基于机器视觉的电力设备锈蚀识别系统及方法技术方案

本发明专利技术涉及电网设备监测领域，公开了基于机器视觉的电力设备锈蚀识别系统及方法，该基于机器视觉的电力设备锈蚀识别方法包括：S1：通过摄像头实时采集电力设备内外局部区域的图像；S2：将采集的图像清晰化处理后与以前采集的图像进行颜色识别，判断该处是否发生锈蚀，将锈蚀图像与数据库模型对比，识别该处锈蚀的种类和程度；S3：识别该处锈蚀的电力设备部件；S4：识别分析模块整理该处锈蚀的电力设备部件以及锈蚀的种类和程度，得出电力设备的锈蚀情况；S5：将电力设备的锈蚀情况发送至终端。本发明专利技术提供的基于机器视觉的电力设备锈蚀识别系统及方法解决了平常巡检工作中难以发现电力设备局部锈蚀处，锈蚀情况识别正确率低且效率低的问题。且效率低的问题。且效率低的问题。

【技术实现步骤摘要】
基于机器视觉的电力设备锈蚀识别系统及方法


[0001]本专利技术涉及电网设备监测领域，具体涉及基于机器视觉的电力设备锈蚀识别系统及方法。

技术介绍

[0002]近年来随着社会经济的高速发展，社会用电需求迅猛增长，电力设备数量逐年增多，电网的规模扩大，因此电力供应的可靠性变得尤为重要。变电站内的电气设备分为一次设备和二次设备，一次设备指直接生产、输送、分配和使用电能的设备，主要包括变压器、高压断路器、隔离开关、母线、避雷器、电容器、电抗器等。变电站的二次设备是指对一次设备和系统的运行工况进行测量、监视、控制和保护的设备，它主要包括继电保护装置、测控装置、计量装置、自动化系统以及为二次设备提供电源的直流设备。
[0003]电力设备长期运行，局部的锈蚀问题不易被发现，缺乏及时有效的维护检修，会降低设备运行的可靠性，存在安全隐患，导致设备运行故障.一旦设备发生故障，就会影响整个电网系统正常运行，将会严重影响生产生活，造成不可估量的经济损失。目前变电站的巡检主要采用人工或机器人方式，沿着站内的巡检便道对输变电设备依次巡检，通过运检人员观测或通过机器人采集视频图像传回，再进行人工识别，查找设备上是否存在锈蚀问题。但由于设备处于运行状态，只能在设备外保持安全距离进行整体观测，难以对设备内外局部的锈蚀情况进行了解，并且人工识别的锈蚀情况取决于运检人员工作经验，经验的参差使得整体识别正确率低且效率低。

技术实现思路

[0004]本专利技术意在提供基于机器视觉的电力设备锈蚀识别方法，能够解决平常巡检工作中难以发现电力设备局部锈蚀处，锈蚀情况识别正确率低且效率低的问题。相应的，本专利技术还提供了基于机器视觉的电力设备锈蚀系统，用以保证上述方法的实现及应用。
[0005]本专利技术提供的技术方案为：基于机器视觉的电力设备锈蚀识别方法，包括以下步骤：
[0006]S1：通过摄像头实时采集电力设备内外局部区域的图像，将图像数据发送至识别分析模块；
[0007]S2：识别分析模块将采集的图像清晰化处理后与以前采集的图像进行颜色识别，判断该处是否发生锈蚀，确定发生锈蚀后，将锈蚀图像与数据库模型对比，通过图像匹配与识别算法，识别该处锈蚀的种类和程度；
[0008]S3：识别分析模块将采集的图像与数据库模型对比，识别该处锈蚀的电力设备部件；
[0009]S4：识别分析模块整理该处锈蚀的电力设备部件以及锈蚀的种类和程度，得出电力设备的锈蚀情况；
[0010]S5：通信模块将电力设备的锈蚀情况发送至终端。
[0011]本专利技术的工作原理及优点在于：通过摄像头采集的图像，可以看到电力设备内部或外部平常观测不到的地方。识别分析模块实时颜色识别采集的图像数据，能够及时发现电力设备局部的锈蚀。识别到锈蚀后，将锈蚀图像与数据库模型对比，识别该处锈蚀的种类和程度，然后识别该处锈蚀的电力设备部件，综合该处锈蚀的电力设备部件以及锈蚀的种类和程度，得出电力设备的锈蚀情况，发送至终端。本方法利用电力设备内外的摄像头实时采集和识别图像，相比平常巡检方式，观测范围更广，能够及时发现锈蚀；通过对数据库模型的图像匹配与识别算法，相比人工识别，不依赖于运检人员的经验，准确率更高，机器识别的效率也比人工更高；运检人员可以根据锈蚀情况的信息采用相应的解决办法，以保障电力设备的运行可靠性。
[0012]进一步，所述S1中通过摄像头采集的图像包括电力设备上安装的摄像头和外部监控摄像头所采集的图像。
[0013]本专利技术对电力设备上的摄像头和安防监控摄像头都兼容，无需对应用本技术的场景进行监控设备改造，降低了实施成本，应用范围广。
[0014]进一步，所述S2中对于采集的图像具有灯光闪烁的情况，识别分析模块对图像逐帧分析，选取色差最小的几张图像，通过融合算法，生成环境光稳定的图像，再进行识别。
[0015]摄像头采集的图像可能会受到灯光闪烁影响，造成图像环境光失衡，影响识别效果，在此识别分析模块对采集的一系列受灯光闪烁影响的图像进行处理，生成环境光稳定的图像，再进行识别。
[0016]进一步，所述S2中对于采集的图像具有水雾的情况，识别分析模块对图像逐帧分析，通过多张融合的算法，生成去水雾效果的图像，再进行识别。
[0017]若电力设备所处环境比较潮湿，可能会有水雾的情况影响图像质量，影响识别效果，识别分析模块采集多张图像，逐帧分析，通过图像融合算法生成去水雾效果的图像，再进行识别。
[0018]进一步，所述S3中识别该处锈蚀的电力设备部件包括电力设备部件的位置和型号，识别分析模块通过多个摄像头对同一处锈蚀采集的图像识别该处锈蚀的电力设备部件的位置和型号，具体包括以下步骤：
[0019]S3
‑
1：识别分析模块结合多个摄像头拍摄的同一处锈蚀图像，识别该处锈蚀的电力设备部件在电力设备的位置；
[0020]S3
‑
2：将该处锈蚀的电力设备部件图像与数据库模型对比，识别该处锈蚀的电力设备部件的型号。
[0021]进一步，所述S4中电力设备的锈蚀情况包括该处锈蚀的电力设备部件的位置和型号，锈蚀的种类和程度，还包括锈蚀的发展速度，具体包括以下步骤：
[0022]S4
‑
1：识别分析模块整理该处锈蚀的电力设备部件的位置和型号，锈蚀的种类和程度，得出电力设备的锈蚀情况；
[0023]S4
‑
2：识别分析模块将电力设备的锈蚀数据通过分析算法得出锈蚀的发展速度，将锈蚀的发展速度整理进电力设备的锈蚀情况。
[0024]通过分析算法计算出锈蚀的发展速度，运检人员根据锈蚀的发展速度判断该处锈蚀的缓急程度，决定对该锈蚀的电力设备部件进行维护还是更换。
[0025]进一步，所述S4还包括以下步骤：
[0026]S4
‑
3：根据锈蚀情况，联网搜索适合该锈蚀情况的解决方案，将选取的解决方案整理进电力设备的锈蚀情况。
[0027]根据具体的锈蚀情况，搜索适合该锈蚀情况的解决方案，作为运检人员的参考，帮助运检人员更高效的解决问题。
[0028]进一步，所述S4
‑
3还包括根据电力设备所在变电站内物资的情况选取锈蚀情况的解决方案，具体包括以下步骤：
[0029]S4
‑3‑
1：根据锈蚀情况，联网搜索适合该锈蚀情况的解决方案，并采集变电站物资管理系统的数据；
[0030]S4
‑3‑
2：将搜索的解决方案和物资数据进行匹配，选取适合当前条件的解决方案，整理进电力设备的锈蚀情况。
[0031]解决方案的选取需要结合变电站内物资和配件的储备情况，这样给出的解决方案最符合现场实际情况，最易于实施。
[0032]本专利技术还提供一种基于机器视觉的电力设备锈蚀识别系统，包括图像采集模块、数据库、识别分析模块、通信模块；所述图像采集模块用于将摄像头采集的图像数据发送至识别分析模块；所述数据库用于提供对比识别的电力设备部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于机器视觉的电力设备锈蚀识别方法，其特征在于：包括以下步骤：S1：通过摄像头实时采集电力设备内外局部区域的图像，将图像数据发送至识别分析模块；S2：识别分析模块将采集的图像清晰化处理后与以前采集的图像进行颜色识别，判断该处是否发生锈蚀，确定发生锈蚀后，将锈蚀图像与数据库模型对比，通过图像匹配与识别算法，识别该处锈蚀的种类和程度；S3：识别分析模块将采集的图像与数据库模型对比，识别该处锈蚀的电力设备部件；S4：识别分析模块整理该处锈蚀的电力设备部件以及锈蚀的种类和程度，得出电力设备的锈蚀情况；S5：通信模块将电力设备的锈蚀情况发送至终端。2.根据权利要求1所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述S1中通过摄像头采集的图像包括电力设备上安装的摄像头和外部监控摄像头所采集的图像。3.根据权利要求2所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述S2中对于采集的图像具有灯光闪烁的情况，识别分析模块对图像逐帧分析，选取色差最小的几张图像，通过融合算法，生成环境光稳定的图像，再进行识别。4.根据权利要求2所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述S2中对于采集的图像具有水雾的情况，识别分析模块对图像逐帧分析，通过多张融合的算法，生成去水雾效果的图像，再进行识别。5.根据权利要求2所述的基于机器视觉的电力设备锈蚀识别方法，其特征在于：所述S3中识别该处锈蚀的电力设备部件包括电力设备部件的位置和型号，识别分析模块通过多个摄像头对同一处锈蚀采集的图像识别该处锈蚀的电力设备部件的位置和型号，具体包括以下步骤：S3
‑
1：识别分析模块结合多个摄像头拍摄的同一处锈蚀图像，识别该处锈蚀的电力设备部件在电力设备的位置；S3
‑
2：将该处锈蚀的电力设备部件图像与数据库模型对比，识别该处锈蚀的电力设备部件的型号。6.根据权利要求5所述的基于机器视觉的...

【专利技术属性】
技术研发人员：樊俊良，龚方舟，孙大年，谭利辉，陈伦，
申请(专利权)人：重庆重变电器有限责任公司，
类型：发明
国别省市：