譚樹雄

（國網(wǎng)湘潭韶山市供電公司，湖南 湘潭 411300）

0 引言

紅外圖像溫度值識別是利用字符設(shè)備程序，設(shè)計(jì)人員通過對字符符號位置的設(shè)定，通過模板與實(shí)際符號對比的方式，對紅外圖像的特征向量進(jìn)行識別，從而明確電力設(shè)備具體的溫度值參數(shù)。該方法可以根據(jù)紅外圖像的特點(diǎn)，具有閾值自適應(yīng)能力，去除背景環(huán)境對識別結(jié)果產(chǎn)生的影響，實(shí)現(xiàn)對電力設(shè)備溫度值的準(zhǔn)確定位以及分割，判斷電力設(shè)備運(yùn)行是否出現(xiàn)超溫異常問題。

1 溫度值識別算法設(shè)計(jì)

1.1 整體設(shè)計(jì)

紅外圖像溫度值識別算法設(shè)計(jì)包括預(yù)處理、數(shù)值分割、數(shù)值識別三個(gè)階段，每個(gè)階段所采用的算法以及算法流程均存在一定程度的差異，具體算法流程如圖1所示。

圖1 紅外圖像溫度值識別算法程序

根據(jù)圖1 中的識別算法程序圖進(jìn)行分析，對電力設(shè)備進(jìn)行圖像預(yù)處理階段采用自適應(yīng)閾值設(shè)計(jì)方法，通過采集紅外圖像信息，系統(tǒng)自動(dòng)進(jìn)行灰度變化處理，并對其進(jìn)行校正。根據(jù)校正結(jié)果以直方圖的方式呈現(xiàn)，并對圖像進(jìn)行二值化處理，使其成為識別算法的基礎(chǔ)圖像；數(shù)值分割程序則采用像素累加的方式進(jìn)行框架圈定，從而進(jìn)行圖像中的字符分割，并確定數(shù)據(jù)類型以及數(shù)據(jù)所處的不同區(qū)域，通過定位以及輪廓測定的方式建立數(shù)據(jù)集，將其作為識別算法應(yīng)用的核心內(nèi)容；溫度值識別主要使用CNN 網(wǎng)絡(luò)執(zhí)行，搭建網(wǎng)絡(luò)系統(tǒng)并對網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整以及優(yōu)化，按照比例建立算法的訓(xùn)練集，輸出最終的數(shù)值識別結(jié)果。根據(jù)系統(tǒng)模塊設(shè)計(jì)的使用，將識別的數(shù)值上傳至系統(tǒng)之中，并對結(jié)果進(jìn)行展示和分析。

1.2 圖像預(yù)處理

電力設(shè)備溫度值識別受環(huán)境、建筑物等因素影響，導(dǎo)致其溫度閾值會發(fā)生一系列的改變，如光照充足地方的溫度值較高，存在建筑物以及樹木的位置溫度值較低。通過自適應(yīng)閾值的設(shè)計(jì)使用，并對采集的紅外圖像進(jìn)行預(yù)處理，按照時(shí)間、編號、采集設(shè)備參數(shù)等進(jìn)行劃分，可以有效提高溫度值識別的準(zhǔn)確率。

圖像預(yù)處理的灰度變化過程采用加權(quán)法進(jìn)行計(jì)算，為了確保以對比度為基礎(chǔ)的細(xì)節(jié)變化，采用歸一化的圖像處理方式，對圖像進(jìn)行校正。該過程會受紅外圖像特征影響，設(shè)定的校正參數(shù)為0.4，常數(shù)值為0.8，進(jìn)行圖像的灰度變化，具體如式（1）所示。

式中：L（1，2）——采集的原始紅外圖像；Lm（1，2）——經(jīng)過校正以及灰度處理后的圖像；F——加權(quán)法計(jì)算采用的常數(shù)值參數(shù)；n——圖像歸一化處理后的校正參數(shù)。

灰度處理、校正圖像后，對閾值進(jìn)行確定，采用二值化的方式進(jìn)行閾值適應(yīng)性改進(jìn)。陽光、陰影等均會對圖像的色彩展示產(chǎn)生影響，收集大量的數(shù)據(jù)并對其進(jìn)行對比分析，以直方圖的方式呈現(xiàn)，以此對照圖像的均勻程度。從直方圖的統(tǒng)計(jì)結(jié)果可以對像素分布的均勻程度進(jìn)行分析，根據(jù)閾值的峰值大小，評價(jià)像素值是否滿足溫度值提取的要求，如果直方圖變化結(jié)果并不明顯，且圖像變化存在雙峰值，則可以通過閾值的設(shè)定實(shí)現(xiàn)目標(biāo)與背景圖像的分離。設(shè)計(jì)采用改進(jìn)閾值二值化的方法，可以屏蔽熵閾值的噪點(diǎn)，完整分離出溫度值參數(shù)，減少背景因素對溫度值分離的影響，提高二值化的效果，從而為后續(xù)的溫度值識別與輸出奠定基礎(chǔ)。

1.3 溫度值分割

預(yù)處理完采集的圖像之后，將無效的背景信息去除，留存有用的信息作為溫度值識別的主要區(qū)域。該過程主要基于對圖像以及設(shè)備的輪廓處理，實(shí)現(xiàn)對溫度值識別區(qū)域的科學(xué)分類，按照功能程序可以將其分為定位以及字符分割兩個(gè)部分，對溫度值進(jìn)行定位的系統(tǒng)運(yùn)行程序內(nèi)容如圖2 所示。

圖2 紅外圖像溫度值定位程序

系統(tǒng)對紅外圖像的定位主要以圖像中電力設(shè)備的外形狀態(tài)以及輪廓特征為基礎(chǔ)，經(jīng)過二值化處理后的紅外圖像溫度值顯示邊框位置顯示比較完整，可以支持邊框長度識別的基本工作，且大都以矩形的狀態(tài)進(jìn)行定位。定位主要按照像素累積的方法進(jìn)行外形定位，以長度為向量進(jìn)行連續(xù)的累積定位，并根據(jù)紅外圖像內(nèi)的矩形的邊框程度進(jìn)行篩除，將短邊區(qū)域作為識別的參考數(shù)值，生成紅外圖像像素定位坐標(biāo)，確定圖像內(nèi)頂點(diǎn)坐標(biāo)的位置是否良好，從而匹配邊框與溫度值參數(shù)之間的關(guān)系，對兩者的關(guān)系進(jìn)行定位。

在完成關(guān)系定位工作之后，需要對圖像溫度值進(jìn)行字符分割。該過程主要使用垂直積分投影的方式進(jìn)行字符的分割，并生成垂直投影的最終結(jié)果。根據(jù)生成的垂直投影圖，可以判斷像素累積值是否存在節(jié)點(diǎn)位置出現(xiàn)突變問題，突變會導(dǎo)致該區(qū)域內(nèi)存在兩個(gè)或者多個(gè)字符，根據(jù)突變的特點(diǎn)也可以確定字符的位置，從而對其進(jìn)行字符分割，具體分割如式（2）所示。

式中：Vx——圖像經(jīng)過垂直投影后的積分結(jié)果；F（1，2）——像素點(diǎn)的灰度值參數(shù)；N——經(jīng)過ROI 定位后，測定區(qū)域的高度值。長度值控制應(yīng)在灰度值參數(shù)的允許范圍之內(nèi)。

1.4 溫度值識別

溫度值識別主要應(yīng)用CNN 識別方法，在網(wǎng)絡(luò)體系結(jié)構(gòu)之中，可以將紅外圖像算法程序分為卷積層兩個(gè)、連接層1 個(gè)以及池化層兩個(gè)等幾個(gè)區(qū)域，以上述區(qū)域的構(gòu)成實(shí)現(xiàn)CNN 溫度識別體系的科學(xué)構(gòu)建。在使用CNN 對紅外圖像中電力設(shè)備的溫度值進(jìn)行識別的過程中，首先應(yīng)輸入經(jīng)過預(yù)處理以及分割后的紅外圖像，設(shè)定圖像的標(biāo)準(zhǔn)像素值為16×16，并對CNN 網(wǎng)絡(luò)的卷積層積核的大小進(jìn)行調(diào)整，使其像素參數(shù)為5×5，并對步長進(jìn)行規(guī)定。池化層1 的設(shè)置則需要使其最大化，步長的設(shè)置應(yīng)與卷積層的參數(shù)相同，池化層2 的設(shè)置則適當(dāng)?shù)脑黾映鼗说拇笮?shù)，其卷積核的像素特征參數(shù)大小控制為2×2，步長參數(shù)設(shè)定為2，最終得到大小適中的特征圖。生產(chǎn)的特征圖與連接層連接完全，實(shí)現(xiàn)向連接層的輸入，設(shè)置其dropout 值的參數(shù)為0.5，采用分類器對特征圖的輸入結(jié)果進(jìn)行最終的分析。按照特征字符類型，將其分為0～9 共計(jì)10 個(gè)數(shù)字，并使用-符號對其進(jìn)行劃分，共計(jì)分為11 個(gè)類別，根據(jù)上述程序構(gòu)建CNN 網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)行溫度值的識別，具體內(nèi)容如表1 所示。

表1 CNN 溫度值識別設(shè)計(jì)

根據(jù)預(yù)測值以及真實(shí)值的測定，對具體的偏差量進(jìn)行分析，采用梯度計(jì)算的方式，對其進(jìn)行樣本數(shù)值預(yù)測，計(jì)算算法過程中的損失函數(shù)。

2 溫度值識別系統(tǒng)設(shè)計(jì)

對紅外圖像的溫度值進(jìn)行識別與分析，采用模塊化的設(shè)計(jì)方式，對溫度值進(jìn)行識別，并將其記錄到系統(tǒng)之中。系統(tǒng)支持溫度值識別與記錄系統(tǒng)識別的可視化現(xiàn)實(shí)，并可以實(shí)現(xiàn)對數(shù)據(jù)的傳輸，可以判斷出電力設(shè)備在運(yùn)行過程中是否出現(xiàn)溫度值異常等問題，具體系統(tǒng)的模塊化設(shè)計(jì)包括三大部分內(nèi)容，分別是圖像加載模塊、圖像識別模塊、異常狀態(tài)預(yù)警模塊三部分，系統(tǒng)會顯示電力設(shè)備在運(yùn)行過程中的最高溫度、最低溫度，并加載最終對應(yīng)的模塊，判斷其狀態(tài)是否處于正常的情況下。設(shè)計(jì)的系統(tǒng)具有識別記錄的儲存能力，并直觀顯示定位的溫度值圖像。

圖像的加載模塊可以進(jìn)行批量處理，將所有已經(jīng)采集的紅外圖像以框架的形式展示出來，用戶點(diǎn)擊相應(yīng)的按鈕便可以實(shí)現(xiàn)對不同定位電力設(shè)備紅外圖像的溫度值識別，判斷其是否出現(xiàn)異?；蛘呤欠癯掷m(xù)處于正常的運(yùn)行狀態(tài)之下，具體系統(tǒng)界面設(shè)計(jì)內(nèi)容如圖3所示。

圖3 溫度值識別系統(tǒng)界面及功能

3 溫度值識別算法試驗(yàn)結(jié)果分析

3.1 數(shù)據(jù)集

使用紅外成像儀進(jìn)行圖像的拍攝，進(jìn)行軟件配置與硬件配置之后，進(jìn)行溫度值數(shù)據(jù)集的建立。數(shù)據(jù)集建立隨機(jī)選擇已經(jīng)采集的紅外圖像數(shù)量1200 個(gè)，根據(jù)特征數(shù)據(jù)值的分析進(jìn)行字符的分割與提取，使用11 個(gè)字符進(jìn)行劃分，將其作為溫度值圖像識別的標(biāo)簽。樣本的選擇應(yīng)切實(shí)保障其后續(xù)的統(tǒng)一性，調(diào)整像素大小一致。最終分析結(jié)果顯示，溫度值參數(shù)區(qū)間在零下20°至100℃之間，標(biāo)簽的生成具有隨機(jī)屬性，且出現(xiàn)的頻率有所差別，其中字符數(shù)值5 和字符7 的出現(xiàn)頻率最多，符號-的出現(xiàn)頻率最低，為了確保各字符標(biāo)簽的數(shù)量統(tǒng)一，對樣本標(biāo)簽進(jìn)行篩選，每個(gè)標(biāo)簽保留100 張，建立溫度值數(shù)據(jù)集。

3.2 實(shí)驗(yàn)結(jié)果

按照4☆1 的比例對其進(jìn)行集合建立，設(shè)置CNN 網(wǎng)格的參數(shù)值，同時(shí)輸入衰減率參數(shù)以及學(xué)習(xí)率參數(shù)，經(jīng)過批量迭代計(jì)算的方式，將集合數(shù)值輸入CNN 網(wǎng)絡(luò)中進(jìn)行最終的結(jié)果輸出，并以可視化的方式對其進(jìn)行呈現(xiàn)。

計(jì)算過程中會出現(xiàn)CNN 損失，需要對最終識別的準(zhǔn)確率進(jìn)行計(jì)算，使用的網(wǎng)絡(luò)模型算法在計(jì)算過程中，計(jì)算次數(shù)達(dá)到200 次時(shí)，迭代的數(shù)值支出下降，并在第1800 次迭代計(jì)算之后數(shù)值接近0，最終進(jìn)行數(shù)值的收斂。經(jīng)過上千次的迭代計(jì)算后，其準(zhǔn)確率可以達(dá)到98%以上。

3.3 結(jié)果分析

將準(zhǔn)確率作為結(jié)果評價(jià)的最終指標(biāo)，采用交叉檢驗(yàn)的方式對結(jié)果進(jìn)行驗(yàn)證，根據(jù)標(biāo)簽中的數(shù)值對識別算法的準(zhǔn)確率進(jìn)行驗(yàn)證，除5 標(biāo)簽外的識別準(zhǔn)確率為89.2%，其余標(biāo)簽的準(zhǔn)確率均為100%，整體準(zhǔn)確率較高。因此，對溫度值識別算法的最終結(jié)果進(jìn)行分析，500 張紅外圖像識別結(jié)果顯示，其中有491 張識別結(jié)果顯示正確，最終的準(zhǔn)確率可以達(dá)到98%以上，滿足使用要求。

4 結(jié)語

綜上所述，紅外圖像的溫度識別算法通過適應(yīng)性閾值設(shè)計(jì)的方法，預(yù)先進(jìn)行處理，并去除了識別測定區(qū)域的無效信息，根據(jù)設(shè)備的外形進(jìn)行溫度參數(shù)分割，并對溫度參數(shù)進(jìn)行定位。算法設(shè)定包括11 個(gè)數(shù)字標(biāo)簽以及符號變遷，采用交叉檢驗(yàn)的方式驗(yàn)證結(jié)果的真實(shí)性、可靠性。最終試驗(yàn)結(jié)果表示，其準(zhǔn)確率可以達(dá)到98%以上甚至更高。