基于機器視覺技術的接地線裝拆安全檢測告警技術應用

摘要：為了提高接地線工作的安全性，從接地線裝拆安全檢測告警出發，對基于機器視覺技術的接地線裝拆安全檢測告警技術進行研究，對安全檢測告警軟件進行了設計，利用手持終端與伺服電機實現接地線裝拆安全檢測的告警，通過MVC框架、以Java作為編程語言實現了軟件的功能，并利用漸進式擴展網絡（PSENet）技術對機器視覺技術中的文本識別方式進行優化。應用效果表明，基于機器視覺技術的接地線裝拆安全檢測告警技術的應用可有效減少誤操作。

關鍵詞：接地線；機器視覺技術；軟件設計；技術應用

中圖分類號：TP391.41" " 文獻標志碼：A" " 文章編號：1671-0797（2023）08-0084-05

DOI：10.19514/j.cnki.cn32-1628/tm.2023.08.022

0" " 引言

接地線是保證電氣施工人員人身安全的生命線，而掛拆接地線是電氣操作中危險系數較高的操作，任意一個錯誤操作都可能對整個電力系統的安全運行造成無法挽回的后果，甚至發生嚴重的人身傷亡、設備損壞事故[1]。在很多停電檢修作業中，由于所用接地線較多、接地點分布于各個地方，高強度的工作會使得作業人員在拆除接地線的過程中漏拆臨時接地線，從而致使帶接地線合斷路器、隔離開關的惡性誤操作事故發生[2-4]。根據國網公司的統計數據，約有六成的電氣誤操作事故都與接地線操作密不可分[5]。目前，接地線需要人工搬運到工作場所，核對間隔名稱也是人工進行的，產生疏漏的概率不可完全避免，目前還沒有較好的自動化防誤方法，因此，展開針對接地線裝拆操作的防誤研究，對于提高施工安全水平具有重要意義。基于此，設計并提出了一套基于機器視覺技術的接地線裝拆安全檢測告警軟件，并對其應用進行研究。

1" " 基于機器視覺技術的接地線裝拆安全檢測告警技術

1.1" " 告警功能的實現

利用手持終端與伺服電機實現接地線裝拆安全檢測的告警，接地線裝拆的安全檢測告警流程如圖1所示。首先是利用手持終端同步工作票信息，然后采用手持設備開發OCR識別間隔文本，最后采用手持設備GPIO控制纏繞電機轉動方向及轉速。

以接地線安裝的安全檢測告警為例，對大致的流程步驟說明如下：

（1）運維人員到現場操作之前，點擊辦公電腦中的同步程序，該程序是一個RPA機器人程序，可以替代人工快速瀏覽今日工作的工作票，并將工作票信息下載到同步目錄中。

（2）運維人員將下載的工作票信息文件拷貝到安全移動U盤介質中。

（3）運維人員將安全移動U盤插入手持終端，手持終端自動識別工作票的信息文件，并進行關鍵結構化信息解析。

（4）運維人員拖動小車到達工作間隔后，利用手持終端的“作業點校核”模塊調出攝像機，拍攝作業現場的間隔銘牌照片。

（5）獲取到間隔銘牌圖片后，程序對圖片進行TSR（多場景圖像識別），識別出間隔的銘牌文本。

（6）如果間隔識別不出或識別的文本與工作票不對應，則提示用戶，重新返回步驟（4）；若識別成功，則進入步驟（7）。

（7）再次檢索是否存在同一作業點的多個工作票，提交用戶選擇確認或選擇不確認，如果用戶確認，則進入步驟（8）；如果不確認，則返回步驟（4），重新拍攝校核。

（8）程序解鎖電機，使程序具備放線操作功能。

（9）執行放線操作。

（10）拔出接地線樁頭，組裝接地線桿，進行接地線安裝操作。

1.2" " 軟件設計

1.2.1" " 軟件架構

基于機器視覺技術的接地線裝拆安全檢測告警技術手持終端所用的軟件為嵌入式應用軟件，采用軟件開發MVC框架，更好地實現了用戶界面代碼、后臺業務及數據模型的分離，具有更好的軟件工程維護特性。

軟件開發框架如圖2所示，MVC（模型—視圖—控制器）開發框架分為3層，分別是模型層、控制層和視圖層。模型層包括工作票、人員、照片、告警信息的模型，可以通過控制層輕松生成實例，不需要編寫關系查詢語句，從而減少了很多隱性錯誤；控制層包括業務邏輯的控制，比如對工作票地點和圖像識別作業點間隔名稱進行匹配等，還包括底層硬件驅動邏輯的控制，比如電機控制、語音播報、圖像采集等，通過JNA技術連接底層驅動文件，通常為DLL或SO格式文件。視圖層采用了烏班圖的UI，主要是通過JavaFX技術自帶的圖形界面組件實現，為操作人員提供界面顯示功能。

1.2.2" " 編程語言選擇

在編程語言的選擇方面，由于系統是基于觸屏的平板操作系統，可采用的編程語言有Python、Java、C#、C++等，目前大部分控制程序采用C++語言，通過QT編程工具進行編寫，但C++語言的內存泄露問題對系統的開發、測試提出了很高的要求，通常適合成熟的應用，如硬件驅動等。Python、Java與C#都沒有類似的問題，但Python多用于計算和人工智能建模，C#語言主要用于Windows平臺的開發，可移植性不強，而Java具備跨平臺操作的可能性，在各類操作系統上的應用是比較容易移植的，因此，本項目采用Java作為編程語言。

1.2.3" " 收放線功能的實現

針對纏繞線的需求存在放線與收線操作，本項目采用了直流正反轉電機，通過控制主板J1900低功耗板GPIO控制技術進行控制，選擇一組引腳控制電機啟停，一組引腳控制輸出PWM電壓，通過輸出電壓大小控制電機的轉速。

2" " 機器視覺技術在接地線裝拆安全檢測告警中的應用

2.1" " 機器視覺技術概述

視覺是人類獲取外界信息的主要方式，是一種強大的感知方式，而機器視覺技術指的是利用機器模擬人的視覺感知，將感知的事物進行度量、描述的一種技術，度量的實現基于硬件，信息描述的實現基于軟件。在機器視覺技術中關鍵的是對信息的描述，因此，現階段對于機器視覺技術的發展，一般集中于算法軟件層。機器視覺技術中心信息的描述主要任務為對目標進行檢測、分割與跟蹤三個方面。

2.1.1" " 目標檢測

目標檢測指的是在獲取到的圖像中，設定需關注的語義對象，對基于語義對象的一類或多類型的實例目標進行檢測，進而獲取實例目標的信息。獲取的信息主要包括實例類別信息和在圖像中的位置信息。傳統的目標檢測主要分為3個階段，分別是區域選取、特征提取及特征分類，通過圖像分類技術將目標檢測問題轉化為圖像分類問題；深度學習技術的提出及其在目標檢測中的應用，取代了手工進行特征提取的操作，提升了傳統算法中對于區域的選取效率，并且提升了特征分類的準確度。目標檢測方法主要可分為兩類，一種為單階段檢測方法，通過直接回歸得到目標位置，代表算法為YOLO、SSD等；另一種為兩階段檢測方法，通過生成候選框，在候選框上回歸得到目標位置，代表算法有Fast R-CNN、Faster R-CNN等。

2.1.2" " 目標分割

目標分割主要是將獲取到的圖像中歸屬于同一個物體的所有像素進行處理，利用標簽化處理方式將其添加到同一標簽中，確定圖像中物體的邊界，進而在視覺上呈現出分割的效果。根據分割對象的不同主要分為兩種，一種是語義分割，僅要求在類別上進行分割即可；另一種是實例分割，要求精確分割到個體上。根據分割方式的不同，可分為基于像素相似性分割和基于像素鄰域關系分割兩種，代表算法有閾值分割算法、區域生長算法等。

2.1.3" " 目標跟蹤

目標跟蹤的主要任務是獲取目標在視頻序列中的運動軌跡，通過確定視頻序列中一個或多個目標的大小和位置關系，并通過關系將目標關聯起來，進而實現運動軌跡的獲取。根據建模方式的不同，目標跟蹤算法可分為兩種，一種是生成模型構建，通過模型提取目標的特征，并構建特征的表現模型，在圖形中進行區域搜索，獲取與模型匹配度最高的區域，并輸出跟蹤結果，代表算法有卡爾曼濾波、Mean-shift算法等；另一種是判別模型構建，該模型將目標和背景視為兩種類別，分別進行特征提取、特征分類，將目標跟蹤問題轉化為二分類問題，代表算法有相關濾波算法、深度學習處理等。

2.2" " 基于語義特征的場景文本檢測方法

在機器視覺技術中針對文字的識別大都采用OCR技術實現，但是OCR處理圖片天然存在短板，即必須將字體調整平整才能夠形成高度匹配的文字識別效果。自然場景中，很多文字存在著扭曲、不全、顏色脫落等現象，拍攝者的技能、角度、光線等都給識別帶來了不確定性，這就如同掃描的文本打印后再次掃描，通過OCR特別容易出現亂碼字符是一樣的。本文研究的關鍵是場景文本檢測，對象是變電站間隔銘牌，通常來說，銘牌維護都是相對及時的，但也有部分變電站銘牌存在老化及不平整等現狀，這給項目的技術路線開展帶來了一定程度的干擾。

基于圖像處理的OCR識別是進行場景文本檢測常用的一類方法，首先拍攝圖像，然后將圖像通過圖形變換，形成規整的二值圖像，從而獲取文本區域和內部特征，最終根據特征識別相應的文字，因此自然情況下文本識別率不高的原因也就不難理解了。近年來，隨著人工智能技術的發展，在特定的領域，通過采集樣本利用CNN或RNN進行特征自動提取，通過概率模型學習特定領域范圍內的文本識別，成為較好的解決方案，后期又增加了注意力機制，使自然場景下的學習更加高效、有針對性。

針對自然場景文本的檢測[6]，一般采用PSENET網絡對文本進行識別，通常在OCR識別中，文字檢測都是由目標檢測繼承而來，目標檢測大多是基于先驗框的，比如anchor base。該模式從目標檢測衍生到OCR領域就有很多缺陷，比如傾斜（或扭曲）文字檢測不準、過長文字串檢測不全、過短文字串容易遺漏、距離較近的無法分開等[7]。

為解決上述存在的問題，通過應用漸進式擴展網絡（PSENet）技術進行優化，應用原理如下：

將拍攝的照片進行4～5層的上采樣，由高分辨大圖轉換成隱含特征的小號圖片，這類圖片容易聚焦物體，起到優秀的聚焦作用，通過小號圖片的下采樣，再與對應大小的原圖進行加運算，可以保留圖像的細節，同時突出物體。多次操作后的圖像，再通過1×1的卷積，形成多張圖片，比如P1，P2，P3，…，Pn。為了獲得最佳的對比，形成文本范圍與周圍環節的優異區分或是多個文本范圍的相互區分，采用漸進式尺度擴張算法[8]，劃分這些圖片的文本區域，很多研究表明，6～7張圖片的效果最為優秀。

如圖3所示，具體操作如下：首先，將P1的圖片文本范圍與背景范圍進行識別，比如圖片矩陣中文本部分的區域是灰色，背景部分是矩陣白色區域，通過不同顏色文本像素標志向像素四領域逐步擴展，如果不同文本區域的多張存在沖突，則標記為2，處理方式可采用先到先得原則；其次，將P2的圖片與P1融合處理，直至P7，最終形成文本范圍的強區分。

3" " 基于機器視覺技術的接地線裝拆安全檢測告警技術應用分析

本項目開發完成的成果包括數據同步、作業點校核、電機控制等三個模塊，數據可以與工作站服務器進行同步，可以采用RPA關鍵信息采集或PMS數據中臺接口方式獲得。本項目采用了RPA技術采集，每日將工作票關鍵信息同步到工具軟件，再通過OTG方式拷貝到移動硬盤中。作業點校核功能能夠打開攝像頭獲取現場的圖片，并自動將注意力集中到文字區域，采用自然場景下文本光學識別技術，利用基于語義特征的場景文本檢測方法準確識別間隔文本，將文本和工作票信息進行比對，比對無誤后，通過電機控制纏繞裝置解鎖，并開始放線操作。

實際應用過程中，通過小車的拉桿拖動，帶動220 kV接地線9根管加軟管銅接地線，大大減少了以前人工肩扛或手抱的操作負擔。到達作業點后，通過手持終端“作業點校核”進行工作間隔與工作票信息位置驗證，驗證一致后，驅動電機解鎖，可進行放線操作。本文設計的基于機器視覺技術的接地線裝拆安全檢測告警軟件，可以有效地對變電站工作間隔進行核驗，從而防止變電運維人員錯誤操作間隔裝接地線的行為。目前，該系統在某220 kV變電站現場已投入試運行，由于220 kV站點間隔多且電壓等級高，走錯間隔的隱患必須百分之百消除，該系統能夠通過圖像核驗間隔，通過控制對纏繞裝置進行解鎖，很大程度上減少了安全風險，提高了變電站運維工作的安全性。

4" " 結語

接地線裝拆工作具有一定的危險性，并且大部分危險事故是由誤操作引起的，因此對接地線的裝拆進行檢測、對誤操作行為進行告警具有重要意義。本文設計的基于機器視覺技術的接地線裝拆安全檢測告警軟件，通過機器視覺技術實現對施工作業環境的識別，利用手持終端搭載安全判別軟件，通過校驗工作間隔與工作票信息位置，進而控制伺服電機的收放線工作，當存在誤操作時停止收放線進而實現阻攔、警示操作人員的功能。通過在接地線裝拆中應用基于機器視覺技術的安全檢測告警技術，可以有效降低誤操作帶來的安全風險，提高接地線裝拆工作的安全性，從而提高變電站運行的安全性和穩定性，進而推動電力行業良性發展。

[參考文獻]

[1] 林永君，馬云龍，劉衛亮，等.臨時接地線綜合管理系統研究與實現[J].電測與儀表，2015，52（23）：105-110.

[2] 劉仁琪，呂曉俊，黃進，等.臨時接地線綜合管理系統的開發和應用[J].電力系統自動化，2010，34（22）：109-112.

[3] 張軍達，楊強，應子震，等.智能臨時接地線管理系統[J].農村電氣化，2015（5）：34-35.

[4] 劉惠聰.淺談變電站臨時接地線管理系統[J].科協論壇（下半月），2013（10）：67.

[5] 廖紅兵.智能接地線管控系統設計與實現[D].成都：電子科技大學，2017.

[6] 駱文莉.自然場景圖像中的文本檢測方法研究[D].無錫：江南大學，2021.

[7] 潘杰.基于深度學習的票據識別系統的設計與實現[D].武漢：華中科技大學，2020.

[8] 赫欣，李厚杰，周瑜，等.APSENet：一種基于實例分割網絡的滿文檔案文本行檢測方法[J].中央民族大學學報（自然科學版），2022，31（1）：19-27.

收稿日期：2022-12-07

作者簡介：商為（1989—），男，江蘇鹽城人，碩士研究生，工程師，研究方向：電力系統。