基于圖像識別技術的變電站指示燈識別方法研究

溫天成

摘要：本文研究了利用計算機圖像識別技術替代人工對變電站電力設備運行狀態進行監測，主要研究了對變電站內繼電保護裝置指示燈的圖像識別。運用工業攝像頭采集指示燈圖像，并運用計算機識別系統對變電站指示燈進行圖像采集、圖像處理、特征提取進而對指示燈狀態進行識別與分析，判斷出電力設備的運行情況，進而發現設備存在的故障及隱患，具有一定的理論研究意義和實際意義。

關鍵詞：圖像識別技術;變電站;指示燈

隨著我國社會經濟的快速發展，社會的用電量也在與日俱增，電力系統規模逐步增大。隨著中國加大對智能電網的建設，智能變電站作為智能電網的重要組成部分，對它的可靠性有著比較高的要求，因為它影響到整個電力系統安全性和穩定性。在以前，變電站主要由人工巡檢負責其監測任務，在智能電網的助推下，工作人員只需要在調控中心就可以對電力設備運行狀態進行實時監測。雖然較早期已經提高了工作效率，然而長時間的監視工作也容易引起出現疲乏、漏檢甚至是失誤等情況，這樣不但不能及時發現和解決電力設備運行過程中出現的問題或故障，也會存在安全隱患問題。因此，隨著智能變電站建設的不斷推進和完善，采用智能化的方式，輔助甚至替代人工的監控巡檢工作，是一個重要的發展方向。本文研究利用計算機圖像識別技術對變電站指示燈進行識別，比如變電站繼電保護室的指示燈，首先通過攝像頭記錄下指示燈的照片或是視頻，然后用通信技術將其傳輸到網絡中心，再利用所研究的計算機圖像處理系統對圖像進行處理，從而可以自得識別出電力設備的運行狀態。這種方法不但可以節省人力，而且可以避免工作人員由于長期進行視覺監控而出現疲勞、漏檢和失誤的情況，可以提高電力系統運行的安全性，具有重要的理論意義和應用價值。

1.圖像識別技術的應用概述

計算機圖像處理技術和圖像識別技術包括對圖像進行獲取、去噪、增強、校正、提取等方面，并且進行圖像特征分析、圖像分類和圖像識別。圖像處理技術通過對識別對象的圖像的特征值的識別，再通過輸入一定數量的研究對象進行訓練，變具有了自動識別的能力，它一定程度上模擬了人類的視覺和智力活動，因此也叫智能圖像處理技術。它的運用主要包括以下幾個方面和步驟：一、獲取數據信息。通過把識別對象的光信號等轉換成電信號，進而得到研究對象的數據信息，再根據圖像的特征進行區分，然后儲存到計算機中，為下一步的圖像識別打下基礎。二、對圖像的有關信息進行預處理，包括對獲得的圖像進行去噪、增強、平滑等處理，從而突出對圖像進行識別的主要特征等信息。三、圖像特征的選擇與提取。這個是主要的環節和步驟，圖像識別技術對圖像特征有著嚴格要求，針對不同的圖像的特點，以及所要識別的目的，選擇和提取恰當的特征值，這一步驟將直接關系到圖像識別技術的應用效果。三、圖像識別決策分類程序的設計。確認好圖像的特征值后，還需要計算機系統可以根據一定程序和規律對圖像進行自動識別和區分，使計算機系統可以根據設計者的意圖并結合圖像的特征，對圖像目標進行識別、判定、確認和評價評價。

2.基于圖像識別技術的變電站指示燈識別方法研究

2.1指示燈圖像預處理

本文的研究主要是對變電站內有序排列的紅色指示燈進行識別。變電站內指示燈一般有“正常亮”、“異常亮”及“滅”三種狀態。由于攝像頭所采集到的指示燈圖片在實際環境中會受到光照、光暈、角度等因素的影響，從而致使收集到的指示燈圖片出現一定的畸變或者光照不勻等現象，這些現象將會對指示燈在識別造成阻礙，導致計算機圖像識別出現偏差。所以，首先需要對指示燈圖像進行預處理。首先，對攝像頭所采集到的指示燈圖像圖像增強和光照補償，采用經過改進的高斯高通濾波器對圖像進行增強，這樣可以較好地解決圖像由于光照不勻而出現的灰度值較低等問題，經過濾波器處理后的指示燈圖像不但可以較好地保留亮區的細節，而且可以增強暗區的細節，提高了圖像的信息完整度。其次，由于攝像頭在采集指示燈圖像的過程中并不一定可以做到垂直拍攝，導致所采集的圖像會出現某些畸變，所以還需要對增強后的指示燈圖像進行畸變校正，變電站內所采集指示燈圖像經增強、校正等預處理后的圖像圖1所示。

2.2改進色差法的指示燈定位

該研究以變電站中的繼電保護裝置指示燈為為例，并且主要以紅色指示燈為對象，對指示燈識別的過程中是通過對指示燈的外形輪廓和顏色等主要特征作為識別依據。指示燈的狀態分別有正常亮、異常亮和滅三種情況，因此所獲得的圖像的顏色組成也是有區別的。由于指示燈圖像的R、G、B 三分量的相關性原因，因此難以通過R、G、B閾值設定的方式來完全提取指示燈。而通過色差法的運用，可以加大目標圖像和背景的差異，進而幫助我們順利提取目標圖像。

該研究主要以（R-B）、（2R-G-B）這兩種色差信息作為特征量。先通過中值濾波對將圖2中的R-B色差灰度圖、2R-G-B色差灰度圖的部分噪音過濾掉，然后再運用自適應閾值分割算法來得到指示燈二值圖。這樣就可以有效地避免了單一選用某個色差特征難以識別出圖像目標的問題。改進色差法的指示燈圖像處理后可以發現，R-B色差可以比較好地區分和識別處于亮狀態的指示燈，2R-G-B色差則可以比較好地區分和識別滅狀態的指示燈，而結合這二者的特點，就可以比較好地對指示燈的狀態進行識別。

通過上述方法獲得改進色差二值圖后，再進一步運用形態學濾波的圖像處理技術填補圖像上的空洞并去除掉毛刺，從而除去圖像的干擾因素;再對大塊的標識牌連通域的長寬、面積對其進行過濾篩選，得到圖3的指示燈定位圖。

2.3基于HSV特征變換的指示燈狀態識別

實驗中，攝像頭采集到的是RGB圖像，它是通過對R，G，B三通道的基本顏色進行不同程度的疊加，從而得到不同顏色，然而RGB顏色空間對光照條件非常敏感，R，G，B三個分量隨著光照條件改變而改變，因此我們將其轉換到HSV顏色空間，這是一種比較直觀的顏色模型。HSV 即顏色空間中的色調（H），飽和度（S），明度（V），被稱為六角錐體模型，這個模型可以更貼近人眼對顏色感知情況，可以更好地對圖片顏色進行分析。通過對指示燈三種不同狀態（即正常亮、異常亮、滅）進行HSV色彩變換，可以看出三種指示燈狀態的H分量值、S分量值和V分量值。

用該方法可以解析出正常亮的指示燈顏色是紅疊加橙，異常亮指示燈顏色為紅疊加橙色、黃色及綠色，滅狀態指示燈顏色為紅。所以通過設置三種指示燈狀態的閾值就可以更好地實現對指示燈的識別。

通過對該方法的驗證，利用工業攝像頭在不同光照環境下及不同角度下所采取的50張變電站內某繼電保護裝置指示燈樣品圖像做對比測試，測試通過該方法對指示燈的平均識別率和平均運行時間，測試結果可知該方法的識別率可以達到94.8%，平均運行時間19.3s。

3.結語

本文研究了利用計算機圖像識別技術替代人工對變電站電力設備運行狀態進行監測，主要研究了對變電站內繼電保護裝置指示燈的圖像識別。運用工業攝像頭采集指示燈圖像，并運用計算機識別系統對變電站指示燈進行圖像采集、圖像處理、特征提取進而對指示燈狀態進行識別與分析，判斷出電力設備的運行情況，進而發現設備存在的故障及隱患，具有一定的理論研究意義和實際意義。

參考文獻：

[1]李孟超，王允平，李獻偉等.智能變電站及技術特點分析[J].電力系統保護與控制，2010，38（18）：59-62.

[2]練筆戰，楊揚. 電力圖像監控系統集成平臺的研究與設計[J]. 電力系統保護與控制，2011，39（6）：124-130.

[3]張鳳羽. 基于計算機視覺的輸電線路異常巡檢圖的識別和研究[D]. 吉林大學，2015.

[4]景美麗. 無人值守變電站中智能視頻監控的技術研究[D]. 華北電力大學，2012.

[5]羅毅，涂光瑜，張錦輝等變電站自動化中多媒體技術的應用和通信模式[J]. 電力系統自動化，2001，25（9）：11-14.