基于物聯網技術的變電站避雷器儀表智能讀數圖像識別方法

摘 要：在使用UNet架構計算變電站避雷器儀表指針的刻度范圍位置時，易受輕量級自注意力參數變化影響，導致識別性能較差。因此，設計了基于物聯網技術的變電站避雷器儀表智能讀數圖像識別方法。通過拉普拉斯卷積運算均值化處理避雷器儀表讀數圖像；進一步去噪后，通過無線通信技術將圖像傳輸到云端，進行目標表盤定位識別校正；基于物聯網技術和神經網絡算法，實現避雷器儀表讀數的智能分割識別。實驗結果表明，設計方法的識別召回率、精確率、平均交并比、平均精度均值、F1值均較高，證明該方法的識別性能良好，可靠性高。

關鍵詞：物聯網；變電站；避雷器；智能讀數；圖像識別；神經網絡

中圖分類號：TP39；TN919-34 文獻標識碼：A 文章編號：2095-1302（2024）12-000-03

0 引 言

避雷器是變電站中的重要設備，用于保護變壓器和其他設備免受雷電侵害。避雷器儀表可以監測避雷器的電氣狀態，及時發現有故障的避雷器[1]，從而提高變電站的安全性能。研究表明，我國的變電站避雷器儀表數量較多[2]，人工讀取效率低下，且讀取準確度偏低，影響變電站的運行安全[3]。因此，需要研究一種全新的變電站避雷器儀表智能讀數與圖像識別方法。

相關研究人員針對變電站避雷器儀表讀數特點設計了若干種常規的讀數圖像識別方法，包括考慮注意力機制的儀表智能讀數圖像識別方法[4]，以及基于DQN K-means聚類算法的儀表智能讀數圖像識別方法[5]。但大多數智能讀數圖像識別方法易受輕量級自注意力參數變化影響，識別性能較差。

為了解決該問題，本文基于物聯網技術，設計了一種全新的變電站避雷器儀表智能讀數圖像識別方法。通過物聯網技術將大量的傳感器、執行器、控制器等設備連接在一起，形成一個復雜的網絡系統。在這個系統中，各種設備可以相互通信，共享信息，從而實現對避雷器儀表的實時監控和智能讀數。

1 避雷器儀表智能讀數圖像物聯網識別方法設計

1.1 避雷器儀表讀數圖像預處理

通過安裝在避雷器儀表上的圖像傳感器，實時采集儀表的讀數圖像，然后利用圖像識別技術對圖像進行分析處理，從而實現對避雷器儀表的智能讀數。該方法不僅可以提高讀數的準確性和效率，還可以實時監控避雷器的運行狀態，及時發現潛在的問題，從而保障電力設備的安全運行。

獲取的避雷器儀表讀數圖像可能受外界因素影響導致成像模糊，降低了讀數圖像識別的準確性。因此，本文設計的智能讀數圖像識別方法首先處理避雷器儀表讀數圖像模糊的問題。利用像素統計法確定模糊圖像頻率范圍，進行邊緣檢測[6-8]，此時可以結合圖像的差分關系選取圖像處理濾波器，并將相關信息存儲至RGB彩色子空間模型中，此時圖像的灰度值Ig（i， j）如式（1）所示：

（1）

式中：R（i， j）、G（i， j）、B（i， j）分別代表圖像對應分量像素值。基于此，對獲取的避雷器儀表讀數圖像進行拉普拉斯卷積運算，實現均值化處理，如式（2）所示：

（2）

式中：H、W代表圖像尺寸。經過均值化處理的圖像閾值處在合適的范圍內，能盡量降低無效圖像對識別結果造成的影響，提高儀表智能讀數識別的清晰度。

經過處理的圖像清晰度明顯增加，但部分圖像仍然存在一定的噪聲。本文使用雙邊濾波法進行了去噪處理，如式（3）所示：

（3）

式中：Wp代表窗口內的像素值；i（x）代表對應像素亮度；f代表平滑權重；i（xi）代表對應像素去噪強度[9]。去噪處理完成后，圖像的質量顯著提高，能有效滿足儀表智能讀數的識別條件，提升識別效果。

1.2 目標表盤定位識別校正

大多數變電站避雷器儀表所處的位置較高，在拍攝過程中無法保證攝像頭與表盤平行，可能會出現圖像傾斜問題，不利于智能讀數圖像識別[10]。因此，本文基于物聯網技術，通過無線通信技術，將采集并處理后的避雷器儀表圖像數據傳輸到云端進行處理，進行目標表盤定位與識別校正。即利用模板匹配算法生成有效的校正滑動窗口，根據模板的覆蓋關系進行相似度檢測，此時的定位識別校正顯示度檢測如式（4）所示：

（4）

式中：S（m， n）代表被搜索圖像區域；T（m， n）代表原圖像區域。基于此可以生成一個匹配模板矩陣，從中提取不變特征，增加識別可靠性。

當智能讀取圖像比例變化時，圖像特征點會隨之發生一定的改變，因此，可以根據尺度匹配原則對全圖像進行搜索，進行圖像讀取關鍵點定位，確保局部圖像的梯度方向滿足梯度范圍，增強特征點識別的魯棒性。智能讀數圖像識別具有一定的尺度不變性，可以利用層疊過濾法確定準確的校正位置，構建多尺度線性卷積核，此時的目標表盤定位識別校正尺度空間函數L（x， y， v）如式（5）所示：

（5）

式中：G（x， y， v）代表尺度空間坐標；I（x， y）代表輸出圖像。根據上述尺度空間函數可以對識別圖像進行整體認知，獲取準確的高斯拉普拉斯函數。

對圖像進行定位識別校正后，可以查找不同的極值點，將各像素鄰域點進行比較，確定高斯差，去除不滿足識別條件的極值點。若候選識別點數量過多，對噪聲的敏感性過強，需要進行多維函數擬合與局部采樣，確定校正偏移量，最大程度降低外界干擾對圖像識別造成的影響。

1.3 基于物聯網設計避雷器儀表智能分割識別算法

在云平臺上實現圖像校正后，進一步將物聯網技術與神經網絡算法結合，完成智能化避雷器儀表分割識別。在智能讀數圖像識別的過程中，涉及圖像字符分割與標記篩選，該過程的處理難度較高，需要進行前期處理，提取數字字符，進行水平豎直投影。待上述步驟完成后，對二值圖像進行反色處理，確定目標區域位置，判斷投影數值的變化狀態。經過反色操作的數字位置已經發生了一定變化，可以預設投影邊界，避免識別錯亂。智能分割識別算法流程如圖1所示。

由圖1可知，在識別過程中，需要預先進行網絡初始化，確定需要識別分割的樣本；接下來計算神經元的輸出狀態，判斷是否存在識別誤差；最后確定識別權值，進行迭代訓練，從而獲取最終的智能讀數圖像識別結果。本文設計的方法使用試錯法進行了神經元優化選擇，利用PCA進行推導，生成Sigmoid分割函數，并進行正交處理，以獲取準確的讀數圖像識別歸一向量。使用上述設計的儀表智能分割識別算法可以有效提高識別精度，確保最終的識別可靠性。

2 實 驗

2.1 實驗準備

結合儀表智能讀數圖像識別要求，本文選取SDK平臺作為圖像識別平臺，已知該圖像識別平臺設置了若干個慣性測量單元，通過Intel Realsense攝像機采集智能儀表圖像進行UWB定位。該實驗平臺的性能良好，在實驗過程中可以通過高效壓縮算法進行壓縮。實驗平臺使用Ubuntu Python語言編程，進行Anaconda訓練。在實驗開始前，需要預先進行儀表校準，降低平均擾動，使讀取的儀表圖像更清晰。待上述步驟完成后，本文選取識別召回率、精確率、平均交并比、平均精度均值、F1值作為實驗性能驗證指標。將其與文獻[4]、文獻[5]中2種常規的儀表智能讀數圖像識別方法進行對比實驗。

2.2 實驗結果與討論

根據上述實驗準備，即可進行儀表智能讀數圖像識別實驗，即在預設的實驗平臺中，分別使用不同方法進行儀表智能讀數圖像識別，識別性能指標結果見表1。

由表1可知，在相同的識別環境下，本文設計方法的各項指標數值均較高。上述實驗結果證明，本文設計的基于物聯網技術的變電站避雷器儀表智能讀數圖像識別方法展現出良好的識別效果，有一定的應用價值。

3 結 語

本文基于物聯網技術設計了一種全新的變電站避雷器儀表智能讀數圖像識別方法。實驗結果表明，本文設計的變電站避雷器儀表智能讀數圖像識別方法的識別效果較好，有一定的應用價值，為提高變電站的運行可靠性作出了一定

貢獻。

參考文獻

[1]倪智濤，胡偉健，李寶山，等.一種基于圖像分類與目標檢測協同的番茄細粒度病害識別方法[J].江蘇農業科學，2023，51（22）：221-228.

[2]梁昊宇，班杰雄，程學淵，等.圖像識別技術在500 kV變電站軌道機器人視頻監控系統設計中的應用[J].集成電路應用，2023，40（10）：122-123.

[3]郝琨，韓冰，李志圣，等.基于投影閾值分割和數字序列校正的高噪聲數字儀表圖像識別方法[J].電子科技大學學報，2023，52（5）：728-738.

[4]張東升，李雪松，范新健，等.基于注意力機制的變電站儀表智能讀數方法[J].現代電子技術，2023，46（14）：127-134.

[5]黃知坤，文煒，劉明，等.基于DQN和K-means聚類算法的天然氣站場儀表智能識別研究[J].計算機測量與控制，2023，31（5）：300-308.

[6]陳炳權，汪政陽，夏蓉，等.基于輕量級AlexNet網絡的秦簡文字識別算法[J].中南大學學報（自然科學版），2023，54（9）：3506-3517.

[7]李長冬，龍晶晶，劉勇，等.基于EfficientNet的滑坡遙感圖像識別方法—以貴州省畢節市為例[J].華南地質，2023，39（3）：403-412.

[8]莫炎燕，鐘漢平，覃唐超.基于圖像識別技術全自動機車車輛輪對內距尺檢具校準結果的驗證[J].計量與測試技術，2023，50（8）：78-81.

[9]曹曉麗，齊國紅，井榮枝.基于改進FCM的作物病害圖像分割方法研究[J].智能計算機與應用，2018，8（5）：51-53.

[10]趙偉達，陳海文，郭陸陽，等.基于YOLO-E與改進OCRNet圖像分割的變電站儀表讀數自適應識別方法[J].電力建設，2023，44（11）：75-85.

基金項目：2023年指針式（數字式）表計圖像數據智能識別研究項目（GZDW-FW-0490-22-01）

作者簡介：趙 煒（1991—），男，貴州桐梓人，工程師，研究方向為電力設備運維。

周銘鑫（1997—），男，貴州遵義人，助理工程師，研究方向為配電電纜自動化。

劉沛能（1991—），男，貴州遵義人，助理工程師，研究方向為電力設備運維。

李 杰（1983—），男，湖南岳陽人，中級工程師，研究方向為軟件開發與互聯網應用。

劉 鑫（1991—），男，江西贛州人，高級工程師，研究方向為電力設備試驗分析及絕緣診斷技術。

李漢豪（1986—），男，廣東江門人，工程師，研究方向為電力設備狀態檢測技術。