圖像識別技術在機組運行狀態判斷及監控對點中的應用

滿亞勤，張翅飛，曾 燃,卿 明，童 靜，尹永亮，謝曉鳴，王秋霖

(1.四川華能寶興河水電有限責任公司，四川 雅安 625000;2.四川超影科技有限公司，四川 成都 610094)

0 引 言

水電站機組通常由現地控制單元(local control unit，LCU)進行控制。水電站機組主機和輔機設備的運行狀態均接入機組LCU，同時機組LCU也會發出各種指令，對機組主機和輔機對象進行控制。機組LCU一般布置在水電站生產設備附近，是水電站計算機監控系統的底層控制單元[1]，機組LCU的數字量輸入(digital input,DI)板采集水電站機組主機和輔機設備的運行狀態。DI板上的每一個指示燈亮或滅，指示了機組LCU所采集到的一個運行狀態，如進水球閥的開或關、制動閘的頂起或落下、斷路器的分閘或合閘等。

水電站機組主要有停機、空轉、空載和并網4種標準狀態。每一種標準狀態對應所有指示燈中哪些亮和哪些滅，也就是每一種標準狀態對應于所有指示燈亮或滅組成的標準信號點表。當某個指示燈不滿足當前機組狀態對應的標準信號點表時，說明有設備處于異常狀態。水電站機組DI板上有數百個指示燈(以寶興水電站為例，每臺機組LCU分別有4塊DI板，每塊DI板有64個信號指示燈，共256個)，目前采用的方法是通過人工查看和識別是否有指示燈處于異常狀態[2]，或者是通過人工查看計算機監控系統操作員站的監控畫面、事件表和報警表判斷設備運行狀態是否正常。由于DI板信號指示燈數量較多，如采用人工方式查看，其工作量較大，花費的時間較多且人眼查看存在出錯的風險[3]，因此，目前判斷機組運行狀態及監控對點的方法存在工作效率較低以及可能出現漏檢和誤檢的問題。

隨著計算機圖像處理技術的不斷發展，圖像識別技術已廣泛應用于車牌識別、人臉識別、醫學圖像識別以及工業環境下信號指示燈識別等領域[4-6]。圖像識別技術能使獲取所需信息的速度越來越快，給各個行業帶來了極大的方便[7]。下面提出一種對水電站機組DI板信號指示燈進行圖像識別的方法，可大大提高判斷機組運行狀態及監控對點的工作效率和正確率。

1 方法設計

通過對水電站機組4種標準狀態下LCU的DI板信號指示燈進行圖像識別，識別出目前所拍圖像對應的信號指示燈的亮、滅分布情況，自動生成相應的信號點表，并分別與已保存的該臺機組4種標準狀態對應的標準信號點表進行對比，分析有哪些信號指示燈不一致，并自動實時、快速、準確地輸出比較結果；同時可識別任一張拍攝的圖像中哪些信號指示燈不亮和哪些信號指示燈亮，并自動實時、快速、準確地輸出識別結果，供現場人員查看和分析，給機組運行狀態判斷以及監控對點、故障查找等提供依據和指導。

為實現上述功能，首先，需利用模板圖像匹配算法[8]、動態規劃算法[9]和幾何定位與區域選擇算法[10]等來定位DI板每個信號指示燈的位置并識別出每個信號指示燈的亮、滅狀態；其次，需關聯機組DI板信號指示燈圖像與機組DI信號點表，信號點表內容包括DI點的信號名稱及編號，格式采用xls格式；最后，為了提高可操作性和便捷性，開發一套基于Android系統的具有圖像識別和輸出功能的手機APP，將上述圖像識別算法集成到手機應用軟件(application,APP)內，并內置機組標準狀態DI信號點表，人員可在現場使用手機APP的拍照和識別功能，自動生成并輸出相應的xls格式信號點表，實現對機組DI信號指示燈狀態的實時、快速識別和對比。

每個水電站機組DI板型號和數量不同，采用的圖像識別技術和算法需根據特定的識別對象進行選擇和優化。下面以寶興水電站為例，對該電站機組DI板信號指示燈識別采用的圖像識別算法和開發的APP進行闡述，并給出了測試結果。

2 識別算法

2.1 模板匹配

模板匹配是一種在一幅圖像中尋找與另一幅模板圖像最佳匹配(相似)部分的技術。

模板從源圖像左上角開始，每次以模板的左上角像素點為單位從左至右、從上至下滑動，每到達一個像素點后，以該像素點的左上角為頂點，從源圖像中截取出與模板一樣大小的圖像與模板進行像素比較運算[11]，計算所截取的圖與模板圖之間的相似度作為該像素點的相似度，進而計算出源圖像中每個像素點的相似度。

其中，相似度計算采用的方法是CV_TM_CCOEFF_NORMED[12]。計算公式為：

(1)

(2)

(3)

式中：(x,y)為要匹配的點的坐標；T(x,y)為用來匹配的模板圖像；I(x,y)為采集的需要進行識別的源圖像；R(x,y)為模板匹配得到的系數，取值范圍為[-1,1]，R(x,y)為“1”時表示完全匹配，R(x,y)為“-1”時表示完全不匹配；w為圖像的寬度(橫向像素)；h為圖像的高度(豎向像素)。

對于整幅圖像的每一個坐標，通過遍歷(x,y)的周圍像素(x′,y′)與模板對應位置的(x′,y′)值計算出一個相應的匹配系數R(x,y)。同時在計算該匹配系數時，需使用模板大小區域的平均值，該平均值的計算需遍歷模板大小區域的(x″,y″)。

指示燈識別算法中的匹配模板圖采用“D”，通過模板匹配算法識別出指示燈右側的字母“D”，該字母“D”位于機組DI板信號指示燈的右側，編號依次是D00—D63。經模板匹配識別后相似度大于0.5的“D”位置點如圖1中的圓圈所示。由于在源圖像上存在其他與“D”相似的元素，因此會獲得一些誤識別的“D”，如圖1左側所示。

圖1 經模板匹配識別后“D”的位置

2.2 動態規劃

拍照獲取的面板圖像中全部指示燈一般會超過256個，同時由于噪聲干擾，匹配出來的“D”的個數通常大于256個，需采用動態規劃的方法，尋找和定位出其中256個DI信號指示燈的準確位置。

動態規劃算法的步驟：分析優化解的結構，遞歸地定義最優解的代價，自底向上地計算優化解的代價保存之并獲取構造最優解的信息，以及根據構造最優解的信息構造優化解。

動態規劃的實施過程：對于任意一個 “D”的位置，將其作為起始點，尋找一個有效的64個“D”的豎直排列，判斷在其豎直下方給定的距離內是否有另一個“D”，如果有，則繼續尋找第二個“D”下方是否有第三個“D”，以此類推，直到一共尋找到64個“D”的豎直排列，則判斷結束，將這64個“D”作為一組有效的列。而對于一些誤識別的“D”，在此尋找過程中無法得到一個64個“D”的列，這樣的“D”就被排除在外，從識別結果中刪除。經動態規劃后得到的“D”如圖2中的圓圈所示。

圖2 經動態規劃后有效“D”的位置

2.3 幾何定位與區域選擇

通過模板匹配和動態規劃得到256個有效“D”的位置后，就可以計算出相鄰的兩個“D”的距離x。每個指示燈的圓心位置處在每個“D”的左下方，水平距離為x/1.3，垂直距離為x/2。在以每一個指示燈圓心位置為圓心、x/2.5為半徑的圓內，計算出亮度超過一個閾值的像素所占比例，如果比例超過20%則識別該指示燈為“亮”，如低于20%則識別該指示燈為“滅”。指示燈識別結果如圖3所示，其中大圓圈表示“亮”，小圓圈表示“滅”。

圖3 經幾何定位與區域選擇得到的指示燈亮、滅結果

3 APP功能及測試結果

3.1 DI標準點表維護功能

由于機組相關設備存在技術改造的可能性，每臺機組的監控信號點表會新增或刪除某些信號點，且某些信號點的定義也會發生變化。該APP關聯DI板信號指示燈圖像與信號點表，內置每臺機組4種標準狀態的DI信號點表，并能對每臺機組的信號點表進行修改、保存和導入。APP在第一次使用時，使用該功能導入每臺機組4種標準狀態的DI信號點表。

3.2 DI標準圖像維護功能

APP具有通過拍照來維護標準信號點表的功能，APP利用其選框的4個定位點對機組4種標準狀態下的圖像進行拍照和識別，如果識別成功，則自動生成4種標準狀態下的DI信號點表，之后自動導入并替換機組4種標準狀態下原有的標準信號點表。

3.3 DI板狀態識別功能

選擇“狀態識別”，APP自動調用相機拍攝，拍攝完成后，點擊“識別”按鍵，彈出“狀態對比”和“點亮識別”選擇窗口。

選擇“狀態對比”后彈出“機組和狀態”選擇窗口，選擇“機組和狀態”，APP自動對所拍圖像進行識別后生成信號點表，并與內置的該臺機組該標準狀態的信號點表進行對比，輸出與標準信號點表不一致的對比結果，對比標準信號點表后某個信號指示燈是“亮”或者“不亮”。狀態對比完成后會自動以Excel文件保存每次狀態對比的結果。

選擇“點亮識別”，再選擇“點亮”或“未點亮”選項，選擇后輸出相應的識別結果。

3.4 測試結果

經測試，該APP能在1 s內識別出256個DI板信號指示燈的亮、滅狀態，并輸出相應的對比或識別結果，同時經人員現場核對，該APP的圖像識別正確率和圖像識別后輸出結果(信號點表)的正確率均大于98%，且該APP的各項功能正確。目前該圖像識別APP已實際應用于寶興水電站，應用效果良好。

4 結 論

前面將圖像識別技術應用到水電站機組DI板信號指示燈識別，并開發了一套基于Android系統的具有圖像識別和輸出功能的手機APP。測試結果表明，使用該APP的拍照和識別功能，可以快速、準確地識別DI板信號指示燈，并輸出識別結果供現場人員查看，提高了判斷機組運行狀態、監控對點和查找故障等的工作效率，避免了人工識別效率低和易遺漏等問題。該APP應用人工智能圖像處理技術為現場工作賦能，具有較大的推廣價值和使用價值，同時所提出的圖像處理算法可應用到更多工業場景下的指示燈及儀表智能識別，也可集成到監控或巡檢的工業機器人中，優化和提高工業現場巡檢等工作的效率，實現工業環境的智能化作業。