变电站单指针式六氟化硫型仪表智能识别方法技术

本发明专利技术公开一种变电站单指针式六氟化硫型仪表智能识别方法。本发明专利技术旨在对特殊的单指针式六氟化硫型仪表进行读数识别。利用深度学习与传统计算机视觉技术相结合的方式，进行仪表盘定位与指针特征识别。并针对实际应用存在的光线阴暗与仪表盘畸变情形，加入图像增强模块与畸变处理模块以提升识别效果。本发明专利技术实现了在复杂背景下对单指针式六氟化硫型仪表的自动检测和识别任务，并具有良好的准确率与稳定性，可满足变电站实际应用需求。

Intelligent Recognition Method of Single Pointer Sulfur Hexafluoride Instrument in Substation

【技术实现步骤摘要】
变电站单指针式六氟化硫型仪表智能识别方法
本专利技术涉及变电站单指针式六氟化硫型仪表智能识别方法，属于电力仪表智能识别的

技术介绍
目前，受限于复杂的电磁环境，我国的变电站设备巡检主要依靠巡检人员定期定时进行人工巡检。由于受气候条件、环境因素、人员素质和责任心等多方面因素的制约，巡检质量和到位率无法保证。同时，对反映运行状态和设备缺陷等的信息得不到及时反馈，设备隐患不能及时发现，引发设备故障。为解决上述问题，近年来有许多研究工作基于机器视觉以解决指针仪表读数问题。然而现有的技术主要通过传统的计算机视觉技术来获取表盘位置与指针特征，不适用于复杂场景下的指针式仪表盘定位与读数识别。并且现有方法为通用指针式仪表识别，对特殊仪表没有良好的鲁棒性。中国专利CN107066998A公开了一种指针式圆形多仪表盘实时读数识别方法，包括步骤多表盘视频图像采集，每帧预处理，每帧边缘检测，Hough圆检测，抠出表盘感兴趣区域，每个表盘倾斜校正，表盘Hough直线检测，指针线角度计算，读数识别等步骤，能够同时识别多个表盘读数，有较好的鲁棒性、实时性、高效率、成本低等特点，有效的提高了工业生产效率，减少了工业开销，为以后工业生产提供了可靠的技术保证。相比该专利文献，本专利技术具有以下技术优势：1)仪表盘获取本专利技术使用基于深度学习的yolo算法，在摄像头距仪表较远和仪表低占比情况下有非常好的效果。效果远比Houh圆检测稳定、准确。2)此专利的畸变矫正环节根据倾斜字符来进行矫正的方式在摄像头距仪表较远和仪表低占比情况下并不会很好的工作。本专利技术针对六氟化硫仪表对C字型环形区域进行识别，进而畸变矫正。矫正的效果和稳定性会更好。3)因为六氟化硫仪表指针太短，此专利中的Hough变换检测指针效果会大打折扣。本专利技术针对这种表，采用改进的模板匹配法进行识别指针特征，有更好的鲁棒性。中国专利CN104573702A本专利技术公开了一种六氟化硫压力仪表图像自动识别方法，包括下列步骤：其操作方法是，通过对仪表视频监控获取的图像进行预处理，转化为灰度图像；利用最大类间方法找到图像的一个合适的阈值，将仪表图像中的目标指针与圆盘背景进行区分；对灰度图像进行sobel算子边缘检测，再利用霍夫变换获取图像圆形区域的中心点坐标和半径；根据仪表图像特征，获取表盘参考点位置及参考终点的坐标；根据获取的坐标参数，计算指针偏转夹角，并结合表盘参考点位置计算指针读数，实现仪表图像读数的自动识别。相比该专利文献，本专利技术具有以下技术优势：1)仪表盘获取本专利技术使用基于深度学习的yolo算法，在摄像头距仪表较远和仪表低占比情况下有非常好的效果。2)增加了畸变矫正和图像增强环节，对各种环境下的仪表识别有更好的鲁棒性。不仅如此专利一般停留在对标准图像的识别，本专利技术更适用于实际场景下的应用。综上针对现有技术的分析可知，对于单指针式六氟化硫型仪表的图像采集及信息识别依然存在以下技术问题：(1)由于基于实际应用场景下，仪表盘可能距离摄像头较远，导致仪表盘面积在图像中占比低。如何在低占比情况下准确定位仪表盘位置具有挑战性。(2)实际应用场景下存在摄像头不会正面朝仪表盘平面，这将导致图像中仪表盘畸变为椭圆形，进而影响仪表盘中指针特征的提取与读数转换。(3)实际应用场景下存在光照不均匀、反光、阴暗等情况，这将对指针特征提取提出挑战。(4)针对六氟化硫型指针式仪表，指针长度仅占仪表盘直径的八分之一，指针特征提取困难。并且由于指针长度太短，导致仪表盘中刻度线与刻度值也将对指针特征提取造成干扰。
技术实现思路
针对现有技术的不足，本专利技术公开一种变电站单指针式六氟化硫型仪表智能识别方法。本专利技术旨在对特殊的单指针式六氟化硫型仪表进行读数识别。利用深度学习与传统计算机视觉技术相结合的方式，进行仪表盘定位与指针特征识别。并针对实际应用存在的光线阴暗与仪表盘畸变情形，加入图像增强模块与畸变处理模块以提升识别效果。本专利技术实现了在复杂背景下对单指针式六氟化硫型仪表的自动检测和识别任务，并具有良好的准确率与稳定性，可满足变电站实际应用需求。本专利技术的技术方案如下：一种变电站单指针式六氟化硫型仪表智能识别方法，其特征在于，该识别方法包括以下步骤:S1：使用基于深度学习的目标检测算法Yolo算法对包含指针式六氟化硫型仪表的原始图片进行仪表盘区域检测：将检测到的仪表盘区域切割出来作为待识别图像；S2：将待识别图像进行预处理操作：产生二值化图像；S3：将S2步骤处理后的二值化图像使用轮廓检测算法进行轮廓检测：通过设定轮廓面积阈值K过滤得到六氟化硫仪表盘中C字型黑色圆环，继续步骤S4；若在设定阈值内未检测到C字型黑色圆环，则对S1步骤产生的待识别图像进行图像增强处理，并返回S2步骤，直至得到六氟化硫仪表盘中C字型黑色圆环；S4：对步骤S1产生的待识别图像进行畸变处理，将椭圆形转变为圆形；S5：对畸变后图像重新进行预处理操作；S6：对预处理后图像使用改进的模板匹配法进行指针特征的提取；S7：使用几何法将指针特征转变为读数。根据本专利技术优选的，所述步骤S1中进行仪表盘区域检测的具体步骤如下：S11：采用公开指针式仪表盘数据集，并过滤重复、模糊数据后作为Yolo模型训练集；S12：Yolo模型训练集输入时，将图像缩放为D0*D0像素的图像，其中D0∈(800,1000)；优选的，在标注时标为正方形矩形框。根据本专利技术优选的，所述步骤S2中预处理操作的具体步骤如下：S21：对图像进行等比例缩放，将高设定为H0像素，其中H0∈(200,400)；S22：对图像灰度化处理；优选的，从RGB颜色空间转变为GRAY颜色空间转变公式为：Gray(i,j)＝0.299*R(i,j)+0.578*G(i,j)+0.114*B(i,j)其中R、G、B代表相应的红绿蓝色彩空间的值；S23：采用卷积核为S0*S0的高斯滤波，对图像进行去噪处理，其中S0∈(2,7)；S24：使用OTSU二值化处理图像；S25：使用形态学处理：首先使用S1*S1的卷积核对图像进行膨胀处理，再使用S1*S1的卷积核对图像进行腐蚀处理,其中S1∈(3,9)。根据本专利技术优选的，所述步骤S3中所述图像增强的过程为：S31：若轮廓面积处于K～3*K间则进行后续步骤操作,其中S1∈(8000,15000)；S32：若轮廓面积小于K，则使用S2*S2的卷积核对图像进行膨胀处理，其中S2∈(5,11)；S33：若轮廓面积大于3*K，首先对图像进行变暗处理；优选的，其中变暗处理的处理方程表示如下：其中Vout表示图像中每个像素经处理后的输出值，表示对输入值做α次方计算，其中α∈(0.01,0.06)。根据本专利技术优选的，经步骤S33处理后，若第二次轮廓面积依旧大于3*K，取brightness为0.4-0.8对图像进行提亮处理；优选的，其中提亮处理的处理方程表示如下：其中，C(i,j)表示图像中第i行第j列的像素值，brightness为提亮系数，取值为-1到1；优选的，brightness为0.4-0.8。根据本专利技术优选的，所述步骤S4中畸变处理的过程还包括：S41：对C字型黑色圆环轮廓使用最小二乘法进行椭圆拟合，并得到长短轴端点四个坐标，其中椭圆拟合规则如下：椭圆方程：Ax2+Bxy+本文档来自技高网...

【技术保护点】
1.一种变电站单指针式六氟化硫型仪表智能识别方法，其特征在于，该识别方法包括以下步骤:S1：使用基于深度学习的目标检测算法Yolo算法对包含指针式六氟化硫型仪表的原始图片进行仪表盘区域检测：将检测到的仪表盘区域切割出来作为待识别图像；S2：将待识别图像进行预处理操作：产生二值化图像；S3：将S2步骤处理后的二值化图像使用轮廓检测算法进行轮廓检测：通过设定轮廓面积阈值K过滤得到六氟化硫仪表盘中C字型黑色圆环，继续步骤S4；若在设定阈值内未检测到C字型黑色圆环，则对S1步骤产生的待识别图像进行图像增强处理，并返回S2步骤，直至得到六氟化硫仪表盘中C字型黑色圆环；S4：对步骤S1产生的待识别图像进行畸变处理，将椭圆形转变为圆形；S5：对畸变后图像重新进行预处理操作；S6：对预处理后图像使用改进的模板匹配法进行指针特征的提取；S7：使用几何法将指针特征转变为读数。

【技术特征摘要】
1.一种变电站单指针式六氟化硫型仪表智能识别方法，其特征在于，该识别方法包括以下步骤:S1：使用基于深度学习的目标检测算法Yolo算法对包含指针式六氟化硫型仪表的原始图片进行仪表盘区域检测：将检测到的仪表盘区域切割出来作为待识别图像；S2：将待识别图像进行预处理操作：产生二值化图像；S3：将S2步骤处理后的二值化图像使用轮廓检测算法进行轮廓检测：通过设定轮廓面积阈值K过滤得到六氟化硫仪表盘中C字型黑色圆环，继续步骤S4；若在设定阈值内未检测到C字型黑色圆环，则对S1步骤产生的待识别图像进行图像增强处理，并返回S2步骤，直至得到六氟化硫仪表盘中C字型黑色圆环；S4：对步骤S1产生的待识别图像进行畸变处理，将椭圆形转变为圆形；S5：对畸变后图像重新进行预处理操作；S6：对预处理后图像使用改进的模板匹配法进行指针特征的提取；S7：使用几何法将指针特征转变为读数。2.根据权利要求1所述的一种变电站单指针式六氟化硫型仪表智能识别方法，其特征在于，所述步骤S1中进行仪表盘区域检测的具体步骤如下：S11：采用公开指针式仪表盘数据集，并过滤重复、模糊数据后作为Yolo模型训练集；S12：Yolo模型训练集输入时，将图像缩放为D0*D0像素的图像，其中D0∈(800,1000)；优选的，在标注时标为正方形矩形框。3.根据权利要求1所述的一种变电站单指针式六氟化硫型仪表智能识别方法，其特征在于，所述步骤S2中预处理操作的具体步骤如下：S21：对图像进行等比例缩放，将高设定为H0像素，其中H0∈(200,400)；S22：对图像灰度化处理；优选的，从RGB颜色空间转变为GRAY颜色空间转变公式为：Gray(i,j)＝0.299*R(i,j)+0.578*G(i,j)+0.114*B(i,j)其中R、G、B代表相应的红绿蓝色彩空间的值；S23：采用卷积核为S0*S0的高斯滤波，对图像进行去噪处理，其中S0∈(2,7)；S24：使用OTSU二值化处理图像；S25：使用形态学处理：首先使用S1*S1的卷积核对图像进行膨胀处理，再使用S1*S1的卷积核对图像进行腐蚀处理,其中S1∈(3,9)。4.根据权利要求1所述的一种变电站单指针式六氟化硫型仪表智能识别方法，其特征在于，所述步骤S3中所述图像增强的过程为：S31：若轮廓面积处于K～3*K间则进行后续步骤操作,其中S1∈(8000,15000)；S32：若轮廓面积小于K，则使用S2*S2的卷积核对图像进行膨胀处理，其中S2∈(5,11)；S33：若轮廓面积大于3*K，首先对图像进行变暗处理；优选的，其中变暗处理的处理方程表示如下：其中Vout表示图像中每个像素经处理后的输出值，表示对输入值做α次方计算，其中α∈(0.01,0.06)。5.根据权利要求4所述的一...

【专利技术属性】
技术研发人员：聂礼强，甘甜，孙腾，战新刚，姚一杨，张曌，
申请(专利权)人：山东大学，
类型：发明
国别省市：山东,37