保护屏柜图像中压板的识别方法技术

本发明专利技术提供了一种保护屏柜图像中压板的识别方法，包括以下步骤：S1，通过所述手持扫描设备获取所述保护屏柜的照片；S2，对所述进行背景过滤；S3，对背景过滤后的图片进行旋转校正；S4，对旋转校正后的压板状态进行识别。

Recognition method of medium voltage board in image of protection panel

【技术实现步骤摘要】
保护屏柜图像中压板的识别方法
本专利技术涉及一种电力系统巡检辅助
，尤其涉及保护屏柜图像中压板的识别方法。
技术介绍
在110kv变电站中通常有10-20个保护屏柜，220kv和500kv变电站的保护屏柜数量可达上百个，每个保护屏柜的压板开关数量多达五十四个，巡检工作需要对这些压板开关进行检查。然而在目前的人工巡检过程中存在工作量大、及时性差、工作记录纸质化等问题，加之巡检人员由于身理和心理素质、责任心、技术水平、工作经验等因素可能会出现失误，从而留下安全隐患，甚至造成重大安全灾害。由于现在的机器视觉技术和网络技术的长足发展，可以通过摄像头对保护屏柜的压板部分进行拍照，然后通过处理器对图像进行处理识别出压板的开关状态，最后通过与压板投退表进行核对，并将核对的结果和拍摄的图片保存。然而，现有的技术还没开发出一套有效的压板状态识别方法。
技术实现思路
本专利技术提供了一种保护屏柜图像中压板的识别方法，可以有效解决上述问题。本专利技术是这样实现的：一种保护屏柜图像中压板的识别方法，包括以下步骤：S1，通过所述手持扫描设备获取所述保护屏柜的照片；S2，对所述进行背景过滤；S3，对背景过滤后的图片进行旋转校正；S4，对旋转校正后的压板状态进行识别。本专利技术的有益效果是：1.本专利技术利用机器视觉对保护屏柜的压板进行识别，从而可以提高巡检人员对保护屏柜的巡检效率；2.本专利技术通过对图片进行背景过滤、旋转校正，然后再进行压板状态识别，从而可以提高识别的准确度。附图说明为了更清楚地说明本专利技术实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1～23是本专利技术实施例提供保护屏柜图像中压板的识别方法中，对背景过滤、旋转校正、压板状态识别处理的过程图像。具体实施方式为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将结合本专利技术实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本专利技术一部分实施方式，而不是全部的实施方式。参照图1～23所示，本专利技术实施例提供一种保护屏柜图像中压板的识别方法，包括以下步骤：S1，通过所述手持扫描设备获取所述保护屏柜的照片；S2，对所述进行背景过滤；S3，对背景过滤后的图片进行旋转校正；S4，对旋转校正后的压板状态进行识别。参照图1所示，在步骤S2中，所述对所述照片进行背景过滤的步骤包括：S21,获取输入照片HSV颜色空间中的S通道，进行阈值80,最大值255的二值化，获得图片如图2所示：S22，利用morphologyEx函数进行形态学运算，内核选择尺寸为9x9的矩形，对图像开运算(先腐蚀后膨胀)，获得图片如图3所示：开运算：img_open＝open(img_THR，element)＝dilate(erode(img_THR，element))先腐蚀：再膨胀：S23，利用findContours函数寻找轮廓，存下找到的所有轮廓Contours，获得图片如图4所示：Contours＝findContours(img_open)。S24，对Contours的每一个元素取最小外接矩形boundRect，获得图片如图5所示：BoundRocts＝{boundRect|boundRect＝Rect(min(contour.x)，min(contour.y)max(contour.x)-min(contour.x)，max(contour.y)-mincontour.y))contour∈Contoirs}。S25，计算所有BoundRects的面积中位数(而不用面积边界筛选，使得算法适用于各种像素大小的配电板)，对BoundRects的每一个元素限定BoundRects与其的偏差域进行第一次筛选，筛选出TarRects1，如图6所示：根据BoundRects的面积大小递增排序后的面积大小集合为termsterms(BoundRects)＝Ascendingorder(BoundRects，area)计算terms的中位数median第一次筛选S26，对TarRects1的每一个元素限定长宽比例进行第二次筛选，筛选出TarRects2，如图7所示；TarRects2＝{rect|2*rect，height>rect，width，rect∈TarRests1}。S27,对TarRects2的每一个元素利用calcHist函数计算直方图H并归一化，利用compareHist函数与事前制作好的红、黄压板模板比较直方图，限定评分上限过滤非红、黄压板，进行第三次筛选TarRect3，如图9所示：所述比较直方图：S28,对TarRect3的每一个元素算出四个角点，合并存入点容器；S29,取点容器中所有点的最小外接矩形filter_rect，并进行边界范围调整，将输入照片中此区域外的部分都填充为白色，获得过滤背景的照片，如图10所示。作为进一步改进的，在步骤S3中，所述对所述照片进行旋转校正的步骤包括：S31，过滤背景的照片取最小区域矩形(minAreaRect)，再求出二维盒(CvBox2D)获得单个旋转角度，如图11所示；求平均旋转角度avg_angle。背景过滤三次筛选后的压板同索引下的轮廓:Contours2＝{contour|contour＝Contours[rect，index]，rect∈TarRect3}平均旋转角度：S32，选取输入图较长宽中较大的数乘倍设为canvas，将长与宽都为canvas的正方形作为画布，输入图与画布间的间隙利用copyMakeBorder函数填充黑色，如图12所示；正方形画布边长：上下左右填充区域长宽：dx＝(convos_longth-img_BGFitor，cols)/2dy＝(canvaslength-img_BGFilter，row8)/2因此，填充后的画布：canvas＝Rect(0，0，canvas_length，canvas_length)。S33，利用warpAffine函数旋转输入图，旋转角度为avg_angle，画布canvas中心记为center，如图13所示。将原坐标(x，y)变换为新坐标(x′，y′)，中间的变换矩阵记为M。warpAffine的变换基本公式，平移变换，若xt＝x+tx...

【技术保护点】
1.一种保护屏柜图像中压板的识别方法，其特征在于，包括以下步骤：/nS1，通过所述手持扫描设备获取所述保护屏柜的照片；/nS2，对所述进行背景过滤；/nS3，对背景过滤后的图片进行旋转校正；/nS4，对旋转校正后的压板状态进行识别。/n

【技术特征摘要】
1.一种保护屏柜图像中压板的识别方法，其特征在于，包括以下步骤：
S1，通过所述手持扫描设备获取所述保护屏柜的照片；
S2，对所述进行背景过滤；
S3，对背景过滤后的图片进行旋转校正；
S4，对旋转校正后的压板状态进行识别。


2.如权利要求1所述的保护屏柜图像中压板的识别方法，其特征在于，在步骤S2中，所述对所述照片进行背景过滤的步骤包括：
S21,获取输入照片HSV颜色空间中的S通道，进行阈值80,最大值255的二值化；
S22，利用morphologyEx函数进行形态学运算，内核选择尺寸为9x9的矩形，对图像开运算；
S23，利用findContours函数寻找轮廓，存下找到的所有轮廓Contours；
S24，对Contours的每一个元素取最小外接矩形boundRect；
S25，计算所有BoundRects的面积中位数，对BoundRects的每一个元素限定BoundRects与其的偏差域进行第一次筛选，筛选出TarRects1；
S26，对TarRects1的每一个元素限定长宽比例进行第二次筛选，筛选出TarRects2；
S27,对TarRects2的每一个元素利用calcHist函数计算直方图H并归一化，利用compareHist函数与事前制作好的红、黄压板模板比较直方图，限定评分上限过滤非红、黄压板，进行第三次筛选TarRect3；
S28,对TarRect3的每一个元素算出四个角点，合并存入点容器；
S29,取点容器中所有点的最小外接矩形filter_rect，并进行边界范围调整，将输入照片中此区域外的部分都填充为白色，获得过滤背景的照片。


3.如权利要求1所述的保护屏柜图像中压板的识别方法，其特征在于，在步骤S3中，所述对...

【专利技术属性】
技术研发人员：关健杰，唐艳，
申请(专利权)人：厦门欧易奇机器人有限公司，
类型：发明
国别省市：福建;35