丁桃勝，褚紅健，李佑文

(國電南自軌道交通工程有限公司，江蘇 南京 210032)

0 引言

機(jī)器視覺識別方法為機(jī)器賦予了人類眼睛的功能，對儀表等設(shè)備信息進(jìn)行判斷捕捉，并將它以圖像或視頻的形式傳送給圖像處理系統(tǒng)，經(jīng)圖像處理系統(tǒng)轉(zhuǎn)化處理后變?yōu)閿?shù)字信號用于控制現(xiàn)場設(shè)備或進(jìn)一步傳遞。圖像識別方法是一種獲取變電站各類儀表設(shè)備和安防信息的新方法。該方法可以實(shí)現(xiàn)自動(dòng)采集、傳遞等一系列圖像識別和視頻分析操作，能夠顯著地提高變電站工業(yè)生產(chǎn)的自動(dòng)化程度。隨著人工智能技術(shù)的發(fā)展，將機(jī)器視覺技術(shù)和數(shù)字圖像處理技術(shù)應(yīng)用于變電站各類儀表設(shè)備的讀數(shù)識別、狀態(tài)監(jiān)測和人員行為檢測的安防管控等場景，是實(shí)現(xiàn)變電站數(shù)字化、智能化的一個(gè)必然趨勢[1-3]。

1 項(xiàng)目建設(shè)的意義

近年來，隨著人工智能、物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)技術(shù)的快速發(fā)展，以深度學(xué)習(xí)為代表的新一代人工智能技術(shù)得到突破性進(jìn)展，在提高電力儀器儀表等多種設(shè)備狀態(tài)識別的準(zhǔn)確率方面得到了飛躍式的進(jìn)步。人工智能技術(shù)巨大的經(jīng)濟(jì)和科技潛力使其逐漸上升至國家發(fā)展戰(zhàn)略層面，歐美等國家相繼頒布了大數(shù)據(jù)相關(guān)的研究和發(fā)展計(jì)劃。我國于2013 年至2017 年相繼發(fā)布了《中國電力大數(shù)據(jù)發(fā)展白皮書》《促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要》《新一代人工智能發(fā)展規(guī)劃》《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃(2018—2020 年)》等多個(gè)重要文件，確立了人工智能技術(shù)的發(fā)展地位和戰(zhàn)略價(jià)值。自此開始，電力系統(tǒng)的運(yùn)維、市場等各領(lǐng)域開始邁向人工智能時(shí)代[4]。

2 項(xiàng)目實(shí)現(xiàn)的關(guān)鍵功能和技術(shù)難點(diǎn)

從軌道供電變電站分合板圖像識別的需求來看，軌道變電供電站分合板圖像識別方法需要實(shí)現(xiàn)的功能是從各個(gè)攝像機(jī)或巡檢機(jī)器人采集目標(biāo)區(qū)域的圖像或視頻后對這些信息進(jìn)行處理，包括各類儀表設(shè)備的數(shù)值識別、運(yùn)行狀態(tài)識別、室外關(guān)鍵設(shè)備紅外溫度監(jiān)測、安防相關(guān)的預(yù)警提示等。通過檢測系統(tǒng)識別后，將結(jié)果傳遞給監(jiān)控中心的應(yīng)用客戶端，供工作人員實(shí)時(shí)掌握變電站的運(yùn)營情況。根據(jù)南自軌道公司現(xiàn)有的技術(shù)儲備來看，由于“變電站輔助監(jiān)控系統(tǒng)”和“智慧車站”等項(xiàng)目關(guān)于遙視系統(tǒng)圖像的采集和視頻流的解碼已有豐富且成熟的技術(shù)積累，關(guān)于通信規(guī)約等方面在多個(gè)地鐵項(xiàng)目中也已落地實(shí)施。因此，本方法開發(fā)的關(guān)鍵功能和技術(shù)難點(diǎn)在于如何掌握機(jī)器視覺技術(shù)來實(shí)現(xiàn)各類設(shè)備數(shù)值和狀態(tài)識別算法[5]。

通過監(jiān)控視頻圖像對分合狀態(tài)指示牌進(jìn)行實(shí)時(shí)監(jiān)控和識別是一種輔助方法，這種識別方法應(yīng)當(dāng)與自動(dòng)化信號監(jiān)控、人工監(jiān)測等方法并行，以便提高整個(gè)監(jiān)控系統(tǒng)的實(shí)時(shí)性、可視化程度與可靠性。現(xiàn)有圖像識別技術(shù)可分為傳統(tǒng)圖像算法與深度學(xué)習(xí)方法。其中，傳統(tǒng)算法很難適應(yīng)復(fù)雜環(huán)境，不具有普遍的適用性，在不同環(huán)境中識別準(zhǔn)確率較低[6]。深度學(xué)習(xí)方法識別精度高，但需要大量訓(xùn)練樣本用于訓(xùn)練模型。另外，室外的檢測對象往往會因?yàn)榄h(huán)境變化而變化，這需要設(shè)計(jì)出具有針對性的算法。在變電站環(huán)境中，很多識別對象例如電壓、電流、油量、分合板的狀態(tài)或數(shù)值變化較穩(wěn)定，由于缺少異常樣本和稀有樣本，造成了訓(xùn)練樣本不足的問題，最終會影響識別準(zhǔn)確率。針對現(xiàn)有技術(shù)中存在的缺陷，軌道變電站分合板識別方法研究提供了一種無需大量樣本訓(xùn)練即可實(shí)現(xiàn)分合狀態(tài)識別并且識別準(zhǔn)確度較高的分合狀態(tài)識別方法[7-8]。

3 軌道變電站分合板圖像識別方法步驟說明

變電站分合板圖像識別的方法流程如圖1所示。下面將針對每一個(gè)步驟進(jìn)行詳細(xì)的說明。

圖1 變電站分合板圖像識別的方法流程

步驟1：利用變電站內(nèi)固定位置攝像機(jī)拍攝變電站內(nèi)分合板狀態(tài)圖像，并在圖像中設(shè)定一個(gè)矩形的分合識別區(qū)域，分合板在分合識別區(qū)域中的像素面積要求大于50%。研究實(shí)例如圖2所示。

圖2 分合板研究實(shí)例

步驟2：通過HSV顏色識別方法找出分合板位置，根據(jù)分合板顏色設(shè)定HSV系數(shù)，對圖像進(jìn)行HSV顏色識別，再對識別后的二值圖進(jìn)行高斯模糊和開運(yùn)算以消除噪點(diǎn)，針對不同像素的圖片設(shè)置不同的掩膜，掩膜的大小選取以保證消除所有噪點(diǎn)為準(zhǔn)，分別將“合”部分的HSV數(shù)值設(shè)置為紅色，將“分”部分的HSV數(shù)值設(shè)置為綠色，并提取相關(guān)像素點(diǎn)，分別獲得紅色與綠色部分的二值圖。

步驟3：尋找分合板端點(diǎn)，分別尋找紅色、綠色部分二值圖中白色部分距離圖像4個(gè)端點(diǎn)最近的各4個(gè)點(diǎn)作為分合板的端點(diǎn)。采用遍歷像素的方法，計(jì)算每個(gè)白色像素點(diǎn)到4個(gè)端點(diǎn)的距離，其中距離使用歐式距離。通過每個(gè)白色像素點(diǎn)到端點(diǎn)的距離大小進(jìn)行排序，獲得白色像素點(diǎn)中到圖像端點(diǎn)距離最短的各個(gè)點(diǎn)。

設(shè)紅色部分二值圖中白色像素點(diǎn)到圖像4個(gè)端點(diǎn)距離最短的4個(gè)點(diǎn)從左上方逆時(shí)針分別記為A1、A2、A3、A4，設(shè)綠色部分二值圖中白色像素點(diǎn)到圖像4個(gè)端點(diǎn)距離最短的4個(gè)點(diǎn)從左上方逆時(shí)針分別記為B1、B2、B3、B4，那么在分合板二值圖中，A3、A4和B1、B2會重合，將這兩個(gè)重合點(diǎn)記為C5、C6，那么A1、A2、B3、B4為分合板的4個(gè)端點(diǎn)，C5、C6為分合板中紅色部分與綠色部分重合線的2個(gè)端點(diǎn)，如圖3所示。

圖3 二值圖端點(diǎn)

步驟4：提取、矯正分合板圖像。找到指示牌端點(diǎn)后，使用透視變換，從原圖像提取出分合板，并將傾斜的分合板矯正為矩形，獲得新的分合板圖片，如圖4所示。所述透視變換是通過四邊形的4個(gè)點(diǎn)坐標(biāo)，將其轉(zhuǎn)化為矩形。

圖4 校正后的分合板矩形圖

步驟5：通過圖中的C5、C6點(diǎn)計(jì)算分合板分界線位置；設(shè)A1、A2、B3、B4、C5、C6點(diǎn)坐標(biāo)分別為(a,b)、(a,c)、(d,b)、(e,c)、(f,b)、(f,c)，矯正后的分合板圖像寬為w，分界線到矯正后的分合板圖像左側(cè)的距離為h，分界線的位置公式如下：

找到分界線位置后，通過邊界線將分合板切割為分、合兩部分，如圖5和圖6所示。

步驟6：通過HSV顏色識別分別檢測“合”部分與“分”部分圖像中的黃色箭頭，并轉(zhuǎn)為二值圖。調(diào)整HSV參數(shù)，識別圖5、圖6中的箭頭部分，并轉(zhuǎn)為二值圖，如圖7所示。

圖5 分合板“合”部分

圖6 分合板“分”部分

圖7 箭頭二值圖

步驟7：通過計(jì)算二值圖中白色像素點(diǎn)個(gè)數(shù)，判斷分合狀態(tài)。通過遍歷像素點(diǎn)的方式分別計(jì)算兩部分圖像中白色像素點(diǎn)的個(gè)數(shù)，其中合部分白色像素點(diǎn)數(shù)記為num1，分部分白色像素點(diǎn)數(shù)記為num2。如果num1>num2，判斷結(jié)果為合；如果num1

另外，在尋找分合板端點(diǎn)時(shí)，可能會碰到分合板4個(gè)角都有不同程度缺損的情況，此時(shí)，可以使用霍夫直線變換方法擬合出分合板4條邊的線段，再對該4條邊線延長取交點(diǎn)，得出的4個(gè)交點(diǎn)即為分合板的4個(gè)端點(diǎn)，具體流程為：

步驟1：將原圖轉(zhuǎn)換為灰度圖。

步驟2：對灰度圖進(jìn)行canny邊緣檢測提取所有邊緣。

步驟3：使用霍夫直線變換將最長的5條邊緣擬合為直線，即分合板的4條邊和中線。

步驟4：根據(jù)直線的位置關(guān)系篩選出4條邊線。

步驟5：延長這4條邊線獲得4個(gè)交點(diǎn)，將這4個(gè)交點(diǎn)作為分合板的端點(diǎn)。

這種方式也可以找到分合板端點(diǎn)。在實(shí)際情況中，缺損較嚴(yán)重的分合板使用該方法。

與現(xiàn)有技術(shù)相比，本方法的有益效果在于：(1)軌道變電站分合板圖像識別方法舍棄了直線檢測、邊緣檢測等容易因環(huán)境變化而造成較大誤差的算法，采用顏色識別的方式提取待識別目標(biāo)，對環(huán)境亮度變化不敏感，在識別該種分合板時(shí)，具有更強(qiáng)的魯棒性、更高的精度以及更少的運(yùn)算量。(2)軌道變電站分合板圖像識別方法采用遍歷像素方法，解決了因常規(guī)分合板邊緣不規(guī)則，很難擬合成矩形的問題。

4 結(jié)語

隨著計(jì)算機(jī)硬件設(shè)備性能的不斷提升以及人工智能、圖像信息處理等技術(shù)的不斷發(fā)展，通過軟硬件開發(fā)結(jié)合的方式把這些技術(shù)應(yīng)用在多種傳統(tǒng)或新興的工業(yè)領(lǐng)域，推動(dòng)社會的進(jìn)步、產(chǎn)業(yè)的升級，是企業(yè)發(fā)展的必經(jīng)之路。軌道變電站分合板圖像識別方法通過對軌道變電站中分合板設(shè)備的智能檢測，能夠改善以往人工檢測的諸多弊端，對變電站的智能化提升具有實(shí)際意義。