CN116935079B - 一种基于视觉的线状开关状态监测方法及终端 - Google Patents
一种基于视觉的线状开关状态监测方法及终端 Download PDFInfo
- Publication number
- CN116935079B CN116935079B CN202311146753.9A CN202311146753A CN116935079B CN 116935079 B CN116935079 B CN 116935079B CN 202311146753 A CN202311146753 A CN 202311146753A CN 116935079 B CN116935079 B CN 116935079B
- Authority
- CN
- China
- Prior art keywords
- switch
- image
- target
- state
- detected
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013507 mapping Methods 0.000 claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 238000004873 anchoring Methods 0.000 claims description 47
- 238000010586 diagram Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 238000012015 optical character recognition Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06V10/70—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
Abstract
本发明提供的一种基于视觉的线状开关状态监测方法及终端,通过在标准开关图像中选取锚定图像,并在标准开关图像中确定锚定图像与目标开关的位置关系,同时将锚定图像与待测开关图像进行模板匹配,以此确定锚定图像在待测开关图像中的映射位置,从而实现在待测开关图像中以锚定图像的映射位置以及位置关系对目标开关进行定位,有效提高了目标开关的定位精度以及开关检测方法的环境适应性。此外,在目标开关精确定位后,获取目标开关图像独立进行直线检测,以排除图像中的干扰因素,有效提高检测的准确度。本发明基于图像识别方法实现目标开关监控的自动化,有效提高了开关状态的监控效率。
Description
技术领域
本发明涉及机器视觉与图像处理的技术领域,尤其涉及一种基于视觉的线状开关状态监测方法及终端。
背景技术
配电站房是电力系统的重要组成部分,其主要负责电能的分配和传输。为了确保供电系统的安全和稳定运行,配电站房需要持续进行开关监控。在传统的开关监控方法中主要依赖于人工巡视,这种方式不仅需要消耗大量人力资源,而且容易出现监控盲区和人为错误的问题。
而随着计算机视觉和图像识别技术的快速发展,利用图像处理和机器学习算法实现自动化开关监控成为可能。近年来,已经出现了一些基于图像识别的开关状态监控方法,但这种方式仍存在一些挑战和局限性。例如,基于颜色阈值进行开关状态监控的方法在复杂的光照条件和背景干扰下图像识别容易受到干扰,无法准确识别开关的位置和状态。此外,开关的标识信息通常以文字的形式存在,如开关名称、编号等,传统的开关状态监测方法往往忽略了这些信息与开关状态之间的关联,无法充分利用文字信息来提高开关状态识别的准确性和可靠性。
发明内容
本发明所要解决的技术问题是:提供一种基于视觉的线状开关状态监测方法及终端,提高开关状态的监控效率以及准确率。
为了解决上述技术问题,本发明采用的技术方案为:
一种基于视觉的线状开关状态监测方法,包括步骤:
获取标准开关图像,根据所述标准开关图像选取锚定图像,并确定所述标准开关图像中所述锚定图像与目标开关的位置关系;
获取待测开关图像,根据所述锚定图像对所述待测开关图像进行模板匹配,得到所述锚定图像在所述待测开关图像中的映射位置信息;
根据所述位置关系以及映射位置信息获取所述待测开关图像中的目标开关图像;
将所述目标开关图像进行直线检测得到直线方向,根据所述直线方向判断所述目标开关的状态。
为了解决上述技术问题,本发明采用的另一种技术方案为:
一种基于视觉的线状开关状态监测终端,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种基于视觉的线状开关状态监测方法中的各个步骤。
本发明的有益效果在于:通过在标准开关图像中选取锚定图像,并在标准开关图像中确定锚定图像与目标开关的位置关系,同时将锚定图像与待测开关图像进行模板匹配,以此确定锚定图像在待测开关图像中的映射位置,从而实现在待测开关图像中以锚定图像的映射位置以及位置关系对目标开关进行定位,解决了目标开关在开启状态与关闭状态不一致的情况下,导致图像识别特征不统一而无法准确定位的问题,有效提高了目标开关的定位精度。此外,在目标开关精确定位后,获取目标开关图像独立进行直线检测,以排除图像中的干扰因素,有效提高检测的准确度。本发明基于图像识别方法实现目标开关监控的自动化,提高监控效率的同时,采用锚定图像对目标开关进行定位后再独立检测状态,使得开关检测方法具有较高的环境适应性和准确性。
附图说明
图1为本发明实施例提供的一种基于视觉的线状开关状态监测方法的步骤流程图;
图2为本发明实施例提供的一种基于视觉的线状开关状态监测方法的程序流程图;
图3为本发明实施例提供的一种模板匹配示意图;
图4为本发明实施例提供的一种线状开关状态示意图;
图5为本发明实施例提供的一种基于视觉的线状开关状态监测终端的结构示意图;
标号说明:
201、存储器;202、处理器。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图予以说明。
请参照图1,本发明实施例提供了一种基于视觉的线状开关状态监测方法,包括步骤:
获取标准开关图像,根据所述标准开关图像选取锚定图像,并确定所述标准开关图像中所述锚定图像与目标开关的位置关系;
获取待测开关图像,根据所述锚定图像对所述待测开关图像进行模板匹配,得到所述锚定图像在所述待测开关图像中的映射位置信息;
根据所述位置关系以及映射位置信息获取所述待测开关图像中的目标开关图像;
将所述目标开关图像进行直线检测得到直线方向,根据所述直线方向判断所述目标开关的状态。
从上述描述可知,本发明的有益效果在于:通过在标准开关图像中选取锚定图像,并在标准开关图像中确定锚定图像与目标开关的位置关系,同时将锚定图像与待测开关图像进行模板匹配,以此确定锚定图像在待测开关图像中的映射位置,从而实现在待测开关图像中以锚定图像的映射位置以及位置关系对目标开关进行定位,解决了目标开关在开启状态与关闭状态不一致的情况下,导致图像识别特征不统一而无法准确定位的问题,有效提高了目标开关的定位精度。此外,在目标开关精确定位后,获取目标开关图像独立进行直线检测,以排除图像中的干扰因素,有效提高检测的准确度。本发明基于图像识别方法实现目标开关监控的自动化,提高监控效率的同时,采用锚定图像对目标开关进行定位后再独立检测状态,使得开关检测方法具有较高的环境适应性和准确性。
进一步的,所述获取标准开关图像,根据所述标准开关图像选取锚定图像,并确定所述标准开关图像中所述锚定图像与目标开关的位置关系包括:
获取标准开关图像,并将所述标准开关图像进行高斯模糊处理后,选取所述标准开关图像中实时状态不变的区域作为锚定图像;
分别获取所述锚定图像在所述标准开关图像中的第一位置信息以及所述目标开关在所述标准开关图像中的第二位置信息;
根据所述第一位置信息与所述第二位置信息得到位置偏移量,将所述位置偏移量作为所述锚定图像与目标开关的位置关系。
由上述描述可知,对标准开关图像进行高斯模糊处理,以提高后续图像定位和识别的准确性和鲁棒性。通过选取实时状态不变的区域作为锚定图像,同时获取锚定图像与目标开关的位置偏移量,使得锚定图像可作为后续目标开关定位的重要参照物,解决目标开关在开启状态与关闭状态不一致的情况下,导致图像识别特征不统一而无法准确定位的问题,有效提高了目标开关的定位精度。
进一步的,所述获取待测开关图像之前还包括:
根据所述标准开关图像进行文本内容识别,得到文字信息以及所述文字信息对应的第三位置信息;
获取所述第三位置信息中距离所述第二位置信息最近的文字信息作为所述目标开关的名称。
由上述描述可知,通过提取标准开关图像中距离目标开关最近的文字信息作为开关名称,方便上层服务器对目标开关管理以及状态的统计,充分利用图像中的文字信息来提高开关状态识别的准确性和可靠性。
进一步的,所述获取待测开关图像,根据所述锚定图像对所述待测开关图像进行模板匹配,得到所述锚定图像在所述待测开关图像中的映射位置信息包括:
获取预置位的待测开关图像;
将所述锚定图像以及所述待测开关图像分别转换为锚定灰度图和待测开关灰度图;
根据所述锚定灰度图对所述待测开关灰度图进行归一化平方差匹配,得到所述锚定灰度图在所述待测开关灰度图中各个预测位置的匹配度;
选取所述匹配度最高的预测位置作为所述锚定图像在所述待测开关图像中的映射位置信息。
由上述描述可知,通过锚定图像在待测开关图像中各个预测位置进行匹配计算后,以获取锚定图像在各个位置的匹配度,从而获取匹配度最高的位置作为锚定图像在待测开关图像中的映射位置,即通过位置匹配的方式,确定锚定图像在待测开关图像中的位置,保证锚定图像的定位精度,从而提高后续目标开关的定位精度。
进一步的,所述根据所述位置关系以及映射位置信息获取所述待测开关图像中的目标开关图像包括:
根据所述位置偏移量获取所述目标开关的区域信息;
根据所述位置偏移量以及映射位置信息计算所述目标开关在所述待测开关图像中的第四位置信息;
以所述第四位置信息为定点、所述区域信息为面积截取所述待测开关图像的目标区域,作为目标开关图像。
由上述描述可知,在已知锚定图像映射位置的基础上,以锚定图像的映射位置为基准点,则在待测开关图像上与映射位置具有相同位置偏移量的点即为目标开关图像的定点,从而根据定点在待测开关图像上截取一定面积的区域即得到目标开关图像。以此方式实现目标开关定位的同时,排除待测开关图像中其他因素的干扰,提高检测效率和精度。
进一步的,所述直线方向包括横向直线和纵向直线;
所述将所述目标开关图像进行直线检测得到直线方向,根据所述直线方向判断所述目标开关的状态包括:
将所述目标开关图像进行边缘检测,提取图像边缘;
基于霍夫变化将所述目标开关图像进行直线检测,得到多条直线;
选取所述多条直线中长度超过所述目标开关图像宽度的三分之一的直线作为目标直线;
分别统计所述目标直线中横向直线以及纵向直线的数量;
根据所述横向直线以及纵向直线的数量判断所述目标开关的状态。
由上述描述可知,提取图像边缘以排除图像边缘直线对检测结果的干扰。同时,仅选取图像中长度为图像宽度三分之一以上的直线作为目标直线,以此排除图像中其他无效直线对开关状态检测的干扰,提高状态检测的准确性和可靠性。
进一步的,所述根据所述横向直线以及纵向直线的数量判断所述目标开关的状态具体为:
判断所述纵向直线的数量是否大于所述横向直线的数量,若是,则所述目标开关的状态为开;否则,所述目标开关的状态为关。
由上述描述可知,由于配电站房的开关一般为线状开关,故线条所指定的方向即为开关方向,因为通过目标开关图像中横向直线与纵向直线的数量关系,即可判断当前开关的状态,这种检测方式简单,能够有效保证开关检测效率。
进一步的,所述根据所述锚定灰度图对所述待测开关灰度图进行归一化平方差匹配,得到所述锚定灰度图在所述待测开关灰度图中各个预测位置的匹配度具体为:
;
其中,(x,y)为预先定义的滑动窗口在所述待测开关灰度图中的预测位置;NCC(x, y)为所述锚定灰度图在所述待测开关灰度图中与所述滑动窗口的预测位置(x,y)处的匹配度;T(x’,y’)为所述锚定灰度图在(x’,y’)处的像素值;I(x+x’,y+y’)为所述待测开关灰度图在所述滑动窗口内(x+x’,y+y’)处的像素值。
由上述描述可知,NCC(x,y)的结果范围在0到1之间,当数值越接近0表示匹配度越高,数值越接近1表示匹配度越低。通过灰度图进行像素匹配,有效避免了图像中其他因素的干扰,有效提高了锚定图像的定位精度。
进一步的,所述根据所述直线方向判断所述目标开关的状态之后还包括:
将所述目标开关的状态上报,并判断所述目标开关的状态是否符合预设状态,若不符合,则发送告警信息。
由上述描述可知,在开关状态识别完成后及时进行异常状态检测,当检测到目标开关与预设状态不一致时,则表示目标开关处于异常状态,立即发送告警信息,使得监控人员能够及时采取措施,预防潜在的安全隐患,减少事故发生。
请参照图5,本发明另一实施例提供了一种基于视觉的线状开关状态监测终端,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种基于视觉的线状开关状态监测方法中的各个步骤。
从上述描述可知,本发明的有益效果在于:通过在标准开关图像中选取锚定图像,并在标准开关图像中确定锚定图像与目标开关的位置关系,同时将锚定图像与待测开关图像进行模板匹配,以此确定锚定图像在待测开关图像中的映射位置,从而实现在待测开关图像中以锚定图像的映射位置以及位置关系对目标开关进行定位,解决了目标开关在开启状态与关闭状态不一致的情况下,导致图像识别特征不统一而无法准确定位的问题,有效提高了目标开关的定位精度。此外,在目标开关精确定位后,获取目标开关图像独立进行直线检测,以排除图像中的干扰因素,有效提高检测的准确度。本发明基于图像识别方法实现目标开关监控的自动化,提高监控效率的同时,采用锚定图像对目标开关进行定位后再独立检测状态,使得开关检测方法具有较高的环境适应性和准确性。
本发明实施例提供了一种基于视觉的线状开关状态监测方法及终端,可应用于配电站房实现24小时的开关自动化监控,同时记录开关状态以及异常情况的告警处理,提高开关状态的监控效率;并且以锚定图像进行开关定位,提高开关监控的准确率,以下通过具体实施例来说明:
请参照图1至图4,本发明的实施例一:
一种基于视觉的线状开关状态监测方法,包括步骤:
S1、获取标准开关图像,根据所述标准开关图像选取锚定图像,并确定所述标准开关图像中所述锚定图像与目标开关的位置关系。
需要说明的是,所述获取标准开关图像以及获取待测开关图像之前包括:控制摄像机拍摄角度至预设的预置位;以确保标准开关图像以及待测开关图像中包含目标开关。
具体的,所述S1包括:
S11、获取标准开关图像,并将所述标准开关图像进行高斯模糊处理后,选取所述标准开关图像中实时状态不变的区域作为锚定图像。
需要说明的是,所述实时状态不变的区域,即,在标准开关图像中具有明显特征且不会轻易改变的区域,比如开关的名字标示牌等。可通过截取该区域的图像进行存储,以作为后续目标开关定位的重要参照物。
S12、分别获取所述锚定图像在所述标准开关图像中的第一位置信息以及所述目标开关在所述标准开关图像中的第二位置信息。
在本实施例中,截取的锚定图像以及目标开关图像的形状均为矩形,所述第一位置信息具体为:所述锚定图像的一个顶点在所述标准开关图像中的坐标,则所述第二位置信息具体为:所述目标开关区域与锚定图像对应的顶点在所述标准开关图像中的坐标。例如,第一位置信息为所述锚定图像的左上顶点坐标,则所述第二位置信息为所述目标开关区域的左上顶点坐标。
S13、根据所述第一位置信息与所述第二位置信息得到位置偏移量,将所述位置偏移量作为所述锚定图像与目标开关的位置关系。
在本实施例中,可将位置偏移量记为(ΛX,ΛY)。
在本实施例中,所述S13之后还包括:根据所述第二位置信息获取所述目标开关的标准区域信息。即根据目标开关区域的顶点坐标获取目标开关区域的宽Wt与高Ht(区域面积)。
在一种可选的实施方式中,该方法还包括:
S101、根据所述标准开关图像进行文本内容识别,得到文字信息以及所述文字信息对应的第三位置信息。
在本实施例中,所述文本内容识别采用OCR(Optical Character Recognition,光学字符识别)。例如:文本内容识别所述标准开关图像中文字信息为“开关”、“刀闸”等带有标识性的内容。
S102、获取所述第三位置信息中距离所述第二位置信息最近的文字信息作为所述目标开关的名称。
即,选取距离目标开关最近的文字信息作为开关的名称。
S2、获取待测开关图像,根据所述锚定图像对所述待测开关图像进行模板匹配,得到所述锚定图像在所述待测开关图像中的映射位置信息。
具体的,所述S2包括:
S21、获取待测开关图像。
S22、将所述锚定图像以及所述待测开关图像分别转换为锚定灰度图和待测开关灰度图。
S23、根据所述锚定灰度图对所述待测开关灰度图进行归一化平方差匹配,得到所述锚定灰度图在所述待测开关灰度图中各个预测位置的匹配度。
所述S23具体为:
S231、先定义一个滑动窗口,其中所述滑动窗口的大小与所述锚定图像的大小相同;在本实施例中,以滑动窗口的左上顶点为预测位置(x,y)。
S232、移动该滑动窗口(即改变预测位置(x,y)),逐一获取在所述待测开关灰度图上所述滑动窗口所框选的区域图像进行匹配度NCC(x,y)计算:
;
其中,(x,y)为预先定义的滑动窗口在所述待测开关灰度图中的预测位置;NCC(x, y)为所述锚定灰度图在所述待测开关灰度图中与所述滑动窗口的预测位置(x,y)处的匹配度;T(x’,y’)为所述锚定灰度图在(x’,y’)处的像素值;I(x+x’,y+y’)为所述待测开关灰度图在所述滑动窗口内(x+x’,y+y’)处的像素值。
如图3所示,T1表示锚定灰度图,T2表示待测开关灰度图,T3表示待测开关灰度图中的锚定图像。其中,A点为锚定灰度图的左上顶点(用于确定锚定灰度图与当前滑动窗口预测位置(x,y)的匹配度),B点为锚定灰度图中的坐标点(x’,y’);则A’点为A点在待测开关图像中匹配度最高的预测位置(X r ,Y r ),B’点为B点在待测开关图像中的映射位置(Xr+x’,Yr+y’)。
S24、选取所述匹配度最高的预测位置作为所述锚定图像在所述待测开关图像中的映射位置信息。
在本实施例中,NCC(x,y)的计算结果范围在0~1之间,而数值越接近0则表示匹配度越高,数值越接近1则表示匹配度越低。因此步骤S24应选取所述NCC(x,y)计算结果最小的预测位置(x,y)作为所述锚定图像在所述待测开关图像中的映射位置信息(X r ,Y r )。
S3、根据所述位置关系以及映射位置信息获取所述待测开关图像中的目标开关图像。
具体的,所述S3包括:
S31、根据所述位置偏移量获取所述目标开关的区域信息。
S32、根据所述位置偏移量以及映射位置信息计算所述目标开关在所述待测开关图像中的第四位置信息。
S33、以所述第四位置信息为定点、所述区域信息为面积截取所述待测开关图像的目标区域,作为目标开关图像。
在本实施例中,根据位置偏移量(ΛX,ΛY)以及映射位置信息(X r ,Y r )件计算所述第四位置信息(X t ,Y t )具体为:Xt=Xr+ΛX,Yt=Yr+ΛY。然后,以第四位置信息为所述目标开关区域的左上顶点,截取宽Wt与高Ht的矩形区域,作为目标开关图像。
S4、将所述目标开关图像进行直线检测得到直线方向,根据所述直线方向判断所述目标开关的状态。其中,所述直线方向包括横向直线和纵向直线。
具体的,所述S4包括:
S41、将所述目标开关图像进行边缘检测,提取图像边缘。
S42、基于霍夫变化将所述目标开关图像进行直线检测,得到多条直线。
S43、选取所述多条直线中长度超过所述目标开关图像宽度的三分之一的直线作为目标直线。
S44、分别统计所述目标直线中横向直线以及纵向直线的数量。
S45、根据所述横向直线以及纵向直线的数量判断所述目标开关的状态。
所述S45具体为:
S451、判断所述纵向直线的数量是否大于所述横向直线的数量,若是,则所述目标开关的状态为开;否则,所述目标开关的状态为关。
需要说明的是,由于目标开关为线状开关,因此图像中线条所指定的方向即为开关方向,从而判断开关状态。如图4所示,图4中的(a)中,线状开关的线条方向为横向,则表示开关的状态为关;图4中的(b)中,线状开关的线条方向为纵向,则表示开关的状态为开。
该方法还包括:
S5、将所述目标开关的状态上报,并判断所述目标开关的状态是否符合预设状态,若不符合,则发送告警信息。
工作人员接收到告警信息,则进入配电房进行开关检测确认。
请参照图5,本发明的实施例二:
一种基于视觉的线状开关状态监测终端,包括存储器201、处理器202及存储在所述存储器201上并在所述处理器202上运行的计算机程序,所述处理器202执行所述计算机程序时实现实施例一的一种基于视觉的线状开关状态监测方法中的各个步骤。
综上所述,本发明提供的一种基于视觉的线状开关状态监测方法及终端,通过引入基于图像识别的算法,实现了线状开关状态的自动化监控,无需人工巡视,减少了人力资源的浪费,提高了监控的效率。同时,本发明通过在标准开关图像中选取锚定图像,并在标准开关图像中确定锚定图像与目标开关的位置关系,同时将锚定图像与待测开关图像进行模板匹配,以此确定锚定图像在待测开关图像中的映射位置,从而实现在待测开关图像中以锚定图像的映射位置以及位置关系对目标开关进行定位,解决了目标开关在开启状态与关闭状态不一致的情况下,导致图像识别特征不统一而无法准确定位的问题,有效提高了目标开关的定位精度以及检测算法的环境适应性。此外,在目标开关精确定位后,获取目标开关图像独立进行直线检测,以排除图像中的干扰因素,有效提高检测的准确度,且本发明的开关定位流程简单,计算流程迅速,能够及时识别开关的状态,并进行异常状态检测。一旦检测到开关处于异常状态,如未按预期状态操作系统将立即上报该信息,使监控人员能够及时采取措施,有助于预防潜在的安全隐患,减少事故的发生。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种基于视觉的线状开关状态监测方法,其特征在于,包括步骤:
获取标准开关图像,根据所述标准开关图像选取锚定图像,并确定所述标准开关图像中所述锚定图像与目标开关的位置关系;
获取待测开关图像,根据所述锚定图像对所述待测开关图像进行模板匹配,得到所述锚定图像在所述待测开关图像中的映射位置信息;
根据所述位置关系以及映射位置信息获取所述待测开关图像中的目标开关图像;
将所述目标开关图像进行直线检测得到直线方向,根据所述直线方向判断所述目标开关的状态;
所述获取标准开关图像,根据所述标准开关图像选取锚定图像,并确定所述标准开关图像中所述锚定图像与目标开关的位置关系包括:
获取标准开关图像,并将所述标准开关图像进行高斯模糊处理后,选取所述标准开关图像中实时状态不变的区域作为锚定图像;
分别获取所述锚定图像在所述标准开关图像中的第一位置信息以及所述目标开关在所述标准开关图像中的第二位置信息;
根据所述第一位置信息与所述第二位置信息得到位置偏移量,将所述位置偏移量作为所述锚定图像与目标开关的位置关系;
所述根据所述位置关系以及映射位置信息获取所述待测开关图像中的目标开关图像包括:
根据所述位置偏移量获取所述目标开关的区域信息;
根据所述位置偏移量以及映射位置信息计算所述目标开关在所述待测开关图像中的第四位置信息;
以所述第四位置信息为定点、所述区域信息为面积截取所述待测开关图像的目标区域,作为目标开关图像。
2.根据权利要求1所述的一种基于视觉的线状开关状态监测方法,其特征在于,所述获取待测开关图像之前还包括:
根据所述标准开关图像进行文本内容识别,得到文字信息以及所述文字信息对应的第三位置信息;
获取所述第三位置信息中距离所述第二位置信息最近的文字信息作为所述目标开关的名称。
3.根据权利要求1所述的一种基于视觉的线状开关状态监测方法,其特征在于,所述获取待测开关图像,根据所述锚定图像对所述待测开关图像进行模板匹配,得到所述锚定图像在所述待测开关图像中的映射位置信息包括:
获取待测开关图像;
将所述锚定图像以及所述待测开关图像分别转换为锚定灰度图和待测开关灰度图;
根据所述锚定灰度图对所述待测开关灰度图进行归一化平方差匹配,得到所述锚定灰度图在所述待测开关灰度图中各个预测位置的匹配度;
选取所述匹配度最高的预测位置作为所述锚定图像在所述待测开关图像中的映射位置信息。
4.根据权利要求1所述的一种基于视觉的线状开关状态监测方法,其特征在于,所述直线方向包括横向直线和纵向直线;
所述将所述目标开关图像进行直线检测得到直线方向,根据所述直线方向判断所述目标开关的状态包括:
将所述目标开关图像进行边缘检测,提取图像边缘;
基于霍夫变化将所述目标开关图像进行直线检测,得到多条直线;
选取所述多条直线中长度超过所述目标开关图像宽度的三分之一的直线作为目标直线;
分别统计所述目标直线中横向直线以及纵向直线的数量;
根据所述横向直线以及纵向直线的数量判断所述目标开关的状态。
5.根据权利要求4所述的一种基于视觉的线状开关状态监测方法,其特征在于,所述根据所述横向直线以及纵向直线的数量判断所述目标开关的状态具体为:
判断所述纵向直线的数量是否大于所述横向直线的数量,若是,则所述目标开关的状态为开;否则,所述目标开关的状态为关。
6.根据权利要求3所述的一种基于视觉的线状开关状态监测方法,其特征在于,所述根据所述锚定灰度图对所述待测开关灰度图进行归一化平方差匹配,得到所述锚定灰度图在所述待测开关灰度图中各个预测位置的匹配度具体为:
;
其中,(x,y)为预先定义的滑动窗口在所述待测开关灰度图中的预测位置;NCC(x,y)为所述锚定灰度图在所述待测开关灰度图中与所述滑动窗口的预测位置(x,y)处的匹配度;T (x’,y’)为所述锚定灰度图(x’,y’)处的像素值;I(x+x’,y+y’)为所述待测开关灰度图在所述滑动窗口内(x+x’,y+y’)处的像素值。
7.根据权利要求1所述的一种基于视觉的线状开关状态监测方法,其特征在于,所述根据所述直线方向判断所述目标开关的状态之后还包括:
将所述目标开关的状态上报,并判断所述目标开关的状态是否符合预设状态,若不符合,则发送告警信息。
8.一种基于视觉的线状开关状态监测终端,包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任意一项所述的一种基于视觉的线状开关状态监测方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311146753.9A CN116935079B (zh) | 2023-09-07 | 2023-09-07 | 一种基于视觉的线状开关状态监测方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311146753.9A CN116935079B (zh) | 2023-09-07 | 2023-09-07 | 一种基于视觉的线状开关状态监测方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116935079A CN116935079A (zh) | 2023-10-24 |
CN116935079B true CN116935079B (zh) | 2024-02-20 |
Family
ID=88389902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311146753.9A Active CN116935079B (zh) | 2023-09-07 | 2023-09-07 | 一种基于视觉的线状开关状态监测方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116935079B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112508019A (zh) * | 2020-12-16 | 2021-03-16 | 国网江苏省电力有限公司检修分公司 | 基于图像识别的gis隔离/接地开关状态检测方法及系统 |
CN112749656A (zh) * | 2021-01-07 | 2021-05-04 | 国网福建省电力有限公司泉州供电公司 | 基于ORB特征匹配与yolo的空气开关状态检测方法及装置 |
CN112837302A (zh) * | 2021-02-09 | 2021-05-25 | 广东拓斯达科技股份有限公司 | 模具的状态监测方法、装置、工控机、存储介质及系统 |
CN112906576A (zh) * | 2021-02-23 | 2021-06-04 | 南方电网电力科技股份有限公司 | 隔离开关设备的状态识别方法、装置、设备及其测温方法 |
CN113076802A (zh) * | 2021-03-04 | 2021-07-06 | 国网湖北省电力有限公司检修公司 | 基于缺少断开图像样本的变电站开关分合状态图像识别方法 |
CN115641337A (zh) * | 2022-12-23 | 2023-01-24 | 中科慧远视觉技术(北京)有限公司 | 一种线状缺陷检测方法、装置、介质、设备及系统 |
-
2023
- 2023-09-07 CN CN202311146753.9A patent/CN116935079B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112508019A (zh) * | 2020-12-16 | 2021-03-16 | 国网江苏省电力有限公司检修分公司 | 基于图像识别的gis隔离/接地开关状态检测方法及系统 |
CN112749656A (zh) * | 2021-01-07 | 2021-05-04 | 国网福建省电力有限公司泉州供电公司 | 基于ORB特征匹配与yolo的空气开关状态检测方法及装置 |
CN112837302A (zh) * | 2021-02-09 | 2021-05-25 | 广东拓斯达科技股份有限公司 | 模具的状态监测方法、装置、工控机、存储介质及系统 |
CN112906576A (zh) * | 2021-02-23 | 2021-06-04 | 南方电网电力科技股份有限公司 | 隔离开关设备的状态识别方法、装置、设备及其测温方法 |
CN113076802A (zh) * | 2021-03-04 | 2021-07-06 | 国网湖北省电力有限公司检修公司 | 基于缺少断开图像样本的变电站开关分合状态图像识别方法 |
CN115641337A (zh) * | 2022-12-23 | 2023-01-24 | 中科慧远视觉技术(北京)有限公司 | 一种线状缺陷检测方法、装置、介质、设备及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116935079A (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106546263B (zh) | 一种基于机器视觉的激光水平仪出射激光线检测方法 | |
CN111896540B (zh) | 一种基于区块链的水质在线监测系统 | |
CN108960235B (zh) | 一种用于识别答题卡填涂块的方法 | |
CN115797811B (zh) | 一种基于视觉的农产品检测方法及系统 | |
CN113469178B (zh) | 一种基于深度学习的电力表计识别方法 | |
CN111738247B (zh) | 极性标识的识别方法、识别装置、电子设备及存储介质 | |
CN112990179A (zh) | 一种基于图片处理的单指针型表盘读数自动识别方法 | |
CN112101108A (zh) | 一种基于图形极点位置特征的左右转交通标志识别方法 | |
CN116935079B (zh) | 一种基于视觉的线状开关状态监测方法及终端 | |
CN107909573B (zh) | 金属工件环形表面刀纹检测方法及装置 | |
CN116758099B (zh) | 一种数控机床异常监测及急停系统 | |
CN114049320A (zh) | 一种基于图片相似度的器件缺失ai质检方法与装置 | |
CN111563410B (zh) | 一种泡沫图像运动速度检测的处理方法 | |
CN113505808A (zh) | 基于深度学习用于配电类设施开关检测识别算法 | |
CN112034855A (zh) | 一种提高巡检机器人定位速度的方法及装置 | |
WO2023070955A1 (zh) | 一种基于计算机视觉的港口作业区微小目标检测方法和装置 | |
CN112329770B (zh) | 一种仪表刻度识别方法及装置 | |
CN114418951A (zh) | 一种焊盘检测方法、装置、计算机设备及存储介质 | |
CN110310239B (zh) | 一种基于特性值拟合消除光照影响的图像处理方法 | |
CN112288747A (zh) | 一种钢坯的智能检测方法及装置 | |
CN117557565B (zh) | 一种锂电池极片的检测方法及其装置 | |
CN114627114B (zh) | 产品缺陷严重程度测量方法及系统及装置及介质 | |
CN115439855A (zh) | 一种用于变电站的表计的检测方法及系统 | |
CN117854054A (zh) | 一种带有视觉伺服的仪表检测识别与读数方法 | |
CN116259008A (zh) | 一种基于计算机视觉的水位实时监测方法 |
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 |