图像识别技术在设备巡视中的应用

图像识别技术在设备巡视中的应用

虞明智杨怀仁

国网金华供电公司金华321000

摘要：现阶段，随着社会的发展，我国的科学技术的发展也有了很大的进步。变电站部署了大量的视频摄像机，并通过摄像机对设备情况进行监视，将设备的运行情况进行就地分析、判断后上传至集中监控中心。当所监视的电力设备运行状态发生异常情况时，监控计算机需要进一步分析该设备图像，此时，在将召唤图像指令下发后进行图像连续采集，然后利用视频专有网络向主站计算机发出报警信号并将采集图像实时传输。

关键词：图像识别技术；设备巡视；应用

引言

随着社会的发展，我国的电力系统的发展也突飞猛进，对电力的需求也越来越大，以电力设备在线监测为论述对象，以图像识别和处理技术为论述手段，基于理论知识的学习和实践经验的应用，从电力设备监测和总体方案分析、监测图像识别和分析以及基于图像识别技术的电力设备异常状态监测三个方面实施了专业论述。所述内容具有一定的参考性，以期为我国智能化电力系统的发展和应用提供技术支撑。

1图像识别技术概述

人们所说的图像识别的意思就是说把计算机所获取的图像进行分析、处理以及解释，然后辨别出不同模式下的目标技术。随着信息化进程的不断加快，图像识别在社会各个行业中的应用越来越深入，成为生产生活中的一种重要技术手段，尤其是对于人工智能的发展具有重要的支撑作用。在进行图像识别之前首先必须获取所需的图像，主要通过摄影机、摄像机来获得。由于在图像获取的过程中会受到仪器本身以及外部环境等因素的影响，需要对所获取的图像进行预处理，从而去除图像中的干扰和噪声，提高图像的质量。之后还需要应用计算机图像处理技术如变换、增强、分割等对于图像的特征进行提取和分析，对图像内的物体的特征进行描述。在图像识别的过程中，图像识别模型的构建是必不可少的环节，其中应用得较多的有模板匹配以及原型匹配模型两种。

2电力设监测图像识别和分析

在图像采集过程中，受CCD畸变、聚焦效果差和环境因素的影响，使得图像质量因噪音的引入而降低，从而增大图像识别和分析的难度。图像在被控制中心接收后，经过预处理分割出目标电力设备，以此提升识别精度。

2.1图像预处理

为了减少图像的噪声，在灰度处理图片后，还要对照片进行平滑滤波处理。而引入加权系数的平滑模板对噪声消减效果良好，图像质量提升明显。通过低通滤波的运用，平滑滤波处理灰度图可将其中的高频噪声信号进行有效过滤。但是需要注意，在采用该方式减少图像噪声时，由于同时也会过滤掉图像边缘部分的高频噪声，因此会使图像整体质量因边缘化模糊而受到影响。鉴于此，为使图像噪音消减和图像边缘模糊化问题均得到解决，在用平滑滤波处理完图像后，可进一步实施直方图均衡化处理，以实现图像处理质量的整体提升。

2.2图像分割

把图片切割成许多个具有独特性质的特定的区域，以便形成具有物理意义的多联通区域集合。具体地，在分析图像特征信息（亮度、颜色与纹理等）后，以各自差异为依据进行图像分割，该操作可对图像进行很好的识别和分析。由于分割准确性对后续工作的有效性影响重大，故此在具体分割时应注意控制好精度。在图像分割过程中，主要以图像颜色、灰度和几何性质为依据分隔不同含义的区域，这些区域各自均具有可满足特定区域的一致性，彼此之间互不相交。例如，在对统一物体图像的分割，一般是从背景图像中将属于和不属于该物体的像素点分离出来，而所分割出的区域，应同时满足以下条件：（1）在某一方面，相邻区域间差异性应表现明显；（2）分割区域边界完整且边缘空间拥有较高的定位精度；（3）分割完成的区域连通性和均匀性应表现良好，其中连通性是指该区域内任意两点均存在连接路径，均匀性指区域内所有像素在色彩、纹理、灰度特征等方面具有一定的相似性。基于分割原理的分析，图像分割主要包括基于特定理论、基于区域、基于边缘检测以及基于阀值的4种分割方法。其中，基于阀值的图像分割主要以图像灰度频率分布数据为依据，操作简单且稳定性较好，在图像分割中已发展为最基本的技术。具体而言，采用基于阀值的方法进行图像分割时，主要利用图像中提取的目标对象和背景灰度值间差异，将图像看作具有不同灰度等级的区域组合，通过合理阀值的选取，从背景图像中分割出目标区域。在使用基于阀值的分割方法时，为提升分割结果的精确度和图像分析效率，对灰度图还需进一步实施二值化处理，具体方法主要包括动态阈值法、局部阈值法和全局阈值法。第一，动态阈值法。在图像二值化处理过程中，对于阀值应综合分析后进行选取，结合该图像像素及其坐标，还需考虑周围像素的灰度值。由于动态阈值法充分考虑了每个相邻域的特征，因此对目标边界和背景图像表现更清晰，抗噪声能力更强，虽然在空间和时间方面表现出较高的复杂度。但是，随着计算机性能的日益优化，对于实际处理中的各种需求已可完全满足。第二，局部阈值法。该方法可有效克服光照不均匀问题，但因转换速度较慢而难以保证目标区域的连通性。

3应用措施研究

3.1变电站的图像监测

现阶段，变电站已基本实现无人值守，虽然当前已经建立了变电站遥视系统，但是简单地采集和传输无人值守变电站的图像信号难以满足当前电网快速发展的需求。所以，首先应对变电站实时采集的图像进行分类，然后对这些分类图像进行分析，根据分析结果判断是否须对这些图像进行传输。当设备处于正常运行时，图像就地存在不上传，只传输分析结果；而当变电站设备运行状态发生畸变时，则将特定的图像信号和报警信息传送给集中监视端。运维人员在确认报警信号之后，再结合系统发出的提示找到对应的变电站图像进行观察和处理。通过这种方式，能够大幅度减轻运维人员的工作强度，同时可有效降低通信通道的负载。

3.2基于图像识别的电力设备检测总体方案

许多发电厂和变电站都构建起了较为完善的视频监测系统，以此为基础可以实现通过图像识别技术来检测和分析电力设备的目的。数字摄像机是视频监测系统中对于电力设备运行状态进行监控的主要设备，它的传感器是电荷耦合元件（Charge-CoupledDevice，CCD），可以将获得的信息转换成光信号然后传输到监控计算机。在整个系统中，监控计算机是核心，图像的处理、分析和识别都有赖于它来进行。在数字摄像机采集到监控图像后，计算机就会通过图像识别技术进行分析和处理，如果发现电力设备异常就会向主站计算机发送报警，进行预警。

结语

图像处理技术在电力设备在线监测中的应用，不仅能够有效替代人工巡检，提升工作效率和自动化程度，还能在高压、危险和恶劣环境下，通过对电力设备运行状态的实时获取，有效保证电力系统运行的安全性和可靠性。

参考文献

[1]孙景明.电力信息化安全的重要性及构建[J].中国科技纵横，2016（9）：164.

[2]马青，管保安，张扬，等.基于图像识别技术的电力系统在线监测[J].华电技术，2011（11）：31-34.

[3]胡博，刘国华，李伟，等.图像识别技术在电力行业中的应用[C].南宁：电力行业信息化年会，2009.