圖像識別技術在牽引變電所設備巡檢中的應用研究

張桂棠

0 引言

隨著現代鐵路智能化水平的提高，高速鐵路中的牽引變電所逐漸從有人值班發展為集中監控、無人值班/守[1，2]。巡檢機器人和監視攝像機在其中起到關鍵作用[3，4]。隨著巡檢機器人和監視攝像機不斷投入到牽引變電所中，巡檢圖像數據不斷增加。目前，對于機器人或監視攝像機拍攝的海量圖像多停留在人工識別階段，缺少智能化手段對圖像數據進行統一處理并進行信息的提取[5～8]。

牽引變電所一般配置監控系統以實現運維管理，子站監控系統接收鐵路供電調度控制系統主站下發的巡檢命令，并將巡檢結果上送主站[9，10]。本文結合牽引變電所設備巡檢特點，提出圖像識別技術在牽引變電所設備巡檢中的實現方案，介紹圖像識別的關鍵技術，針對牽引變電所設備特點，重點研究對指針表、刀閘、旋鈕開關等設備進行圖像識別的建模方法，并對圖像識別服務的部署方法以及基于圖像識別的設備巡檢流程進行說明。

1 圖像識別關鍵技術

圖像識別系統從圖像顏色特征、紋理特征、形狀特征及局部特征中獲取有應用價值的信息[11，12]。目前常用的圖像識別技術一般分為樣本訓練和圖像識別2個階段，其識別流程如圖1所示。

圖1 圖像識別流程

1.1 圖像預處理

圖像預處理的目的是使圖像能夠更好地為圖像識別服務，以提高圖像識別的效果。牽引變電所內設備的拍攝環境多為自然背景，拍攝圖像容易受外部干擾而產生噪點，需要進行降噪處理，通常采用中值濾波法[13，14]。由于安裝位置或拍攝角度的原因，拍攝的圖像經常有傾斜的問題，需要進行傾斜角度處理[15，16]。

1.1.1 降噪處理

采用中值濾波對牽引變電所巡檢圖像進行降噪處理。中值濾波對圖像中的噪點具有良好的濾除作用，特別是在濾除噪點的同時，能夠保護圖像數據信號邊緣，使之不被模糊。中值濾波的工作原理：首先按照數值大小對某一像素點領域內的灰度值進行排序，然后找出該序列中的中值，并將該值賦值于像素領域的中心點。假設有一像素矩陣x如式（1）所示，對矩陣元素進行排序后得到中間值，記為azz，然后用azz代替矩陣中心點的值，得到矩陣y，如式（2）所示。

1.1.2 傾斜角度處理

圖像因為安裝、拍攝等因素會出現不同程度的傾斜，在圖像預處理階段采用Radon變換計算傾斜角度。Radon變換是一種積分變換，將定義在二維平面上的一個函數f(x,y)沿平面上的任意一條直線作線積分，如圖2所示。式（3）為沿任意角度θ進行投影的計算式。

圖2 Radon變換原理

1.2 圖像特征提取

計算機不能識別圖像，只能識別數字，為了使計算機能夠“理解”圖像，從而具有真正意義上的“視覺”，需要將圖像中的模擬信息轉為數字信息，從而得到圖像的數據描述，如數值、向量和符號等，該過程即為圖像特征提取。目前，圖像特征的提取分為兩種：一種是基于圖像專家人工設計的特征提取；二是基于深度學習自動學習的特征提取。目前牽引變電所巡檢圖像的識別采用第一種提取方法。

在牽引變電所中，需要重點巡檢的設備包括表計、刀閘、旋鈕開關、指示燈、空氣開關等。巡檢的內容包括表計讀數是否在正常范圍、開關狀態是否正常、指示燈顯示是否正常、設備有無外觀缺陷、壓板投退狀態是否正常、旋鈕開關遠方/就地是否指示正常等。表1列出了部分裝置的巡檢點位和巡檢內容。

表1 牽引變電所部分巡檢點位示例

1.3 圖像特征分類

圖像特征分類是指針對各圖像所表征出來的特征，將屬于不同類別的圖像區分開來，歸入不同的類型庫。圖像特征分類的核心思想是模型識別。需要對牽引變電所的設備巡檢圖像建立不同的模型庫，如指針模型、油位計模型、指示燈模型、狀態識別模型、空氣開關模型、刀閘模型、缺陷匹配模型、壓板模型、旋鈕開關模型、數字字符模型等。

2 巡檢圖像建模

巡檢圖像建模步驟：（1）打開圖像；（2）根據巡檢圖像的不同特征選取關鍵識別區進行特征提取；（3）進行模型庫的分類存儲，將建立的圖像模型存儲于圖像庫，將建模數據存儲于csv格式的文件中，存儲的模型庫包括預處理過的圖片和提取的數據信息；（4）模型建立后，對新輸入的圖像進行匹配識別，并輸出識別結果。下文重點介紹指針式表計、刀閘、旋鈕開關、壓板的圖像建模方法。

2.1 指針式表計建模

指針式表計建模的關鍵在于計算刻度線與指針之間的角度關系。首先根據表計圖像中的刻度關鍵點擬合刻度線的形狀，指針式表計刻度線開關可以歸納為圓形、扇形和其他形狀。針對不同形狀可采用3種擬合方法：描點擬合、描線擬合、手動擬合。一般圓形的刻度表盤采用描點擬合；扇形的刻度表盤如避雷器指針的表盤，采用描線擬合；對于描點擬合和描線擬合均無法適用的表盤，可采用手動擬合方法來確定圓心。

刻度線形狀擬合后，設置刻度范圍和刻度單位，之后設置指針顏色的RGB值，對于有告警功能的表計，設置報警上下限，至此一個指針表計模型已經創建好。

2.2 刀閘建模

刀閘圖像識別的關鍵在于識別刀閘的開合狀態，其建模分為2個步驟：（1）根據圖片顯示設置刀閘的開/合狀態；（2）通過設置輔助線，標記刀閘在該狀態下的圖像特征。

2.3 旋鈕開關建模

旋鈕開關識別的關鍵在于識別開關的旋轉角度以及在該角度下的開關狀態，首先采集旋鈕的中心點和箭頭中心點，以確定旋鈕方向，然后根據圖片信息設置旋鈕開關的當前狀態和其余狀態。

2.4 壓板建模

壓板建模的關鍵在于判斷壓板的布局、數量以及各壓板的投/退情況，其建模分為 3個步驟：首先從左上角開始，依次按照順時針選取4個矯正點，確定壓板布局的范圍；然后根據壓板位置選取分割線，如圖3所示，為4行9列的布局形態；最后填寫狀態矩陣，矩陣的行、列數依據實現布局行、列數，壓板合位標記為1，分位為標記為0。圖3中的壓板圖像對應的狀態矩陣如式（4）所示。

圖3 壓板建模展示圖

3 圖像識別技術在牽引變電所設備巡檢中的實現方案

為深度挖掘牽引變電所內設備巡檢圖像的數據價值，提升設備缺陷發現能力，部分牽引變電所已經在設備巡檢中初步應用圖像識別技術。

以焦柳鐵路會同牽引變電所為例，在牽引變電所內部署基于設備智能巡檢的子站監控系統、視頻服務器和圖像識別系統。子站監控系統用于接收鐵路供電調度控制系統主站下發的巡檢計劃，根據巡檢計劃要求通過連接視頻服務器對相關設備進行拍照巡檢，并將巡檢圖像存儲于指定目錄，通過圖像識別系統的建模工具對指定目錄的圖像進行建模。首先點擊圖像列表，選擇需建模的圖像目錄，建模工具自動識別jpg格式和bmp格式的圖像，然后通過本文第 2節介紹的建模方法對不同類型設備進行建模。已建的圖像模型將存儲于圖像識別模型庫中，參與建模的圖像將存儲于源圖像庫中，模型的數據信息存儲于圖像識別數據庫中，圖像數據越多，建模數據越準確。

模型建立后，當供電調度控制系統下發巡檢任務時，子站監控系統的巡檢功能模塊解析巡檢任務類型、巡檢周期、巡檢點位。根據巡檢周期和點位，通過視頻服務器控制攝像機轉至相應的巡檢點位進行巡視并拍照，同時發送調用指令啟用圖像識別服務。圖像識別系統將搜索圖像庫和數據庫進行圖像識別，并將識別結果顯示于子站監控系統的顯示界面，或通過子站監控系統將巡檢結果返回給供電調度控制系統主站。實現方案流程如圖4所示。

圖4 圖像識別技術在牽引變電所設備巡查中的實現流程

4 結語

本文介紹了圖像識別的關鍵技術，分析了指針表、刀閘、旋鈕開關、壓板的建模方法，提出了圖像識別技術應用于牽引變電所設備巡檢中的實現方案。借助于圖像識別技術強大的識別能力，在巡檢過程中能夠及時發現設備問題，節約了時間和人力成本，提高了巡檢效率。