電力開關櫃開關狀態圖像識別系統的製作方法

2023-04-27 07:11:46 1

專利名稱：電力開關櫃開關狀態圖像識別系統的製作方法
技術領域：
本發明涉及電力配網監測領域基於圖像識別的電力開關櫃遙信系統，具體涉及對 電力開關櫃開關狀態的實時監控的圖像處理、識別系統。
背景技術：
在電力系統中，開關櫃應用非常廣泛，能夠實時指示電力線路運行狀態，對排除電 力故障有一定的幫助。但由於電力系統分布區域廣闊，在出現故障時無法在第一時間報告 工作人員在哪一處發生故障，只能由人工一處一處檢查電力機房開關櫃狀態，非常耗費時 間與人力，效率低下。目前如果要遠程讀取開關櫃的狀態就要將開關電路通過現場總線技術連接到處 理器或者控制器單元，用處理器或者控制器來讀取電力線路的狀態，並通過有線或者無線 的方式來把讀取到的狀態發送到遠程的控制中心。這種實現方式在可靠性和靈活性上都存 在一些不足。而現有的視頻監控系統，終端通常僅起到採集視頻的作用，圖像還需通過有線 或無線的方式傳輸到遠端控制中心，進一步進行後臺處理識別。這樣需要較高通信帶寬，對 設備成本要求極高。現已有的電力開關櫃開關開關狀態實時圖像識別裝置採用灰度行程長度統計法 實現狀態識別，此算法簡單，但需人工進行目標加框定位，自動化程度較低，且不易擴展適 用於其他類型電力開關。

發明內容
本發明所要解決的技術問題是針對目前流行的電力故障監控系統的不足，提出了 一種電力開關櫃開關狀態實時圖像採集處理識別系統，它可以實現對電力開關櫃開關狀態 的遠程實時自動監控，無需人工進行目標定位，自動化程度高，適用於各種類型電力開關。為解決上述技術問題，本發明提出了一種電力開關櫃開關狀態實時圖像識別系 統，所述圖像識別系統包括離線訓練模塊及在線識別模塊，應用於電力開關櫃開關狀態的 實時圖像處理識別裝置中；所述離線訓練模塊，基於Adaboost算法對大量包含開關狀態的 真樣本和假樣本進行學習，形成一系列的弱分類器，然後依據權重把這些弱分類器級聯成 若干強分類器，所述強分類器分別代表不同的開關狀態；
所述在線檢測模塊包括圖像初步處理模塊和狀態識別模塊；
所述圖像初步處理模塊，用於將採集到的開關圖像轉換為開關灰度圖並去噪，以便狀 態識別模塊進行處理；
所述狀態識別模塊，裝載了所述強分類器，並利用所述強分類器分別對所述開關灰度 圖進行掃描搜索，得到開關的位置和狀態信息。對採集到的圖像數據實時處理，採用基於Adaboost的目標檢測算法，分別用三種 開關狀態的分類器對圖像進行檢測，得出當前圖像中包含的開關狀態結論。優選的，在所述離線訓練模塊中，每個特定弱分類器所使用的特徵用形狀、感興趣區域中的位置以及比例係數來定義；提取矩形特徵時，用積分圖像方法來減小計算量。優選的，所述圖像初步處理模塊包括轉化為灰度圖單元和圖像去噪單元。所述轉 化灰度圖單元將採集到的彩色開關圖像轉化為灰度圖像，所述圖像去噪單元對灰度圖像進 行中值濾波，將灰度中存在的噪音點去除，避免了噪聲點對圖像識別帶來的幹擾。優選的，狀態識別模塊採用基於Adaboost的目標檢測算法，以不同比例大小的掃 描窗口對圖像進行搜索，能夠通過強分類器的即為一個目標，識別單元通過該目標的區域 位置和強分類器的種類以確定某個開關的狀態。採用本發明，通過視頻監控和圖像識別的方式來讀取開關狀態，並可配合視頻監 控系統將識別處理後的開關狀態信息通過配網通信網絡實時傳送到後臺系統，達到遠程監 控的目的。本發明可自行判斷圖像中開關的位置與狀態，無需人工操作，自動化程度較高； 也可與已有的人工甄選方法結合判斷複雜開關的狀態。本發明僅將計算量大的離線訓練模 塊在遠端控制中心完成，而所有處理識別過程都在終端裝置中完成，僅需將處理識別後的 開關狀態信息發送到遠端工作人員手中，也可根據後臺系統需要傳送實時視頻。克服了現 有視頻監控系統，終端僅起到採集視頻並通過有線或無線的方式傳輸到遠端控制中心，進 一步進行後臺處理識別而產生的對通信帶寬和設備成本的依賴。同時，由於監控採用圖像識別方式，所用攝像頭在開關櫃遠處對其進行監控，和電 力設備距離比較遠，之間沒有任何連接，從而能夠保證系統可靠性。另外監控系統可以單獨 建立，位置可以自由選擇，設備安裝和維護都很靈活方便，和電力設備之間不會產生相互影 響，並且安裝和維護人員的安全也可以得到充分的保障。


下面結合附圖和具體實施方式
對本發明的技術方案作進一步具體說明。圖1是電力配網系統開關櫃開關狀態圖像識別系統的結構框圖。圖2是開關櫃圓盤旋轉型開關三種開關狀態原始圖，導通狀態(a)，接地狀態(b)， 懸空狀態(c)。圖3是分類器特徵矩形示意圖。圖4是計算積分圖像的示意圖。圖5是截取開關櫃某一時刻的開關狀態，取圖像灰度圖。圖6是應用本發明算法的開關狀態檢測裝置得到的結果圖。
具體實施例方式下面以電力配網系統開關櫃圓盤旋轉型開關為例，說明本發明的具體實施方式
。如圖1為電力開關櫃開關狀態圖像識別系統的結構框圖。總體可為離線訓練模塊 1和在線檢測模塊3。離線訓練模塊1在遠端後臺系統中訓練形成分別包含三種開關狀態 特徵的強分類器2，存儲在前臺終端中，供狀態識別模塊5使用。採集到的開關柜上開關狀 態圖像送往圖像初步處理單元4，經灰度圖轉化和去噪後，狀態識別模塊5利用級聯分類器 2分別對圖像進行搜索，判斷開關的狀態輸出。如圖2所示的電力開關櫃開關實物圖片，圓盤旋轉型開關在不同工作狀態會呈現 出三種不同開關狀態導通狀態(a)，接地狀態(b)，懸空狀態(c)。
離線訓練模塊是通過對大量真樣本和假樣本的學習，形成一系列的弱分類器，然 後依據權重把這些弱分類器級聯成強分類器。理論證明，只要每個弱分類器分類能力比隨 機猜測好，當弱分類器個數趨向於無窮時，強分類器的錯誤率將趨於0。訓練方法是，給定 一個訓練集(xl，yl)，…，(xL, yL)，其中，xi是輸入的訓練樣本，yi是分類的類別標誌即真 假樣本。在初始化時，對所有訓練樣本均賦以一個相同的權重，然後用該弱學習算法對訓練 樣本集進行T輪訓練。在每一輪訓練結束後，從若干個簡單分類器中選擇最小誤差的那個， 作為一個弱分類器hi，並對訓練失敗的樣本賦以較大的權重，以便讓學習算法在後來的學 習中主要對比較難的訓練樣本進行學習。這樣，就可以得到一個弱分類器序列(hl，h2^-，ht)，其中，分類效果比較好的權重較大。最終的分類函數f(x)採用一種有權重的投票方 式產生，即將多個弱分類器通過一定的方法疊加起來組合成一個強分類器，即
每個特定分類器所使用的特徵用形狀、感興趣區域中的位置以及比例係數來定義。矩 形特徵的值是指圖像上兩個或多個矩形內部所有像素灰度值之和的差值。如圖3所示，其 中3(a)是訓練用的正樣本圖片，3(b)是提取的一種開關狀態的一個矩形特徵，它代表的是 黑色矩形區域的像素灰度要比其上下白色區域的灰度大，對應於開關圓盤及上下標示白線 部分。在提取矩形特徵的過程中，可以使用積分圖像的方法來減小計算量。在提取矩形 特徵的過程中，可以使用積分圖像的方法減小計算量。如圖4，點x，y處的積分圖像值是其 上部和左邊所有像素的和。這樣通過積分圖像法，任意矩形中的像素和可以通過其4個頂 點的值計算出。因此整個訓練過程只需掃描原圖一遍。針對開關的三種不同狀態，分別訓練三個分類器，當前狀態之外的另兩種狀態都 應作為假樣本參與訓練，這樣能提高算法的識別率。在對採集到的圖像進行識別之前，需要對圖像進行預處理。預處理效果的好壞是 影響整個測試系統性能的主要因素，主要是轉化為灰度圖和去噪。首先由轉化為灰度圖單 元將截取的圖像轉化為灰度圖，如圖5所示，以便於後面的圖像處理識別。然後，由狀態識別單元對轉化為灰度圖的圖像進行狀態識別。狀態識別採用已訓 練好的分別含有不同狀態的開關特徵的三個分類器在圖像中找到包含目標的矩形區域，並 通過相應的分類器判斷開關狀態。識別單元以不同比例大小的掃描窗口對圖像進行幾次搜 索。每次掃描中，當分析的矩形框全部通過級聯分類器每一層時返回正值，代表這是一個候 選目標。在處理和收集到候選的方框之後，接著對這些區域進行組合併且返回一系列個數 足夠大的組合中的平均矩形作為檢測到的目標區域。以此可得到開關在圖像中的位置信 息，並通過相應的分類器判斷開關狀態，即若檢測到開關的分類器是導通狀態的，則該開關 應處於導通狀態。得到的開關狀態信息可通過通信裝置傳到後臺系統中，以供進一步分析。如圖6 是應用本發明算法的開關狀態檢測裝置得到的結果圖，其訓練和檢查階段都使用的是模擬 開關模型。最後所應說明的是，以上實施例僅用以說明本發明的技術方案而非限制，儘管參 照較佳實施例對本發明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或者等同替換，而不脫離本發明技術方案的精神和範圍，其均應涵蓋 在本發明的權利要求範圍當中。
權利要求
一種電力開關櫃開關狀態圖像識別系統，其特徵在於，所述圖像識別系統包括離線訓練模塊和在線檢測模塊； 所述離線訓練模塊，基於Adaboost算法對大量包含開關狀態的真樣本和假樣本進行學習，形成一系列的弱分類器，然後依據權重把這些弱分類器級聯成若干強分類器，所述強分類器分別代表不同的開關狀態；所述在線檢測模塊包括圖像初步處理模塊和狀態識別模塊；所述圖像初步處理模塊,用於將採集到的開關圖像轉換為開關灰度圖並去噪，以便狀態識別模塊進行處理；所述狀態識別模塊,裝載了所述強分類器，並利用所述強分類器分別對所述開關灰度圖進行掃描搜索，得到開關的位置和狀態信息。
2.根據權利要求1所述的電力開關櫃開關狀態圖像識別系統，其特徵在於，在所述離 線訓練模塊中，每個所述特定弱分類器所使用的特徵用形狀、感興趣區域中的位置以及比 例係數來定義；提取矩形特徵時，用積分圖像方法來減小計算量。
3.根據權利要求1或2所述的電力開關櫃開關狀態圖像識別系統，其特徵在於，所述圖 像初步處理模塊包括轉化為灰度圖單元和圖像去噪單元，所述轉化灰度圖單元將採集到的 彩色開關圖像轉化為灰度圖像，所述圖像去噪單元對灰度圖像進行中值濾波，將灰度中存 在的噪音點去除，避免了噪聲點對圖像識別帶來的幹擾。
4.根據權利要求3所述的電力開關櫃開關狀態圖像識別系統，其特徵在於，狀態識別 模塊採用基於Adaboost的目標檢測算法，以不同比例大小的掃描窗口對圖像進行搜索，能 夠通過強分類器的即為一個目標，識別單元通過該目標的區域位置和強分類器的種類以確 定某個開關的狀態。
全文摘要
本發明涉及一種電力開關櫃開關狀態圖像識別系統，該系統包括離線訓練模塊和在線檢測模塊。離線訓練模塊採集並訓練大量開關樣本形成若干強分類器，強分類器裝載入在線檢測模塊；在線檢測模塊將採集到的開關圖像轉換為開關灰度圖並去噪,利用強分類器分別對開關灰度圖進行掃描搜索，得到開關的位置和狀態信息。本發明可實現圖像採集處理識別過程都在在線檢測模塊中完成，克服了現有視頻監控系統的終端採集的視頻必須通過有線或無線的方式傳輸到遠端後臺系統，而產生的對通信帶寬和設備成本的依賴。本發明可自行判斷圖像中開關的位置與狀態，無需人工操作，自動化程度高，適用於各種類型電力開關的狀態識別。
文檔編號G06K9/62GK101833673SQ20101017441
公開日2010年9月15日 申請日期2010年5月18日 優先權日2010年5月18日
發明者崔怡, 胡海, 黃本雄 申請人:華中科技大學