許臻，吳王強，羅雪紅，朱大偉，陳相吾

（1.陜西省地方電力（集團）有限公司渭南供電分公司，陜西渭南，714000；2.陜西能源研究院有限公司，陜西西安，710061）

機器視覺技術近年來的迅猛發(fā)展，為巡檢工作提供了有效的技術支持。眾所周知，巡檢進程中會生成海量的圖像信息，人工檢測的力量畢竟有限，難以針對這些海量的圖像信息進行篩選，而通過機器視覺技術的應用，能夠全面提高信息數(shù)據(jù)的處理效率，在短時間內(nèi)尋找到相關的信息內(nèi)容，以此來針對電力設備進行準確的識別，為故障診斷、處理奠定基礎。近年來各種新興技術的不斷應用，機器視覺技術也在這個過程中不斷突破，尤其是深度學習、人工智能等新興技術的應用，機器視覺在各個領域的應用越來越廣泛[1]。對電力行業(yè)來說，機器視覺是推進電力系統(tǒng)智能化建設的重要技術，基于機器視覺進行電力設備識別，能夠為電力系統(tǒng)提供穩(wěn)定、實時的監(jiān)測支持，對電力系統(tǒng)安全、穩(wěn)定運行具有重要的意義。

1 基于機器視覺的圖像處理與識別目標提取技術

圖像處理技術作為模式識別領域當中至關重要的一部分，其是機器視覺技術應用的基礎所在。從當前機器視覺發(fā)展動態(tài)來看，常用的基于機器視覺的模式識別流程如圖1所示。

圖1 機器視覺處理流程

從當前廣泛應用的圖像識別技術來看，具體的識別過程主要包含以下幾個部分：首先，圖像獲取。綜合利用各種傳感器，如光學攝像機，讓系統(tǒng)能夠獲取與視覺世界完全對應的二維圖像信息。其次，圖像預處理。系統(tǒng)針對原始圖像進行預處理，包括二值化、灰度化、變換、去噪、增強、變換等，使得預處理完成的成像質(zhì)量可以滿足后期各種處理。再者，特征提取。從表面上來看，圖像特征呈現(xiàn)為一維的數(shù)字向量，而向量當中的數(shù)字組合能夠針對圖片當中的內(nèi)容進行描述[2]。綜合利用幾何學、統(tǒng)計學實施處理，選擇性提出能夠盡可能完整表達識別對象內(nèi)在特征的相關描述算子，最終獲取圖像特征向量[3]。最后，識別與分類。通過選擇科學的及其學習分類器，針對圖片進行分類處理，最終完成圖像識別的任務。

■1.1 圖像預處理

基于機器視覺應用的電力設備識別技術，圖像一般是通過視頻采集卡、工業(yè)攝像機、光電轉(zhuǎn)換設備等設施進行采集，然后針對相關信息進行儲存，抑或是直接同步到遠程系統(tǒng)當中。因為電力設備本身所處的外部環(huán)境相對較為復雜，各種外部干擾因素，會導致信號傳輸產(chǎn)生負面影響，導致圖像質(zhì)量受到影響[4]。與此同時，圖像采集設備存在問題，都會導致最終圖像質(zhì)量較差，如不良曝光問題、噪點問題等。圖像質(zhì)量過低，不僅會對人類視覺產(chǎn)生影響，對機器視覺同樣會造成負面影響[5]。因此，針對圖像預處理就成為機器視覺識別的關鍵所在，綜合利用圖像去噪，全面提升圖像的細節(jié)部分，使得信噪比得以顯著提升，讓圖片信息變得更為清晰、干凈，為后續(xù)機器視覺識別奠定良好的基礎。根據(jù)當前常用的圖像預處理技術來看，主要包含圖像灰度化、圖像分辨、圖像去噪、邊緣檢測、圖像增強、數(shù)學形態(tài)學處理等。

■1.2 圖像特征提取

門型隔離開關位于背景相對較為復雜的變電站環(huán)境，變電站內(nèi)部各式各樣的電氣設備也非常復雜，同時各個電氣設備的外形較為類似，相互之間又存在遮擋現(xiàn)象，導致識別難度非常高。要想滿足上述復雜環(huán)境下的電力設備識別，首要任務在于針對刀閘實施分析處理，尋找到能夠有效描述身份特征的算子，然后實施特征提取[6]。對于該特征算子的要求主要在于兩個方面：一方面，選擇的特征要可以針對設備進行精準的描述，同時可以與其他電氣設備進行區(qū)分。另一方面，特征提取必須要滿足機器視覺識別過程的實時性要求，同時要能夠滿足準確率方面的要求。圖像特征作為圖像內(nèi)容的一種表達式，其是進行圖像識別的重中之重。從當前廣泛應用的圖像特征來看，主要包含輪廓、顏色、紋理等。

2 基于機器視覺應用的電力設備識別系統(tǒng)設計

為進一步分析基于機器視覺應用的電力設備識別系統(tǒng)，本研究以電氣控制柜壓板開關狀態(tài)識別為例進行分析。眾所周知，電氣控制柜開關作為電力設備當中不可或缺的一部分，實現(xiàn)電氣控制柜壓板開關狀態(tài)識別，無疑是基于機器視覺應用的電力設備識別系統(tǒng)全面應用的基礎[7]。從基于機器視覺應用的電力設備識別系統(tǒng)所需的設備來看，主要包含圖像處理器、光源、鏡頭等，詳細設計方案如下：

■2.1 基于機器視覺應用的電力設備識別系統(tǒng)架構

基于機器視覺應用的電氣控制柜壓板開關識別系統(tǒng)主要包含圖像采集系統(tǒng)、目標開關位置識別、狀態(tài)識別算法等功能，詳細結構如圖2所示。

圖2 電氣控制柜壓板開關識別系統(tǒng)架構圖

2.1.1 圖像信息采集與開關信息收集

針對電氣控制柜壓板開關進行圖像數(shù)據(jù)采集通?？梢砸雰煞N方案：其一，基于導航機器人完成自動采集，通過在電力柜前方進行機器人導軌的安裝，同時為機器人設置監(jiān)測相機，基于實時拍攝模式來獲取相關數(shù)據(jù)，最終利用網(wǎng)絡將對應的信息傳輸?shù)綑C器視覺處理器。另外一種則是直接利用智能前端采集數(shù)據(jù)，通過在智能前端中植入機器視覺技術，通過前端處理以后將對應的信息傳輸?shù)较到y(tǒng)。

2.1.2 開關位置監(jiān)測與狀態(tài)識別

電氣控制柜壓板開關識別系統(tǒng)獲取的信息當中不僅包含開關，同時也包含標簽信息。從當前較為主流的目標監(jiān)測算法來看，當前都是基于深度學習模型來建立機器視覺，通過卷積神經(jīng)網(wǎng)絡針對電氣控制柜壓板開關圖像的對應特征圖進行識別，接著通過上述特征圖實施分類處理，使得開關狀態(tài)識別任務能夠直接轉(zhuǎn)化為二分類任務[8]。

2.1.3 后期結果處理及報警

基于機器視覺應用的電力設備識別技術研發(fā)，主要目的在于針對人力成本進行有效的控制，同時提升電力設備識別的精準度。因此，對于基于機器視覺應用的電氣控制柜壓板開關識別系統(tǒng)來說，后期結構處理及報警同樣是至關重要的環(huán)節(jié)，系統(tǒng)需要根據(jù)監(jiān)控獲取的圖像信息進行綜合判斷，以此來進行結果處理。基于機器視覺應用的電氣控制柜壓板開關識別系統(tǒng)進行結果處理的第一步任務在于去重，接著實施排序操作處理，分貝將識別結果與電控制柜上面的開關進行對應。去重的主要目標在于獲取檢測結果的歐氏距離，基于經(jīng)驗閉值的設置，判斷兩個檢查結果之間是否存在重復問題，最終保留目標預測概率相對較大的檢測結果。倘若漏檢的比例高于提前設置的閾值，即證明該次識別結果無效，應當再次進行識別。系統(tǒng)最后將排序結果與開關識別進行融合之后，將相關信息傳輸?shù)较到y(tǒng)當中，保障系統(tǒng)設置與處理結果之間能夠保持一致，倘若存在偏差，系統(tǒng)可以直接進行報警[9]。

■2.2 目標開關位置識別

針對目標開關位置所進行的識別涉及以下兩個流程：其一是針對目標開關實施定位；其二是針對目標開關狀態(tài)實施監(jiān)測識別。基于機器視覺應用的電氣控制柜壓板開關識別系統(tǒng)，主要是采用RPN網(wǎng)絡，其可以劃分為卷積神經(jīng)網(wǎng)絡、RPN網(wǎng)絡，卷積神經(jīng)網(wǎng)絡的作用在于針對圖像特征圖進行提取輸入，RPN網(wǎng)絡則是針對提取完成的特征圖實施區(qū)域監(jiān)測。綜合參考基于機器視覺應用的電氣控制柜壓板開關識別系統(tǒng)，可以設定5層卷積輸出大小為39×39×256的特征圖，最終保障系統(tǒng)整體的識別質(zhì)量。

■2.3 目標開關狀態(tài)識別

正如上文所述，基于機器視覺應用的電氣控制柜壓板開關識別系統(tǒng)主要是利用二分類卷積神經(jīng)網(wǎng)絡完成識別，最終利用模型參數(shù)的完善，針對開關狀態(tài)進行準確的判斷。因此，對于目標開關狀態(tài)的識別，主要流程如圖3所示。

圖3 電氣控制柜壓板開關狀態(tài)識別流程

2.3.1 訓練樣本集制作

圖像分類是針對開關狀態(tài)進行識別的先決條件，圖像分類當前是參考已經(jīng)給定的圖像屬性級別開展計算工作，因為電器柜壓板排序多個開關目標，必須要利用計算法把不同排列方向的開關實施定位分割處理，并將其作為卷積神經(jīng)網(wǎng)絡的輸入。實際在圖片分類方面能夠把斷開狀態(tài)的圖片用“0”進行開頭，閉合狀態(tài)的開關圖片則用“1”表示。在此基礎上，為進一步保障識別的精準度，還應當盡可能采集多個光照、多個角度的圖片信息。

2.3.2 開關狀態(tài)識別網(wǎng)絡模型

為針對模型本身的準確性進行檢驗，可以選擇1000張開關圖片當中訓練集，當中閉合與斷開圖片完全相同，采用SGD（Stochastic Gradient Descent）作為訓練的優(yōu)化算法，相應的學習策略制作為步進學習，基礎學習率設置為0.01，每歷經(jīng)300個迭代次數(shù)，基礎學習率減小一個數(shù)量級，最終選擇CPU模式針對神經(jīng)網(wǎng)絡進行訓練。此外，為進一步機器視覺識別系統(tǒng)的智能化程度，還可以將深度學習融入到系統(tǒng)中來，通過基于變換色彩空間訓練集的深度學習訓練，進一步提升系統(tǒng)的靈敏度、精確度，并在能夠在不斷應用的過程中提升系統(tǒng)的智能化水平[10]。

3 結語

圖4 基于變換色彩空間訓練集的深度學習流程

市場對電力供應的需求、穩(wěn)定性呈現(xiàn)為不斷增長的趨勢，變電站數(shù)量也呈現(xiàn)為逐年增長的勢頭，對電力設備穩(wěn)定性的要求越來越高。電力設備故障診斷作為保障電網(wǎng)穩(wěn)定運行的基礎性工作，面臨不斷增長的電力設備與變電站，電力設備故障診斷正在面臨巨大的挑戰(zhàn)。傳統(tǒng)人工巡檢本身的工作量大，同時管理成本相對較高，尤其是面臨當前日益復雜的電力系統(tǒng)，傳統(tǒng)人工診斷模式顯然已經(jīng)無法滿足需求。機器視覺技術、人工智能技術、深度學習技術的不斷發(fā)展，為電力系統(tǒng)智能化管理提供了有效的支持，基于機器視覺應用的電力設備識別技術，能夠進一步提升系統(tǒng)識別的智能化水平、自動化水平，實現(xiàn)遠程識別、遠程監(jiān)控、智能處理的目標，為電力行業(yè)高質(zhì)量發(fā)展奠定良好的基礎。