圖像識(shí)別技術(shù)在變電站智能巡檢機(jī)器人中的應(yīng)用

戴維義

（天津龍?jiān)达L(fēng)力發(fā)電有限公司，天津）

引言

從2017 年開(kāi)始，人工智能的研究開(kāi)始正式被納入到國(guó)家戰(zhàn)略，國(guó)家電網(wǎng)公司對(duì)電網(wǎng)智能化研究和應(yīng)用方案進(jìn)行了規(guī)劃和部署，致力于推進(jìn)人工智能技術(shù)在電力生產(chǎn)領(lǐng)域的廣泛應(yīng)用。變電站中的電氣設(shè)備種類多樣，分布也比較密集，不同設(shè)備在外觀和狀態(tài)方面都表現(xiàn)出了明顯的差異。在對(duì)這些電氣設(shè)備進(jìn)行巡檢的時(shí)候，除了可以運(yùn)用傳統(tǒng)人工巡檢的手段之外，還可以依托于人工智能技術(shù)和大數(shù)據(jù)技術(shù)構(gòu)建智能巡檢機(jī)器人，并通過(guò)圖像識(shí)別技術(shù)來(lái)實(shí)現(xiàn)圖像信息的識(shí)別。

1 圖像識(shí)別技術(shù)與變電站智能巡檢機(jī)器人的原理

圖像識(shí)別技術(shù)指的是通過(guò)圖像識(shí)別算法，在大量的圖像信息當(dāng)中將那些需要對(duì)圖像識(shí)別和篩選出來(lái)，或者在特定的圖像當(dāng)中提取出有效的信息。與人工識(shí)別相比，圖像識(shí)別技術(shù)的應(yīng)用可以提高圖像識(shí)別的效率和準(zhǔn)確性。

對(duì)式(1)進(jìn)行整理后得

式（2）中展開(kāi)式的第一項(xiàng)是關(guān)于象素點(diǎn)（z、y）的源圖象的能量公式；第二個(gè)參數(shù)為模板與原始圖像相對(duì)應(yīng)的區(qū)域之間的關(guān)系，該關(guān)系隨著像素素點(diǎn)的位置（z、y）的位置而改變，在與源圖像中的目標(biāo)圖像相匹配時(shí)，該模型的取值最大；第三個(gè)參數(shù)是一個(gè)不依賴于象素位置的模板能量公式，參數(shù)值為恒量。

根據(jù)以上的分析，假定式（2）展開(kāi)式的第1 個(gè)項(xiàng)是不變的，不會(huì)出現(xiàn)誤差，只有第2 個(gè)項(xiàng)用于匹配，而在第2 個(gè)項(xiàng)中的最大值時(shí)，在原始圖像中，該模板與目標(biāo)圖像相一致。但假定第一個(gè)項(xiàng)是不變的，而如果出現(xiàn)一個(gè)大的誤差，就會(huì)造成匹配失敗，那么可以把標(biāo)準(zhǔn)化的互相關(guān)用作誤差的平方和，也即是

圖1 是模板匹配的示意圖。假定源圖象f（x、y）和模版圖象t（j、k）均位于左上方，則從式（3）中的任一源圖像f（x、y）中的象素（z、y）都可以得到R（z、y）。如果象素（x、y）的位置改變，則在源圖象區(qū)內(nèi)運(yùn)動(dòng)t(j、k)，則可以得到R(x、y）的全部數(shù)值。如果R（z、y）為最大值，則此位置是與模板圖像相匹配的最佳位置，而從此位置開(kāi)始，獲取與模板尺寸完全一致的子圖像，即為所獲得的匹配影像。

圖1 模板匹配的示意

變電站智能巡檢機(jī)器人在執(zhí)行巡檢任務(wù)的時(shí)候按照既定路線的行走離不開(kāi)傳動(dòng)系統(tǒng)的支持，該系統(tǒng)也可以看作是機(jī)器人的執(zhí)行機(jī)構(gòu)，可以對(duì)路徑規(guī)劃子系統(tǒng)的運(yùn)動(dòng)指令進(jìn)行解析，并對(duì)驅(qū)動(dòng)輪的速度進(jìn)行動(dòng)態(tài)化控制[2-3]。

2 圖像識(shí)別技術(shù)用于電氣設(shè)備目標(biāo)檢測(cè)識(shí)別

本研究采用卷積神經(jīng)網(wǎng)絡(luò)模型，該方法能夠有效地改善目標(biāo)電器的定位和識(shí)別準(zhǔn)確率，并能提高系統(tǒng)的探測(cè)穩(wěn)定性。具體而言，首先利用CNNs-AlexNet 模型提取電力設(shè)備的特征，再利用隨機(jī)樹(shù)算法進(jìn)行識(shí)別，從而提高了系統(tǒng)的識(shí)別精度[7]。并利用CNNs 算法精確地判定了隔離開(kāi)關(guān)的絕緣子和刀片的位置，并通過(guò)測(cè)量刀閘區(qū)域的長(zhǎng)度比對(duì)斷路器的接觸面和斷路器的接觸面連接情況來(lái)判定斷路器的斷路情況，從而可以在復(fù)雜的環(huán)境中有效地解決斷路器的故障。

利用AlexNet 模型對(duì)1 個(gè)隨機(jī)選擇的裝置進(jìn)行深度特征提取，其中第一個(gè)和第五個(gè)卷積層的前端36個(gè)輸出特征。在第五個(gè)卷積層中，綜合了具有類區(qū)域特性的區(qū)域信息，從而獲得了能夠反映整體圖像特性的特征，該特征對(duì)于大多數(shù)輸入的局部改變都是恒定的，輸出特征的抽象性比卷積層高。

為了檢驗(yàn)特征抽取的有效性，本文采用隨機(jī)森林分類器，對(duì)FCL1（第一個(gè)完全連接層輸出特征）、FCL2（第二個(gè)完全連接層輸出特征）、FCL1+FCL2（前面兩個(gè)完全連接層輸出特征）和CNN-RF（本文的特征選取）。在測(cè)試中，隨機(jī)樹(shù)的數(shù)目是100。在圖2 中顯示了各種特征的結(jié)合得到的識(shí)別正確率的結(jié)果。

圖2 不同特征組合所得識(shí)別準(zhǔn)確率結(jié)果

3 圖像識(shí)別技術(shù)在變電站智能巡檢機(jī)器人中的應(yīng)用方法

3.1 對(duì)儀表圖像進(jìn)行預(yù)處理

3.1.1 灰度化處理

變電站智能巡檢機(jī)器人所拍攝的圖像通常為含有三通道的彩色圖像，這些圖像所占據(jù)的存儲(chǔ)空間是比較大的。通過(guò)灰度化處理，可以使這些圖像由RGB的彩色形式轉(zhuǎn)化為單通道的灰度形式，實(shí)現(xiàn)了存儲(chǔ)空間的壓縮，同時(shí)也將儀表中重要的信息保留了下來(lái)，能夠滿足指針識(shí)別的實(shí)際要求，同時(shí)還可以使后續(xù)圖像處理的速率得到提高[8]。

3.1.2 高斯濾波操作

變電站中各類儀表所處的環(huán)境是比較復(fù)雜的，智能巡檢機(jī)器人所拍攝的圖像容易受到噪聲等因素的影響，這會(huì)對(duì)最終的識(shí)別效果產(chǎn)生影響。因此，在對(duì)圖像進(jìn)行灰度化處理的基礎(chǔ)上還要通過(guò)濾波操作來(lái)對(duì)噪聲進(jìn)行抑制。目前在變電站智能巡檢機(jī)器人領(lǐng)域所使用的高斯平滑濾波器是一種二維零均值離散高斯函數(shù)。采用高斯濾波器對(duì)圖像濾波處理過(guò)程應(yīng)滿足：高斯濾波=以高斯函數(shù)為卷積核的圖像卷積，高斯濾波器的函數(shù)及圖像見(jiàn)圖3。

圖3 高斯濾波圖

一維高斯函數(shù)

采用高斯函數(shù)處理過(guò)程中，通常采用3×3、標(biāo)準(zhǔn)差為0.7 的高斯模板進(jìn)行濾波處理，然后經(jīng)過(guò)程序運(yùn)行，從而得到濾波效果圖。

3.1.3 自適應(yīng)閾值分割

在對(duì)圖像進(jìn)行處理的時(shí)候，閾值分割法是一種最為常用的方法。在應(yīng)用該方法的時(shí)候，要先選擇一個(gè)特定的閾值，然后將該閾值與圖像中各個(gè)像素點(diǎn)的灰度值進(jìn)行比較，通過(guò)比較結(jié)果將像素劃分為前景或者背景。在實(shí)際操作的過(guò)程中發(fā)現(xiàn)，只有合適的閾值才能對(duì)分割的效果產(chǎn)生積極的影響，提高分割的準(zhǔn)確性，同時(shí)也使后續(xù)圖像描述和圖像分析結(jié)果都更為準(zhǔn)確。目前常用的閾值分割方法包括實(shí)驗(yàn)法、迭代選擇閾值法、最小方差閾值法以及最大類間方差法等。與變電站智能巡檢機(jī)器人較為適用的方法為最大類間方差法，這種方法的計(jì)算比較簡(jiǎn)單，穩(wěn)定性較強(qiáng)，可以實(shí)現(xiàn)閾值的自動(dòng)選擇，不需要設(shè)定其他的參數(shù)。

3.2 計(jì)算指針讀數(shù)

對(duì)于指針式儀表來(lái)說(shuō)，變電站智能巡檢機(jī)器人在讀數(shù)計(jì)算的時(shí)候可以采用距離法和角度法這兩種方法。機(jī)器人的儀表識(shí)別系統(tǒng)可以檢測(cè)出表盤(pán)刻度小于360°的圓形儀表，同時(shí)可以規(guī)定表盤(pán)中心點(diǎn)所在水平線的角度為0°和180°。在這個(gè)基礎(chǔ)上，可以確定0°逆時(shí)針?lè)较蚺c中心點(diǎn)所在豎直直線90°范圍內(nèi)的角度值為負(fù)，而0°順時(shí)針?lè)较蚺c中心點(diǎn)所在豎直直線270°范圍內(nèi)的角度值為正，具體見(jiàn)圖4。

圖4 指針讀數(shù)方法示意

3.3 形成儀表數(shù)據(jù)集

在儀表數(shù)據(jù)集讀數(shù)計(jì)算的時(shí)候，要明確儀表的量程，明確儀表起始刻度與終止刻度的角度值。如果每次對(duì)讀數(shù)計(jì)算的時(shí)候都運(yùn)用圖像識(shí)別技術(shù)來(lái)對(duì)參數(shù)進(jìn)行處理與搜集，不僅計(jì)算量大，同時(shí)也會(huì)使誤差累加。由于不同儀表在預(yù)處理環(huán)節(jié)所設(shè)置參數(shù)的大小存在明顯的差異，因此為了優(yōu)化識(shí)別的效果，系統(tǒng)要導(dǎo)入不同儀表信號(hào)的參數(shù)并進(jìn)行預(yù)處理，這些處理算法的參數(shù)設(shè)定也應(yīng)該按照儀表的順序被記錄在儀表數(shù)據(jù)集中。

4 結(jié)論

綜上所述，本文在現(xiàn)有研究資料的基礎(chǔ)上探究了圖像識(shí)別技術(shù)在變電站智能巡檢機(jī)器人中的應(yīng)用，通過(guò)構(gòu)建視覺(jué)終端的形式實(shí)現(xiàn)了對(duì)變電站設(shè)備的控制。研究發(fā)現(xiàn)，在應(yīng)用圖像識(shí)別技術(shù)的時(shí)候，智能巡檢機(jī)器人要先對(duì)圖像進(jìn)行預(yù)處理，然后計(jì)算指針讀數(shù)并建立儀表數(shù)據(jù)集，最終通過(guò)霍夫變換得到儀表指針識(shí)別結(jié)果。當(dāng)前，在識(shí)別表計(jì)類設(shè)備讀數(shù)、對(duì)電氣設(shè)備進(jìn)行目標(biāo)檢測(cè)識(shí)別以及電氣設(shè)備紅外圖像識(shí)別等領(lǐng)域，圖像識(shí)別技術(shù)已經(jīng)廣泛應(yīng)用。在未來(lái)，這一應(yīng)用范圍還將進(jìn)一步拓展，智能巡檢機(jī)器人的功能也將更為完善。