提升變電站巡檢機器人夜間識別質量技術研究

徐 波，葉愛民，張立群

（國網江西省電力公司檢修分公司，江西 南昌 330000）

工程技術

提升變電站巡檢機器人夜間識別質量技術研究

徐 波，葉愛民，張立群

（國網江西省電力公司檢修分公司，江西 南昌 330000）

該文提出一種改進的適合變電站巡檢機器人室外夜間工作環境的變電站可見光巡視技術.本文基于江西500kV馬回嶺變電站的巡檢機器人項目進行了相關研究，開發出一項機器人夜間可見光識別質量技術，應用后機器人將能夠在室外夜間環境下，對變電站內設備進行巡檢，實現設備的外觀檢查、油位和各類表計檢查、開關閘刀狀態判斷等功能.現場實地測試表明機器人在執行夜間可見光巡視任務時，實現變電站夜間巡視設備狀態識別率達到80%以上，完全滿足該變電站推進無人值守的可見光巡視自動檢測識別的要求.

變電站；巡檢機器人；可見光巡視；智能圖像算法；識別率

夜間巡視檢查是變電運維人員日常生活工作的主要內容之一，內容包括設備的外觀檢查、聲音判斷、油位和各類表計檢查、開關閘刀狀態判斷等，其目的是掌握變電站內設備運行狀況，及時發現設備缺陷和威脅變電站安全運行的情況.由于白天聲、光等環境因素的影響，部分不明顯的設備放電和發熱巡視時難以發現，必須通過夜間巡視來發現，才能有效保證電網安全穩定運行.

本文結合江西500kV馬回嶺機器人變電站巡檢機器人項目開發出一項變電站巡檢機器人夜間識別質量技術，利用硬件及功能研發和視覺開發技術，實現機器人對變電站進行夜間巡檢，經過現場實踐證明，該技術在機器人運用，能夠替代變電運維人員完成對戶外設備的夜間巡視，及時發現運行設備的異常、缺陷和故障，以便能夠及時處理，保障電網運行安全可靠.

1 變電站巡檢機器人夜間可見光巡視技術

機器人夜間可見光巡視技術是基于無軌激光導航技術，利用機器人自身搭載可見光攝像機、通過各傳感器數據采集、軟件算法識別的基礎上，通過以下兩點實現夜間可見光巡視技術的突破：一、通過硬件及功能研發使機器人在夜間光線不足、環境復雜情況下實現最優夜間成像；二、通過視覺開發準確對夜間拍攝相對模糊的圖片經行分析、識別.運維人員下發指令后巡檢機器人在戶外通過路徑規劃實現最優巡檢，采用能夠在低照度情況完成高質量圖片采集任務的可見光攝像機，將被檢測設備的圖片數據通過無線網絡傳輸到機器人后臺；機器人后臺通過使用基于圖片流的智能圖像算法進行處理，提高現場表計、開關、閘刀等設備的識別率，完成變電站戶外設備夜間狀態的自動校核巡視.

1.1 硬件及功能研發

現階段變電站巡檢機器人的工作時間基本上全設定在白天，運用常規攝像機在白天環境下保證優質的畫質，以便軟件識別.但當執行夜間巡檢任務時，常規攝像機的夜間拍攝效果會受到環境光線不足等影響造成相片圖像模糊不清，通過更換夜間拍攝效果優良的星光級攝像機，從現場設備拍攝的照片不清晰、信息采集的源頭出發著手解決數據準確采集的這個難點.

1.1.1 攝像機更新

針對變電站夜間巡視存在微弱燈光的情況，為保證巡檢機器人夜間拍攝效果，提升夜間現場設備的拍攝效果，因此本項目通過采用先進的星光級攝像機，達到提高照片拍攝效果.該相機能夠在0.005Lux的低照度情況完成高質量圖片采集任務，支持ICR紅外濾片式自動切換，自動彩轉黑功能，實現高質量晝夜監控聚焦速度快，聚焦準確度高，變焦速度最快可達到3.7S.現場實施后，通過星光級相機的成像效果滿足夜間巡檢的需要.

1.1.2 云臺定制改造

由于采用星光級攝像機，故需要對其配套的云臺經行定制改造，具體如下：

1.1.2.1 接口改變.由于需更換星光級的攝像機，故原有的云臺內部走線槽、預留接口位置都需要重新設計.云臺定制改造圖紙如下：

圖1 云臺定制改造圖紙

1.1.2.2 尺寸改變.由于星光級一體機的替代使用，導致原有云臺艙體無法搭載，需要對艙體內空間尺寸進行重新設計制造，具體參數更改如下：星光級一體機長度比原一體機增加40mm.星光級一體機寬度比原一體機增加15mm.星光級一體機高度比原一體機增加12mm.艙體尺寸增大導致整體重量上升，重新設計機械結構保證承重能力超過負荷安全線.

1.1.2.3 重量改變.星光級一體機采用特殊光學模組，與原有設計使用一體機相比星光級相機重量增加，重心與原有一體機不同，故更改艙體配重設計，根據試驗測試，擬將一體機向后偏移安裝，使其稱重能力不超過負荷安全線.由于相機倉體重量增加，導致相機倉與紅外倉無法保持等重，故增加紅外倉配重以保持云臺整體平衡.由于相機倉與紅外倉同時增加重量，導致原由云臺驅動力無法滿足云臺各個角度旋轉的要求，故增加云臺旋轉扭矩和旋轉力使其能夠正常保證云臺各種動作的需求.

1.1.3 裝設補光燈

由于原有補光燈為白色補光燈，匹配星光級一體機使用時，無法使一體機達到最優成像效果，故將原白色補光燈改為紅外補光燈，不僅能使星光級一體機良好得成像，更能減少夜間巡視時產生的光污染.相比較普通的補光燈，紅外補光可以用于光線不足環境復雜的情況，反之當現場有大量白光時，會有光污染（主要反光、刺眼）；紅外最大補光距離在200米，而白光最大補光距離僅在100米左右.

1.2 視覺開發

本項目需研究一套夜間識別算法及一套晝夜多模塊自切換識別算法來更好地配合星光級攝像機，從而實現夜間巡檢識別率達到80%的目標.

1.2.1 夜間識別算法

為了更好的完成夜間識別任務，故專門研究夜間識別算法，夜間識別算法主要由圖像金字塔算法和特征相似度算法：

1.2.1.1 圖像金字塔算法.由于夜間圖像在采集時受光線制約，圖像品質不高信息缺失，且在傳輸時，數據出錯或不完整性容易造成圖像失真和黑斑，故將圖像分解成一系列不同分辨率空間圖像子集合，每級中只需應用一次濾波算法即可提取特征，非常方便，可以區別暗背景中的亮成分與亮背景中的暗成分，極大的保存圖像信息，即用于光線不足環境復雜的情況，在圖像不清楚的情況下，仍能有效識別.將模板和待定位圖像分別執行圖像匹配算法，分別得到分辨率連續減半的圖像序列，并在減半的高分辨率圖像中的像素結合為下一層低分辨率圖像中的一個像素.在每一級按照需提取目標的大小和尺寸特征選擇結構元素，結構元素決定了形態濾波器的特性，計算原始圖像與濾波后圖像差得到濾波細節信息，通過計算采樣時丟失的圖像差信息和濾波細節，完成精確重構原始圖像，從而完成圖像匹配恢復.

1.2.1.2 特征相似度算法.在匹配定位時刻獲取的實時目標場景相對于參考目標場景,存在視點、方位和距離的不同，且由于夜間圖像的色彩信息缺失，形狀邊緣信息模糊，需將待匹配圖像序列進行分析比對.每一幅圖像都有自己的特征點，這些特征點表征圖像中比較重要的一些位置，通過找到匹配點的個數來判斷圖像與模板是否一致，可以通過找到的匹配特征點進行圖像校正，求出目標在場景中的位置和旋轉角度和縮放比例，并得到圖像原本的色調和反差，從而更好的分析模型周邊色素點，克服尺度、旋轉、平移、仿射亮度變換帶來的影響，甚至是一定的透視變換，具有抗圖像幾何失真的能力，確定需識別的指針、數字、油位的位置.

1.2.2 晝夜多模塊自切換識別算法

為適應白天、夜晚不同環境中的表計識別能力，利用時間、光線明暗、季節、地域等信息，采用一套決策置信值來判斷白天或是夜晚.在白天、夜晚切換時間段或是決策置信值較低（難以判斷是白天還是夜晚）時，采用白天、夜晚兩套模板分別進行識別.從而實現不同模板切換技術.

1.2.2.1 決策置信值.由于現場干擾信息太多，采集畫面發生變故，或現場環境情況發生變化時，造成圖像信息值變化，故所有信息值均存在不確定性，需進行條件約束，通過提取匹配特征點，針對現場可能存在的信息設置條件約束，并對條件約束設置優先級,具有高優先級的約束應先滿足,之后再要求滿足較低優先級的約束，從而確定畫面真實有效地信息.

1.2.2.2 模板切換技術.白天、夜間環境差距較大，僅靠單一模板無法滿足白天、夜間所有信息點，為適應白天、夜晚不同環境中的設備狀態識別能力，采用白天、晚上各使用一套專用模板進行識別，利用時間、光線明暗、季節、地域等信息，對各種觀測信息的合理支配與使用，以歷史值、識別得分為輸入，設計一種可信度評價規則來評價當前兩次識別結果的可信度，取可信度高者為識別結果，從而不受時間的影響實現自由的切換晝夜模塊.

2 變電站現場應用情況

某500kV智能變電站是目前國際上首次采用機器人夜間可見光巡檢變電站一次設備的示范站，在變電站開關場地實施重點示范工程，場地南北約長384米，東西約長154米，配置1臺巡檢機器人，1個機器人房，巡視道路總長約5694米，主變及35kV區域巡檢設備觀測點137個，任務巡檢時間約1.5小時，巡視路線810米；220kV區域巡檢設備觀測點249個，任務巡檢時間約3小時，巡視路線2012米；500kV區域巡檢設備觀測點194個，任務巡檢時間約3小時，巡視路線2872米，每天定時執行一次全站夜間可見光巡檢任務.現場巡檢機器人應用成功，運行良好.通過對2015年12月至2016年4月的現場變電站巡檢抽樣調研，主要目標變電站設備識別率，已經從不足10%達到80%以上，平均識別率達到82%，

3 結語

本文結合機器人示范智能變電站建設實際工程，基于視覺開發的夜間識別算法及晝夜多模塊自切換識別算法的研究，提出并研發了巡檢機器人在變電站夜間可見光巡檢技術，使機器人夜間執行可見光巡檢任務時，實現表計讀數、開關分合位置判斷等功能且設備識別率提升至80%.更好的發揮智能巡檢機器人實效化使用，在減輕運維人員夜間巡視工作量的同時，也為電力安全生產、事故響應提供了堅實的保證.從而減少事故的發生，利用巡檢機器人完成變電站設備的巡檢.為無人值守變電站的推廣應用提供了創新型的技術檢測手段，提高了變電站的可靠穩定運行水平.

〔1〕戚維明.質量管理小組理論與方法[M].北京:中國質檢出版社,2013.123-126.

〔2〕張銳娟.基于SURF的圖像配準方法研究[J].紅外與激光工程,2009,38(1):160-165.

〔3〕戴中興.變電站應用智能機器視覺的探索[J].電腦知識與技術,2012(27):6570-6572.

〔4〕張海波.一種數字儀表顯示值快速識別方法[J].計算機工程與應用,2005,41(4):223-226.

TP24

A

1673-260X（2017）09-0034-02

2017-06-30