在电力监控中采用颜色阈值法识别目标物体区域电气符号的方法技术

一种在电力监控中采用颜色阈值法识别目标物体区域电气符号的方法，属图像识别领域。其在进行图元识别时，对于形状不规则的指示灯图案，采用颜色阈值法来进行识别，得到一个判断结果；根据该判断结果得到一个设备运行状态或设备所处位置的识别结果；然后将判断结果显示并返回识别结果。其能根据符合要求的图像所包含的内容，分析设备的运行状态、检测仪表的读数，具有较好的认识和理解能力；不仅能用于对现场监控图像的智能分析，也可以用于移动作业平台，实现图像的自动采集、分析，替代人工完成巡检作业和数据记录等操作；可广泛用于变配电站监控图像的自动采集、分析以及变配电设备的运行管理领域。

A Method of Recognizing Electrical Symbols of Target Object Area by Color Threshold Method in Electric Power Monitoring

A method of recognizing electrical symbols in target area by color threshold method in electric power monitoring belongs to the field of image recognition. In the process of image element recognition, the color threshold method is used to recognize the irregular shape of the indicator lamp pattern, and a judgment result is obtained. According to the judgment result, the recognition result of the running state of a device or the location of the device is obtained. Then the judgment result is displayed and the recognition result is returned. It can analyze the running state of the equipment and the reading of the measuring instrument according to the content of the required image, and has good understanding and understanding ability. It can be used not only for intelligent analysis of the on-site monitoring image, but also for mobile operation platform to realize automatic image acquisition and analysis instead of manual completion of patrol operation and data recording. It can be widely used. The automatic acquisition and analysis of monitoring image of transformer and distribution station and the operation and management of transformer and distribution equipment.

【技术实现步骤摘要】
在电力监控中采用颜色阈值法识别目标物体区域电气符号的方法
本专利技术属于图像识别领域，尤其涉及一种用于识别图形的图像特征或特性的抽取方法。
技术介绍
基于降低运行成本和节约占地面积等方面的考虑，随着无人值守变电站越来越多地被采用，各种视频监控系统被大量应用。由于视频监控会产生大量的实况录像或照片图像，则图像的处理、解读或根据所示图片进行识别、判断，在电力系统的运行监控工作中已经成为必须。“视觉理解”技术是一种智能系统，可以通过视觉系统(摄像机)对所处的环境进行自主观测和分析的智能化技术，是人工智能技术和机器视觉技术发展的一个重要方向，在变电站巡检、远程集中监控、视频图像大数据分析和挖掘等方面具有非常广阔的应用前景。在电力行业，机器视觉技术已经有一些成功的案例。尤其在红外图像的分析方面已经取得了一些较为显著的进展。可以通过图像分析技术得出绝缘结构件的温度分布从而判断是否存在绝缘下降、过热等设备缺陷；在架空线路的巡线、仪表盘读取方面也有非常成功的应用。四川电力公司采用计算机代替人的视觉功能，对变电站重要电气设备及场景的三维图像的进行感知、识别、分析，进而检测系统在特定环境中的运行状况，得出检测结果。其中主要实现了电力仪表视觉识别、可视断口开关刀闸的状态识别、变电站电气设备红外视觉在线检测及变电站环境视觉监控功能。湖南大学设计了一种基于位置给定型视觉控制的除冰机器人抓线控制算法，提出了一种基于输电线缆的类圆柱体几何特征及摄像机成像模型的单目视觉立体定位算法，同时提出了一种避免复杂逆运动学求解的抓线控制策略，该策略主要思想是通过找到机械臂夹持器末端的工作曲面与输电线缆的轴线在空间中的交点来确定线缆抓取点及抓取线缆时机器人各个关节的位置。实现基于视觉分析和处理的运动控制。一套先进的、智能的“视觉理解”系统能够降低实际人工作业过程中偶发的跑错仓位(在变配电站里，对应放置有高压设备的建筑间隔，简称为仓位)、误入带电间隔等错误带来的风险，对于提高作业安全性、正确性有着重要的作用。而目前已有的各种智能系统“视觉理解”能力非常弱，其中一些较为先进的智能系统具有一定的视觉分析能力，但仅可根据预先编制的软件分析设备状态、检测仪表读数，认识和理解能力极低。
技术实现思路
本专利技术所要解决的技术问题是提供一种基于OpenCV的电气柜电气符号识别方法。其首先利用图像学中的各种预处理方法以得到符合实验要求的图像，然后对外观相似或接近的场景和现象进行归类总结，利用阈值调节进行颜色识别，在颜色识别的基础上进行边缘检测等识别工作。其对精准识别电气符号的颜色、轮廓、内容有较高的可行性，初步实现了从人工巡检向机器巡检的转变。本专利技术的技术方案是：提供一种在电力监控中采用颜色阈值法识别目标物体区域电气符号的方法，包括对图像预处理，采用高斯滤波针对待识别图像中噪声进行线性平滑滤波，采用Canny算子进行边缘检测；其特征是：对预处理后的图像进行图元识别，识别出目标物体区域；在进行图元识别时，对于形状不规则的指示灯图案，采用颜色阈值法来进行识别，得到一个判断结果；根据该判断结果，根据预先设定的逻辑关系，得到一个设备运行状态或设备所处位置的识别结果；然后将判断结果显示并返回识别结果。其所述的颜色阈值法针对无背景色干扰的带色彩的指示灯，通过检测图像中是否存在一定范围大小的颜色区域，来判断该指示灯的亮灭状态。。具体的，所述的颜色阈值法将图像转换到HSV空间，所述HSV空间模型中的三个参数分别是：H—色调，S—饱和度，V—亮度。。进一步的，所述的颜色阈值法首先设定HSV三个参数的上、下阈值，检验每个通道的像素值是否在阈值范围内；若在阈值范围内，则在dst图像中令该点像素值为255，否则令其为0；其输出的dst图像为一幅二值图像，符合颜色阈值条件的区域设置为白色。其所述颜色阈值法的关键函数为inRange(src,lowerb,upperb,dst)。与现有技术比较，本专利技术的优点是：1、本技术方案基于OpenCV函数库，对摄像头范围内的目标物体进行轮廓提取及识别携带信息，能根据符合要求的图像所包含的内容，分析设备的运行状态、检测仪表的读数，具有较好的认识和理解能力，并能根据预定的逻辑规则，及时返回判读结果；2、本技术方案采用多种图元识别方法，能精准识别电气符号的颜色、轮廓、内容，初步实现了从人工巡检向机器巡检的转变；3、本技术方案不仅能用于对现场监控图像的智能分析，通过图像提取有用的数据和信息，识别电力设备和系统的正常/异常状态；也可以用于移动作业平台，实现图像的自动采集、分析，替代人完成巡检作业和数据记录等操作；是一种实用的、可靠的、实时机器视觉理解系统方案。附图说明图1为机器视觉理解模型示意图；图2为本专利技术的整体算法流程示意图；图3为本专利技术的Canny算法流程步骤示意图；图4是本专利技术图元识别过程中的原图像；图5是本专利技术经过边缘检测处理后得到的图像；图6(a)为指示灯图案原图，图6(b)经颜色识别后得到的指示灯图案，图6(c)为判读结果；图7(a)为一指示灯图案原图，图7(b)为颜色识别结果，图7(c)为canny算子边缘检测结果，图7(d)为直线检测结果，图7(e)为判读结果；图8(a)为一电气图案原图，图8(b)为canny算子边缘检测结果，图8(c)为直线检测结果。具体实施方式下面结合附图对本专利技术做进一步说明。变电站设备上的典型仪表表盘包括气压表、油温表、温度表、避雷器表与电气设备所用的六氟化硫气体纯度分析相关的台式数显仪表、LED报警灯和TFT显示屏等。其中气压表、油温表、温度表、避雷器表为指针式仪表，通过指针指向的刻度反应读数。LED报警灯用来指示设备的报警信息，其位置可分布于气压表、油温表表表盘或LED显示区。TFT屏显示的内容纷繁复杂，包括设备状态信息、报警信息、多媒体信息等，信息显示的形式包含图标和文字。OpenCV是一个基于BSD许可(开源)发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和MacOS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。图1是机器视觉理解模型采集数据的多层融合示模型图，这个模型是在AndreasKlausner等人提出的I-SENSE模型基础上，结合人眼视觉信息处理机制进行改进得到的，它是一个集合了众多数据融合模型优点、通用且灵活的多层数据融合处理模型。通过工业相机对产品信息进行感知处理，经历像素层、特征层、决策层，由简单到复杂，从初级到高级，一步一步实现机器视觉理解模的任务。图2中，本专利技术的技术方案，依附于基于OpenCV的电气柜电气符号识别方法，该识别方法至少包括下列步骤：1)采用视频监控系统获得电气柜正面的监控视频，并将所获得的监控视频通过截屏或抽取指定的画面，得到需要的待识别图像；2)图像预处理：采用高斯滤波针对图像中噪声进行线性平滑滤波，采用Canny算子进行边缘检测；3)图元识别：识别出目标物体区域；4)直线检测：利用霍夫变换来检测图案中的直线线条，在原图像中绘制检测出的线条；5)角度计算：计算检测出的线条的倾斜角度并由此判断元器件是否处于正常状态本文档来自技高网...

【技术保护点】
1.一种在电力监控中采用颜色阈值法识别目标物体区域电气符号的方法，包括对图像预处理，采用高斯滤波针对待识别图像中噪声进行线性平滑滤波，采用Canny算子进行边缘检测；其特征是：对预处理后的图像进行图元识别，识别出目标物体区域；在进行图元识别时，对于形状不规则的指示灯图案，采用颜色阈值法来进行识别，得到一个判断结果；根据该判断结果，根据预先设定的逻辑关系，得到一个设备运行状态或设备所处位置的识别结果；然后将判断结果显示并返回识别结果。

【技术特征摘要】
1.一种在电力监控中采用颜色阈值法识别目标物体区域电气符号的方法，包括对图像预处理，采用高斯滤波针对待识别图像中噪声进行线性平滑滤波，采用Canny算子进行边缘检测；其特征是：对预处理后的图像进行图元识别，识别出目标物体区域；在进行图元识别时，对于形状不规则的指示灯图案，采用颜色阈值法来进行识别，得到一个判断结果；根据该判断结果，根据预先设定的逻辑关系，得到一个设备运行状态或设备所处位置的识别结果；然后将判断结果显示并返回识别结果。2.按照权利要求1所述的在电力监控中采用颜色阈值法识别目标物体区域电气符号的方法，其特征是所述的颜色阈值法针对无背景色干扰的带色彩的指示灯，通过检测图像中是否存在一定范围大小的颜色区域，来判断该指示灯的亮灭状态。3.按照权利要求2所述...

【专利技术属性】
技术研发人员：毛俊，张立，吴昊，柴俊，姚明，周鸣，韩浩江，张海清，孙铮，杨杰，龚政，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：上海,31