內蒙古電力(集團)有限責任公司包頭供電局 謝逸逍 肖 猛 汪有成 黃玉柱 馬文奎

一種變電站懸掛異物識別方法

內蒙古電力(集團)有限責任公司包頭供電局 謝逸逍 肖 猛 汪有成 黃玉柱 馬文奎

提出了一種變電站懸掛異物的識別方法，實現(xiàn)了站內懸掛異物的實時監(jiān)控。首先，使用數(shù)字圖像處理技術對采集圖像進行去噪等預處理操作。其次，使用SIFT配準定位指定區(qū)域，分析并統(tǒng)計指定區(qū)域中特征角點的數(shù)目。最后，根據特征點數(shù)目的分布狀態(tài)和設定閾值進行異物識別，超過閾值時判定為有異物侵入，預警站內工作人員進行處理。實驗證明，該方法具有計算快捷，適應性強、正確率高的特點，可以滿足變電站無人值守的實時監(jiān)控要求。

變電站；異物識別；SIFT配準；Harris角點

1 引言

目前，我國電力變電站設備巡檢多采用人工巡檢方式[1]。即變電站工作人員進入設備區(qū)，進行設備巡視。這種巡檢方式主要靠的是作業(yè)人員的主觀的感官定性判斷分析，需要工作人員有豐富的工作經驗和較高的業(yè)務水平。并且也很難做到數(shù)據的實時輸入管理信息系統(tǒng)。變電站是個高危場所，在惡劣天氣下，設備的巡檢對工作人員來說存在較大的安全隱患[2]。

同樣，對變電站設備中懸掛物的巡視主要還通過人眼進行，由于人眼有主觀性和易疲勞的弱點，有時會忽略一些異常情況。再者，國家電力通信調度中心要求現(xiàn)有的35KV、110KV、220KV在條件成熟時，逐步實現(xiàn)無人值守。所以基于計算機視覺的懸掛物識別顯得尤為必要。圖像匹配是計算機視覺中的一個基本問題，SIFT (Scale Invariant Feature Transform)是目前圖像匹配領域最活躍的算法之一。SIFT特征對于圖像縮放、平移和旋轉都具有良好的不變性，對于光照變化和仿射變換或三維投影也具有一定的魯棒性[3]。所以SIFT算法已經成為目標識別中的熱門算法。

本文首先采用SIFT算法對變電站中采集的模板圖像和巡檢圖像的指定區(qū)域進行匹配，在匹配圖像的基礎上，再使用角點檢測統(tǒng)計指定區(qū)域的特征點，通過特征點和設定閾值的比較進行懸掛異物識別。

2 濾波去噪

圖像在形成、傳輸過程中，常因外界噪聲的干擾而導致質量退化。因此，噪聲檢測是比較關鍵的一步，它為圖像中像素點的正確分類提供基礎。噪聲檢測的方法較多為減少噪聲的影響，可以采取各種濾波方式對圖像進行去噪處理。

2.1 中值濾波

中值濾波是一種非線性平滑技術，它將每一像素點的灰度值設置為該點某鄰域窗口內的所有像素點灰度值的中值[4]。就是用一個奇數(shù)點的移動窗口(中值窗)，將窗口中心點的值用窗口內各點按其數(shù)值大小排序后中間的那個數(shù)(即中值)代替．中值濾波是一種優(yōu)化的保持邊界與濾除高頻噪聲干擾的濾波方法，尤其對 處理突變尖峰之類的脈沖噪聲非常有效。并且在濾除噪聲的同時圖像不會被模糊。二維中值濾波的窗口形狀和尺寸設計對濾波效果影響較大，不同的圖像內容和應用要求，往往采用不同形狀和尺寸以達到滿意的濾波效果。

2.2 高斯濾波

高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應用于圖像處理的減噪過程[5]。通俗的講，高斯濾波就是對整幅圖像進行加權平均的過程，每一個像素點的值，都由其本身和鄰域內的其他像素值經過加權平均后得到。高斯濾波的具體操作是：用一個模板(或稱卷積、掩模)掃描圖像中的每一個像素，用模板確定的鄰域內像素的加權平均灰度值去替代模板中心像素點的值。

高斯濾波器脈沖響應函數(shù)為：

通過一次卷積運算可以將原始信號分離為低頻信號和高頻信號兩部分。

圖1和圖2分別是中值濾波和高斯濾波的效果圖，從圖中可以看出高斯濾波保持的輪廓性比較完整，對目標檢測的特征比對更具優(yōu)勢，因此本文選擇高斯濾波進行去噪。

3 SIFT算法原理

SIFT(Scale Invariant Feature transform,尺度不變特征轉換)算法[6,7]是由加拿大David G.Lowe于1999年提出的一種基于圖像局部特征的描述子，并于2004年做了完善。SIFT特征點對于圖像的尺度和旋轉有很好的不變性，對于光照和3D視角也能保持一定的穩(wěn)定性[8]，所以被國際公認為是效果良好的特征點匹配方法。SIFT圖像特征的主要計算步驟如下：

Step1：構建尺度空間；

Step2：關鍵點的精確定位；

Step3：確定特征點的主方向；

Step4：生成特征向量描述子。

圖1 中值濾波效果圖

圖2 高斯濾波效果圖

設待匹配的兩個圖像為M和N，兩個照片經SIFT特征點提取后，M的特征點集合為，N的特征點集合為其中l(wèi)m和ln分別是圖像M和N的特征點數(shù)目。采用特征向量的歐式距離作為SIFT特征向量的相似特征的判定度量。歐式距離計算公式如下：

取待匹配圖像中的某個特征點，在目標圖像中找到歐式距離中的最近距離和次近距離，兩個距離比如果大于某個設定的閾值，則接受這一對匹配點。在特征點完成初始匹配后,會存在錯誤的匹配點對，對這些錯誤匹配點對采用RANSAC算法進行篩選。

農業(yè)農村部相關負責人透露，農業(yè)農村部已經在15個省區(qū)市、22種作物上開展蜜蜂授粉與綠色防控技術集成試驗示范，同時開展蜂業(yè)質量提升行動，今后將加大資金支持力度，進一步推廣蜜蜂授粉，服務綠色農業(yè)發(fā)展。

4 算法設計及其分析

變電站指定區(qū)域存在懸掛物時，指定區(qū)域的圖像邊緣有明顯的變化。因此，可以采用特征點的分布來進行分析。因此，異物檢測識別時，比較巡檢機器人采集的設備圖像與模板圖像的同一區(qū)域內特征角點的個數(shù)與分布情況，如果兩幅圖像中相同電力設備的特征角點的個數(shù)或分布情況存在較大的差異，則認為在此區(qū)域內有異物的存在。

Harris具有對亮度和對比度的變換不敏感和旋轉不變性的特點，因此算法采用Harris角點來檢測指定區(qū)域內的特征點分布。如果某一個點在 X 方向和 Y 方向上都有明顯的導數(shù)，即這個點在兩個方向上都有明顯的梯度值，則認為這個點為特征點。

算法步驟如下：

Step1：模板圖像區(qū)域標定；

Step2：巡檢圖像SIFT配準匹配；

Step3：指定區(qū)域預處理操作；

Step4：Harris角點檢測；

Step5：特征點統(tǒng)計分析；

Step6：與閾值比較；

Step7：輸出檢測結果。

算法流程圖如圖3所示：

圖3 異物檢測算法流程圖

實驗中，使用人工合成圖像進行算法仿真模擬測試。如圖4和圖5所示。

圖4 模板圖像

圖5 巡檢圖像(存在異物)

如圖6所示，綠色矩形框為需要檢測的設備區(qū)域。從左至右依次為模板圖像(沒有異物)、沒有異物的巡檢圖像、存在異物的巡檢圖像。

圖6 算法檢測效果示例圖

Harris角點檢測到的特征點數(shù)和類的個數(shù)如表1所示：

表1 特征點分布統(tǒng)計

從實驗結果中可以看到，存在異物時，特征點的數(shù)目和類的個數(shù)都發(fā)生了變換，并且有明顯的可區(qū)分性。實驗數(shù)據表明了該算法在進行異物識別的有效性。

5 結論

本文通過Harris特征檢測，提取模板圖像和巡檢圖像中指定區(qū)域的特征點，對特征點進行統(tǒng)計分析，實現(xiàn)了設備區(qū)域有無異物的檢測識別。實驗結果表明該算法建模簡單、運行速度快、準確率高。通過機器人平臺，實現(xiàn)了變電站中異物檢測，提高了工作人員的工作效率和作業(yè)人員的安全性。該算法的實施，推進了變電站無人值守進程，實現(xiàn)了變電站自動化和智能化。

[1]宋曉明.變電站智能巡檢機器人關鍵技術研究[D].長沙理工大學,2013:2-9.

[2]胡啟明,胡潤滋,周平.變電站巡檢機器人應用技術[J].華中電力,2011,05:1045-1046.

[3]陳月,趙巖,王世剛.基于SIFT特征矢量的快速圖像拼接方法[J].吉林大學學報(理學版),2017,55(1):116-117.

[4]安靜宇,馬憲民.基于中值濾波和小波變換的火電廠爐膛火焰圖像去噪方法[J].計算機工程與科學,2016,38(8):1702-1705.

[5]姒紹輝,胡伏原,顧亞軍,等.一種基于不規(guī)則區(qū)域的高斯濾波去噪算法[J].計算機科學,2014,41(11):313-315.

[6]DavidG Lowe.Distinctive Image Feat-ures From Scale-Invariant Interest Point[J].International Journal of Computer Vision,2004,60(2):91-110.

[7]David G.Lowe,Object recognition from local scale-invariant features,International Conference on Computer Vision,Corfu,Greece,1999,September:1150-1157.

[8]David A Y.Image merging and data fusion by means of the discrete two-dimensional wavelet transform[J].Opt.Soc.Am.A,1995,12(9):1834-1841.

Method for Recognition of suspended Extra Matters on substation

Xie Yixiao，Xiao Meng，Wang Youcheng，Huang Yuzhu，Ma Wenkui
（Baotou Power Supply Bureau of Inner Mongolia Power(Group)Co.,Ltd，Baotou，China）

A method for identifying suspended extra matters in substations is proposed，which realized real-time monitoring of suspended extra matters in substation.First of all，the digital image processing technology is used to de-noise the image.Secondly，the SIFT registration is used to locate the region that analyze and count the number of feature corners in the specif i ed region.Finally，according to the number and the distribution of feature points，the suspended extra matters recognition is carried out.when the feature points statistics exceed specif i ed thresholds，the suspended extra matters is detected and the station staff is warned.Experimental results show that this method has the characteristics of fast calculation，strong adaptability and high accuracy.It can meet the requirement of unattended real-time monitoring and control in substation.

substation；extra matters recognition；SIFT registration；Harris corner