始图像的灰度级均匀的拉伸到整个灰度范围内;首先计算图像的累计直方图,计算每个灰度级在图像中出现的概率,在累计直方图的基础上,对原有图像在灰度空间进行拉伸映射,即可实现图像的直方图均衡化。
S4中Canny边缘检测是基于多级边缘检测的算法,首先对图像进行灰度化,再通过对图像进行高斯滤波去除高频噪声,然后通过soble算子得到图像的方向和梯度,最后引入非极大值抑制和双阈值算法提取边缘信息。
S5中,采用基于边缘复杂度的分割方法,应用于顶部和底部,当油位发生变化时,油杯会随之运动,导致其透明窗口内的机械结构发生运动;随着油杯的向上运动,透明窗口内的结构边缘复杂度降低。同时由于光的折射作用,有油区域的背景,经光的折射会导致边缘结构的模糊化。两种作用的相互叠加,最终使得同一区域有油状态和无油状态的边缘复杂度存在明显的差异。经过canny检测处理后观察出结构复杂度的情况。瓦斯继电器同一区域窗口内结构边缘复杂度在无油状态下和有油状态下存在明显差异,区域状态由无油变为有油后,结构复杂度有所下降。使用canny边缘像素点的个数来表示区域结构复杂度,通过阈值处理的方式来判断该区域是否为有油区域。
本发明技术方案具有的技术效果:
1、本方法利用图像处理技术,与添加传感器的方式相比,节省了资金,提高了检测的安全性;
2、本方法通过结构复杂度变化规律推算液位,与传统的阈值分割方法相比,更具有针对性,具有一定的工程应用价值。
附图说明
图1是本发明流程图。
具体实施方式
结合实施例说明本发明的具体技术方案。
如图1所示,一种基于计算机视觉的瓦斯继电器油位测量方法,包括图像采集环节,ROI区域选取环节,图像增强环节,颜色空间转换环节,Canny边缘检测环节,复杂度判断油位环节,判断是否需要报警环节。
具体步骤如下:
S1、由于在现场采集到的图像中含有大量的无关背景信息等,只需要研究窗口部分的图像信息。又由于相机和瓦斯继电器的位置相对固定,所以可以使用Rect函数提取出感兴趣的矩形区域。该过程可以有效去除大量干扰,减少程序处理时间,简化后续工作。
S2、在图像处理过程中,图像增强是其重要的组成部分。由于大多数采集到的图像不够理想,可能存在一些噪声干扰。还可能由于采集时的阳光强度较差,存在视觉效果不理想的问题。直方图均衡化是一种经典的图像增强算法,通过将原始图像的灰度级均匀的拉伸到整个灰度范围内,从而实现视觉均衡的效果。首先计算图像的累计直方图,计算每个灰度级在图像中出现的概率,在累计直方图的基础上,对原有图像在灰度空间进行拉伸映射,即可实现图像的直方图均衡化。
S3、通过工业相机采集到的图像为RGB彩色图像,但是在RGB图像中,瓦斯继电器内部的复杂背景在常用的阈值分割液位提取算法中干扰极大。HSV图像结合canny算子检测的方式可以有效解决瓦斯继电器背景复杂的问题。
S4、Canny边缘检测是基于多级边缘检测的算法,首先对图像进行灰度化,再通过对图像进行高斯滤波去除高频噪声,然后通过soble算子得到图像的方向和梯度,最后引入非极大值抑制和双阈值算法提取边缘信息;
S5、采用基于边缘复杂度的分割方法应用于顶部和底部。该方法基于以下观测结果,由瓦斯继电器的工作原理可知,当油位发生变化时,油杯会随之运动,导致其透明窗口内的机械结构发生运动。观察发现随着油杯的向上运动,透明窗口内的结构边缘复杂度降低。同时由于光的折射作用,有油区域的背景,经光的折射会导致边缘结构的模糊化。两种作用的相互叠加,最终使得同一区域有油状态和无油状态的边缘复杂度存在明显的差异。经过canny检测处理后可观察出结构复杂度的情况。瓦斯继电器同一区域窗口内结构边缘复杂度在无油状态下和有油状态下存在明显差异,区域状态由无油变为有油后,结构复杂度有所下降。使用canny边缘像素点的个数来表示区域结构复杂度,通过阈值处理的方式来判断该区域是否为有油区域。
Claims (5)
1.一种基于计算机视觉的瓦斯继电器油位测量方法,其特征在于,步骤如下:
S1、根据实际需求,采集到的图像中只有部分区域是含有有效信息的,进行ROI区域提取;
S2、对图像进行增强处理,去除高频噪声提高图像质量;
S3、将图像转换颜色空间域;
S4、瓦斯继电器油位变化时背景复杂度发生明显变化,通过canny边缘检测提取出其边缘,判断出区域油位状态;
S5、通过不同的边缘判别条件来确定报警状态。
2.根据权利要求1所述的一种基于计算机视觉的瓦斯继电器油位测量方法,其特征在于,S1中使用Rect函数提取出感兴趣的矩形区域。
3.根据权利要求1所述的一种基于计算机视觉的瓦斯继电器油位测量方法,其特征在于,S2中采用直方图均衡化方法,通过将原始图像的灰度级均匀的拉伸到整个灰度范围内;首先计算图像的累计直方图,计算每个灰度级在图像中出现的概率,在累计直方图的基础上,对原有图像在灰度空间进行拉伸映射,即可实现图像的直方图均衡化。
4.根据权利要求1所述的一种基于计算机视觉的瓦斯继电器油位测量方法,其特征在于,S4中Canny边缘检测是基于多级边缘检测的算法,首先对图像进行灰度化,再通过对图像进行高斯滤波去除高频噪声,然后通过soble算子得到图像的方向和梯度,最后引入非极大值抑制和双阈值算法提取边缘信息。
5.根据权利要求1所述的一种基于计算机视觉的瓦斯继电器油位测量方法,其特征在于,S5中,采用基于边缘复杂度的分割方法,应用于顶部和底部,当油位发生变化时,油杯会随之运动,导致其透明窗口内的机械结构发生运动;随着油杯的向上运动,透明窗口内的结构边缘复杂度降低;同时由于光的折射作用,有油区域的背景,经光的折射会导致边缘结构的模糊化;两种作用的相互叠加,最终使得同一区域有油状态和无油状态的边缘复杂度存在明显的差异;经过canny检测处理后观察出结构复杂度的情况;瓦斯继电器同一区域窗口内结构边缘复杂度在无油状态下和有油状态下存在明显差异,区域状态由无油变为有油后,结构复杂度有所下降;使用canny边缘像素点的个数来表示区域结构复杂度,通过阈值处理的方式来判断该区域是否为有油区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211331661.3A CN115619751A (zh) | 2022-10-28 | 2022-10-28 | 一种基于计算机视觉的瓦斯继电器油位测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211331661.3A CN115619751A (zh) | 2022-10-28 | 2022-10-28 | 一种基于计算机视觉的瓦斯继电器油位测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115619751A true CN115619751A (zh) | 2023-01-17 |
Family
ID=84876802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211331661.3A Pending CN115619751A (zh) | 2022-10-28 | 2022-10-28 | 一种基于计算机视觉的瓦斯继电器油位测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115619751A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117268498A (zh) * | 2023-11-20 | 2023-12-22 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种油量测量方法及系统 |
-
2022
- 2022-10-28 CN CN202211331661.3A patent/CN115619751A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117268498A (zh) * | 2023-11-20 | 2023-12-22 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种油量测量方法及系统 |
CN117268498B (zh) * | 2023-11-20 | 2024-01-23 | 中国航空工业集团公司金城南京机电液压工程研究中心 | 一种油量测量方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993736B (zh) | 一种基于改进加权otsu算法的电气设备热成像分割查异方法 | |
CN106780486B (zh) | 一种钢板表面缺陷图像提取方法 | |
CN111260616A (zh) | 一种基于Canny算子二维阈值分割优化的绝缘子裂纹检测方法 | |
Peng et al. | Detection and analysis of large‐scale WT blade surface cracks based on UAV‐taken images | |
CN109191421B (zh) | 柱形锂电池圆周面凹坑视觉检测方法 | |
CN112215810B (zh) | 一种疲劳测试裂纹监测方法及装置 | |
CN115619751A (zh) | 一种基于计算机视觉的瓦斯继电器油位测量方法 | |
JP2020128877A (ja) | 線状体の異常検出装置及び異常検出方法 | |
CN105976398A (zh) | 一种白天火灾视频检测方法 | |
CN114112400A (zh) | 一种基于多角度信息融合的机械轴承故障诊断方法 | |
CN104297645A (zh) | 电气设备外部放电紫外检测分析方法及装置 | |
CN115205223A (zh) | 透明物体的视觉检测方法、装置、计算机设备及介质 | |
CN112508019A (zh) | 基于图像识别的gis隔离/接地开关状态检测方法及系统 | |
CN110913209B (zh) | 摄像头遮挡检测方法、装置、电子设备及监控系统 | |
CN110363749B (zh) | 基于图像处理的防震锤锈蚀程度评价方法 | |
CN116468726A (zh) | 一种在线异物线路检测方法及系统 | |
Zhang et al. | Detection and condition assessment of icicle bridging for suspension glass insulator by image analysis | |
CN109948629B (zh) | 一种基于sift特征的gis设备x射线图像故障检测方法 | |
CN116338449B (zh) | 一种断路器开关特性在线测试方法及系统 | |
Dai et al. | Leakage region detection of gas insulated equipment by applying infrared image processing technique | |
CN112233683A (zh) | 一种汽车电动后视镜异响检测方法及检测系统 | |
CN113379671A (zh) | 一种开关类设备局部放电诊断系统及诊断方法 | |
CN112330633B (zh) | 基于自适应带通滤波的跨接线胶带破损故障图像分割方法 | |
CN112785594B (zh) | 基于图像二维幅值估计的桥梁自动结构裂缝识别方法 | |
CN111915552B (zh) | 一种太阳能电池内部缺陷检测方法 |
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 |