周 凱 羅朝豐 胡志堅 嚴(yán)利雄 畢如玉 鄧 科 李煜磊

(1.國網(wǎng)湖北省電力有限公司檢修公司 武漢 430050；2.國網(wǎng)浙江省電力有限公司湖州供電公司 湖州 313000；3.武漢大學(xué)電氣與自動化學(xué)院 武漢 430072)

1 引言

隨著智能變電站的不斷發(fā)展，現(xiàn)場巡檢機器人承載的任務(wù)越來越多，數(shù)據(jù)分析越來越繁瑣，對功能需求也越來越強大[1]。對于變電站的眾多保護壓板實時識別是巡檢機器人一項必不可少的工作[2]。

目前對于扭角式壓板的研究比較深入。文獻[3]運用聚類分割扭角式壓板圖像，構(gòu)造壓板狀態(tài)指標(biāo)作為證據(jù)，將多個狀態(tài)指標(biāo)依據(jù)證據(jù)理論進行融合識別扭角式壓板狀態(tài)，所提方法在光照不好的情況下仍能較好地識別壓板。文獻[4]提出了一種利用顏色模板對壓板的位置和顏色進行匹配的方法來識別壓板狀態(tài)，該方法對扭角式壓板識別率很高。文獻[5]提出先進行邊緣細化，再通過Houch 方法檢測圓弧、直線、斜線判斷壓板類型，最后確定狀態(tài)。文獻[6]也提出了一種RGB 顏色提取分割算法，通過形態(tài)特征分析識別扭腳式壓板。

對于插拔式壓板狀態(tài)識別，目前國內(nèi)外主要是通過圖像處理技術(shù)和深度學(xué)習(xí)的方法來識別。文獻[7]對壓板圖像使用RGB 顏色聚類算法來分割壓板圖像，定位出壓板的位置，最后對壓板做最小外接矩形處理，檢測出壓板的開關(guān)狀態(tài)。文獻[8]使用邊緣檢測的方法找出圖片中每個開關(guān)的位置，然后使用Hough 變換來檢測開關(guān)的角度，判斷壓板開關(guān)的關(guān)合。文獻[9]中通過對壓板圖像的特征點進行提取，獲取足夠多的樣本，然后使用卷積神經(jīng)網(wǎng)絡(luò)對壓板開和關(guān)的樣本進行訓(xùn)練，識別壓板的狀態(tài)。

對于插拔式壓板狀態(tài)識別還可以進一步優(yōu)化，這些識別方法還沒有充分考慮到環(huán)境的復(fù)雜性和巡檢機器人識別壓板的實時性以及計算機的硬件水平。例如，采用邊緣檢測的方法對于壓板圖片的質(zhì)量要求極高，且需要圖像正面垂直拍攝，對于一些有陰影或者是光照強度不夠的圖片無法識別；采用顏色模板雖然方法很新穎，但是對于一些因為拍攝角度問題帶來的畸變圖片識別率不高；采用RGB顏色聚類的方法對于圖像的分割處理速度影響很大，效率不高且圖像分割出來的效果不好；采用效果比較理想的機器學(xué)習(xí)來識別壓板狀態(tài)的方法對計算機的硬件要求很高，巡檢機器人承載任務(wù)重，硬件水平有限，而且有些特殊環(huán)境下的樣本無法完全獲取，遇到特殊環(huán)境壓板的狀態(tài)識別率很低，而事故又往往多發(fā)于環(huán)境特殊的情況下。

為了進一步提高巡檢機器人對現(xiàn)場壓板識別的一般性、高效性和準(zhǔn)確性，本文提出了一種基于YCbCr顏色分割與特征分析的變電站壓板狀態(tài)識別方法?；静襟E是先對采集到壓板圖像進預(yù)處理；然后將圖片轉(zhuǎn)換至YCbCr顏色空間中進行顏色特征分割，獲得二值化圖片，接著進行形態(tài)學(xué)處理，提取連通域、形態(tài)特征分析以及最小外接矩形定位；最后根據(jù)矩形的長高比和偏轉(zhuǎn)角度結(jié)合判斷出壓板的投退狀態(tài)。通過試驗測試表明，所提方法對變電站繼電保護室中的插拔式壓板識別快、識別率高。

2 圖像預(yù)處理

現(xiàn)場采集到的大多不是正面垂直拍攝的壓板圖像，而是更加符合實際情況的帶有一定光線差和角度畸變的圖像，因此有必要對采集到的圖像進行預(yù)處理，對其進行圖像邊緣銳化、畸變矯正以及簡化圖像的數(shù)據(jù)[10]。

2.1 高斯高通濾波處理

對于保護柜上壓板，同一種類型壓板的顏色基本相同，但受到光照以及反射光的影響，使得不同區(qū)域壓板以及背景顏色差異較大；為了消除這種光照給圖像分割帶來的影響，同時也為了銳化圖像的輪廓特征，對圖像進行高斯高通濾波處理。該算法通過增強反射函數(shù)的頻譜成分，同時削弱照明函數(shù)成分，可以使圖像中的目標(biāo)區(qū)域輪廓更加鮮明，不同區(qū)域?qū)Ρ榷仍鰪?，圖像亮度更加均勻[11]。圖1 為濾波處理后的對比結(jié)果圖。

圖1 高斯高通濾波增強前后圖像對比圖

2.2 基于透視變換的圖像畸變矯正

對于巡檢機器人采集到的畸變圖像，直接進行壓板定位識別，會因畸變程度不同導(dǎo)致識別困難，因此采用透視變換的方法對畸變圖像進行矯正。該方法先在保護屏柜壓板區(qū)域4 個頂點貼上輔助標(biāo)簽，并確定4 個頂點的像素坐標(biāo)，然后獲取畸變圖像中輔助標(biāo)簽的像素坐標(biāo)，接著將8 個像素點坐標(biāo)代入式(1)、(2)，求出透視變換矩陣，最后經(jīng)過反透視變換得到矯正后的僅包含開關(guān)圖像的正視圖[9]。將壓板圖像的非目標(biāo)部分切除后，最終定位到壓板區(qū)域。圖2 為原圖和矯正后圖。

圖2 保護壓板的矯正前后圖

式中，(u,v) 為變換前頂點像素坐標(biāo)，(x,y) 為經(jīng)過校正變換后的頂點像素坐標(biāo)a11、a12、a13、a21、a22、a23、a31、a32、a33為變換矩陣系數(shù)。

3 基于YCbCr 顏色空間分割技術(shù)

為便于提取出壓板在“開”與“閉”狀態(tài)下的特征，實現(xiàn)對壓板狀態(tài)的識別，本文通過引入YCbCr顏色空間分離法對圖像的有效色塊進行分割，圖像分割后進行形態(tài)學(xué)處理，最后提取圖像的連通域。

3.1 YCbCr 顏色空間

壓板圖像有著極為明顯的顏色特征，可以用色彩空間來表示不同顏色之間的關(guān)系，常見的顏色空間有RGB 顏色空間和HSV 顏色空間。RGB 顏色空間模型中，色彩由色調(diào)、亮度和飽和度混合描述，R、G、B 三分量之間具有很強的關(guān)聯(lián)性，對于一種顏色屬性，在光照強度不同的情形下，R、G、B 的數(shù)值變化很大，因此受光照條件的影響，特定的顏色難以根據(jù)確定的閾值在RGB 顏色空間模型中進行分割[12]。HSV 顏色模型中H、S、V 分別表示色調(diào)、色飽和度和亮度，此模型能夠?qū)崿F(xiàn)亮度分離，但HSV 顏色空間中S、V 兩個分量為R、G、B 三個分量的非線性變換，導(dǎo)致計算量較大；且在特殊點處受R、G、B 三個分量的變化影響非常大，在亮度值和飽和度低的情況下依據(jù)R、G、B 三個分量計算出來的H 分量可靠性不高[13]。

YCbCr顏色空間是國際無線電咨詢委員會提出的一種顏色空間模型，在該模型中亮度信息獨立于色度信息，顏色空間由Y、Cb、Cr三個分量組成，其中Y、Cb、Cr三個分量分別代表亮度分量、藍色色度分量和紅色色度分量，使用此種顏色模型能夠有效避免亮度因數(shù)對色彩特征的影響，且Y、Cb、Cr三個分量都是R、G、B 三個分量的線性變換，計算較為簡便[14]。因此本文選擇基于YCbCr顏色空間模型對壓板的顏色特征區(qū)域進行分割。其中YCbCr顏色空間的轉(zhuǎn)換如式(3)所示

3.2 壓板顏色特征分割

根據(jù)國家電網(wǎng)公司的相關(guān)規(guī)定，在原則上跳閘壓板采用紅色標(biāo)識，保護功能壓板采用黃色標(biāo)識，備用壓板采用淺駝色，壓板下方標(biāo)識牌與壓板對應(yīng)同色，因此可以基于YCbCr顏色空間對巡檢機器人采集到的真彩色壓板圖像進行顏色特征提取[15]，獲取只含有壓板和標(biāo)識牌的圖像，提取的流程如下所示。

步驟1：讀取輸入圖片像素點g(x,y) 的R、G、B 分量數(shù)值。

步驟2：通過式(3)轉(zhuǎn)換公式，由R、G、B 三分量的值獲取像素點g(x,y) 的Y、Cb、Cr分量數(shù)值。

步驟3：若g(x,y) 滿足式(4)中紅色gr(x,y) 和黃色gy(x,y) 中Cb、Cr范圍，則令像素點g(x,y) 的灰度值為255；若都不滿足，令其灰度值為0。

步驟4：按從左到右從上到下的順序依次進行步驟1～3 直至掃描結(jié)束，獲取包含壓板和標(biāo)識牌的二值化圖像，圖2 的提取結(jié)果如圖3 所示。

圖3 提取有效壓板的結(jié)果圖

如圖4～7 所示，本文通過大量試驗數(shù)據(jù)獲得紅色壓板在YCbCr顏色空間中Cb的范圍為(100, 120)，Cr的范圍為(0, 20)；黃色壓板在YCbCr顏色空間中Cb的范圍為(59, 95)，Cr的范圍為(-5, 4)。

圖4 紅色壓板Cb 分布直方圖

圖5 紅色壓板Cr 分布直方圖

圖6 黃色壓板Cb 分布直方圖

圖7 黃色壓板Cr 分布直方圖

3.3 形態(tài)學(xué)濾波處理

圖像分割處理后不可避免會存在一些干擾域，如圖8 所示，正方形框內(nèi)為外部孤立點，圓形框內(nèi)為內(nèi)部小缺口。這些干擾域，特別是外部孤立點，將會對后續(xù)的壓板識別帶來很大的影響。為解決此問題，采用形態(tài)學(xué)濾波的方法對分割結(jié)果圖進行開運算和閉運算處理[16]。

圖8 含干擾域的壓板圖

開運算是指先對圖像進行腐蝕處理，再對圖像進行膨脹處理。采用開運算的作用是消除小的外部孤立點，斷開相鄰連通域之間的粘連，平滑壓板標(biāo)識牌的形狀邊界，且基本不改變其面積。形態(tài)學(xué)開運算的定義為

式中，f?b表示通過結(jié)構(gòu)元素b對圖像f進行開運算，f bΘ 表示通過腐蝕算子b對f進行腐蝕運算，f⊕b表示通過結(jié)構(gòu)元素b對f進行膨脹運算。

閉運算是指先對圖像進行膨脹處理，再對圖像進行腐蝕處理。采用閉運算的作用是可以填充壓板標(biāo)識牌內(nèi)部的小空洞，連接其內(nèi)部斷開的縫隙，平滑目標(biāo)物的邊界，且基本不改變其面積。形態(tài)學(xué)閉運算的定義為

式中，f·b表示通過結(jié)構(gòu)元素b對圖像f進行閉運算。圖8 經(jīng)開運算閉運算后的結(jié)果如圖9 所示。

圖9 形態(tài)學(xué)處理后的結(jié)果圖

3.4 圖像連通區(qū)域的提取

采用8 連通的種子填充算法對壓板的連通域進行提取，同時也是對連通域進行標(biāo)記的過程[17]。8連通域是指對于一個像素點A，如果在它的上、下、左、右、左上、左下、右上或者右下時，右下有一個相同的像素點B，則認為A、B是連通的。以圖10 為例進行說明，提取步驟如下所示。

圖10 連通區(qū)域提取結(jié)果圖

步驟1：按照從上到下、從左到右的順序掃描壓板圖像，直到掃描到像素為1 的點A(x，y)。

步驟2：以點A(x，y)作為種子，并且賦予一個一個標(biāo)簽1。

步驟3：將以A(x，y)8 連通相連的所有像素點賦予為與A相同的標(biāo)簽1。

步驟4：對賦予標(biāo)簽1 的所有像素點重復(fù)步驟3，直到所有的像素點都不存在8 連通相連的點結(jié)束。

步驟5：重復(fù)步驟1～4，但跳過已經(jīng)標(biāo)簽過的像素點，且每次結(jié)束重新掃描時標(biāo)簽數(shù)加1，直到掃描結(jié)束。掃描結(jié)束后可提取到圖像中的所有連通域。

4 壓板形態(tài)特征分析

二值化圖像中標(biāo)識牌區(qū)域不是本文研究重點，還會增加壓板識別的工作量?？紤]到環(huán)境的復(fù)雜性，如拍攝時反光導(dǎo)致的出現(xiàn)部分較大的偽目標(biāo)光斑，以及拍攝距離太遠導(dǎo)致的壓板圖像粘連和模糊等問題，本文將通過對壓板連通域的面積和邊界信息等多個維度的形態(tài)特征進行分析，從眾多連通域中剔除非目標(biāo)區(qū)域，準(zhǔn)確提取出有效壓板區(qū)域。

4.1 基于連通域邊界信息分析的標(biāo)識牌剔除

對經(jīng)過顏色提取的壓板和標(biāo)識牌的二值圖進行分析后發(fā)現(xiàn)，壓板連通域和標(biāo)識牌連通域在邊界長度和寬度上有很大的不同，體現(xiàn)在壓板連通域的邊界長度明顯比其邊界寬度要小很多，而標(biāo)識牌的邊界長度明顯比其邊界寬度大很多，以此特征可對二值圖像中的標(biāo)識牌區(qū)域進行剔除。具體如下

式中，ΔXi表示第i個連通域的邊界長度，ΔiY表示第i個連通域的邊界寬度。因壓板和標(biāo)識牌的邊界長度與邊界寬度信息差異較為明顯，以2 作為判斷壓板和標(biāo)識牌的閾值。按式(7)對圖像進行處理，當(dāng)連通域的邊界大于閾值2 時，則為標(biāo)識牌區(qū)域，將其置為背景區(qū)域；當(dāng)小于閾值2，則為壓板區(qū)域，將其保留。標(biāo)識牌剔除后的結(jié)果如圖11 所示。

圖11 標(biāo)識牌剔除后圖

4.2 基于壓板形態(tài)特征分析的非目標(biāo)區(qū)域去除

由于拍攝時反光或者其他干擾物造成的圖片中含有一些較大的光斑，當(dāng)對圖片進行顏色提取時無法杜絕這些有色干擾光斑，形態(tài)學(xué)處理只能剔除很小的孤立點。因此可采用面積特征分析判斷是否為干擾光斑。干擾光斑一般比壓板有效區(qū)域小很多，且圖像中大部分應(yīng)為有效壓板區(qū)域，可通過對每個連通域區(qū)域的面積與平均面積進行比較分析進行篩選。具體如下

式中，S i為提取壓板圖像中每一個連通域的面積。n表示該二值圖像中連通域的個數(shù)。S(re-max3andmin3)i表示排除掉三個最大面積的連通域和三個最小連通域后的剩下每一個連通域面積。之所以要排除三個最大面積的連通域和三個最小面積的連通域，是因為考慮到可能會出現(xiàn)標(biāo)識牌相連造成單個連通域面積過大和單個干擾光斑連通域面積過小，對求取平均面積造成影響。乘以70%作為判斷的裕度，最后當(dāng)連通域的像素面積小于閾值平均面積的70%時，即可視為干擾光斑，大于等于閾值時視為有效壓板區(qū)域。處理的結(jié)果如圖12 所示。

圖12 含干擾光斑處理結(jié)果圖

4.3 基于極限腐蝕算法的粘連連通域分割

由于環(huán)境的復(fù)雜性，當(dāng)拍攝距離較遠、拍攝角度偏移較大時，使得獲取的壓板圖像形狀產(chǎn)生一定的畸變，以及由于極度光照條件造成拍攝的圖片質(zhì)量不高，導(dǎo)致通過顏色提取分割出來的壓板以及標(biāo)識牌出現(xiàn)連通域粘連的情況，通過第4.1 節(jié)和第4.2節(jié)的方法，只能剔除掉標(biāo)識牌與標(biāo)識牌相連的情況，對于壓板與標(biāo)識牌粘連、壓板與壓板粘連的連通域，通過對連通域的邊界長度與邊界寬度的比值分類，無法做到有效剔除。針對此種情形，本文提出一種基于極限腐蝕算法對粘連連通域進行分割的方法，有利于對質(zhì)量不好的圖像進行分割。

4.3.1 粘連連通域的初步判定

由于粘連連通域的面積為兩個相鄰連通域的面積之和，一般比正常單個連通域的面積大得多，且粘連連通域大多出現(xiàn)在分割較大的兩個單獨連通域之間。因此可以通過對連通域的面積信息分析，初步判斷出為相連連通域的區(qū)域。具體如下

式中，Si為提取壓板圖像中每一個連通域的面積。S(re-max3andmin3)i表示排除掉三個最大面積的連通域和三個最小連通域后的剩下每一個連通域面積，目的是減少極小值和極大值對平均面積的過度影響。k表示該二值圖像中連通域的個數(shù)。乘以1.5 作為判斷的閾值。當(dāng)連通域的面積小于平均面積的1.5倍時，判斷為壓板區(qū)域保留，當(dāng)連通域面積大于平均面積的1.5 倍時，初步判斷為粘連連通域。

4.3.2 極限腐蝕算法再判定

極限腐蝕算法最初運用于細胞粘連分割的情形，實現(xiàn)對粘連細胞的分割，由極限腐蝕后獲取粘連連通域的種子點，如圖13 所示[18]。考慮到質(zhì)量較差的圖片分割出來的連通域面積參差不齊，因此只依據(jù)面積信息初步判斷出來的粘連連通域，也有可能是個別分割效果不理想的較大單獨連通域，為此進行極限腐蝕算法再判定，再判定的流程如圖14所示。

圖13 粘連細胞種子點獲取圖

圖14 極限腐蝕算法再判定流程圖

獲取初步判斷的粘連連通域，以半徑為2 的圓形結(jié)構(gòu)元素對目標(biāo)連通域不斷進行腐蝕，單獨連通域經(jīng)極限腐蝕處理后不會發(fā)生裂解，只出現(xiàn)一個種子點，而粘連連通域經(jīng)極限腐蝕處理后會發(fā)生裂解出現(xiàn)兩個種子點，由此可判斷出是較大單獨連通域還是粘連連通域。對于單獨連通域判定為壓板進行保留；對于確定為粘連連通域的連通域，進行分割處理，步驟如下所示。

步驟1：對連通域進行極限腐蝕，在此過程中，粘連連通域L會逐漸裂解為兩個連通域L1、L2。

步驟2：繼續(xù)對這兩個連通域進行腐蝕，面積較小的連通域會被率先腐蝕為一個種子點，保留種子點。

步驟3：繼續(xù)對較大的連通域進行腐蝕，直到此連通域最終只剩下兩個種子點。

步驟4：獲取種子點的像素坐標(biāo)(x1,y1)，(x2,y2)，通過種子點的坐標(biāo)判斷粘連連通域的類型。

步驟5：當(dāng)(x1-x2)2-(y1-y2)2＞ 0時，種子點呈現(xiàn)左右分布，判斷為壓板與壓板粘連，則保存裂解后產(chǎn)生的連通域L1、L2；當(dāng)(x1-x2)2-(y1-y2)2＜0時，種子點呈現(xiàn)上下分布，判斷為壓板與標(biāo)識牌粘連，此時再對y1、y2的大小進行判定。

步驟6：當(dāng)y1>y2時，判定L1為處在下方的連通域，L2為標(biāo)識牌，則剔除L1保留L2；當(dāng)y1

圖15 壓板標(biāo)識牌粘連處理結(jié)果圖

5 壓板定位與狀態(tài)識別

5.1 基于連通域最小外接矩形處理的壓板定位

本文采用簡單最小外接矩形和面積最小外接矩形對圖像中連通域處理，獲取每個外接矩形的頂點坐標(biāo)[19]。簡單外接矩形的邊界平行于x軸和y軸，可以精確得出連通域的長寬比[20]。面積最小外接矩形可以方便獲取壓板的偏轉(zhuǎn)角度。兩種外接矩形定位結(jié)果如圖16 所示。

圖16 最小外接矩形定位結(jié)果圖

5.2 壓板狀態(tài)識別

從壓板的定位結(jié)果中發(fā)現(xiàn)，簡單最小外接矩形框有兩種，分別對應(yīng)著壓板的“開”和“關(guān)”兩種狀態(tài)，如圖17a 所示。面積最小外接矩形框有兩種，對應(yīng)壓板的兩種狀態(tài)，如圖17b 所示。

圖17 壓板及標(biāo)識牌的外接矩形類型

結(jié)合兩種外接矩形的四種類型對壓板的狀態(tài)進行識別。簡單外接矩形對外接矩形的長和寬做比，采用閾值對比值分類；面積最小外接矩形計算外接矩形與豎直方向的傾角，采用閾值對傾角分類。最后結(jié)合兩種方法的分類結(jié)果綜合判斷出保護壓板的投退狀態(tài)。具體步驟如下所示。

步驟1：利用式(10)按從左到右從上到下的順序求出每個簡單最小外接矩形的長寬比Bi

式中，Xj1、Yj1為簡單外接矩形框左上角頂點的橫縱坐標(biāo)；Xj4、Yj4為簡單外接矩形框右下角的橫縱坐標(biāo)。

步驟2：利用式(11)按從左到右從上到下的順序依次計算每個面積最小外接矩形的傾角αi。

式中，X1m、1mY表示面積最小外接矩形框左上角頂點的橫縱坐標(biāo)；Xm3、Ym3表示面積最小外接矩形框左下角頂點的橫縱坐標(biāo)。

步驟3：結(jié)合步驟1 和步驟2 求得的Bi和αi，通過對數(shù)據(jù)進行分析，獲得有關(guān)Bi的散點圖和αi的散點圖，如圖18、19 所示。當(dāng)Bi的閾值設(shè)為0.6 時，分類效果較好，αi閾值設(shè)為10°時，分類效果較好。

圖18 長寬比的散點分布圖

圖19 偏轉(zhuǎn)角的散點分布圖

步驟4：設(shè)立閾值進行分類。綜合閾值分類的結(jié)果，按式(12)對壓板的投退狀態(tài)進行識別。

式(12)中第一種情況：Bi＜0.6且αi＜ 10°和第三種情況Bi＞0.6且αi＞ 10°，是典型的壓板為閉合和打開狀態(tài)的特征。 第三種情況：Bi＜0.6且αi＞ 10°，即簡單外接矩形的長寬比很小，但面積最小外接矩形的傾角較大，判定為開狀態(tài)。這是因為現(xiàn)場工作人員擰壓板時，操作不規(guī)范，導(dǎo)致壓板已經(jīng)打開，但是壓板偏移程度不夠。第四種情況：Bi＞0.6且αi＜ 10°，即簡單外接矩形的長寬比很大，但面積最小外接矩形的傾角較小，判定為閉狀態(tài)。這是因為當(dāng)兩個壓板連通域粘連時，采用極限腐蝕算法將兩個壓板分割開，但分隔開的連通域依然存在向兩邊衍生的部分，同時經(jīng)過腐蝕處理會使簡單外接矩形寬度減小，導(dǎo)致長寬比變大。對圖16 進行外接矩形的識別結(jié)果如表1 所示。

表1 壓板狀態(tài)識別結(jié)果

6 試驗分析

為了充分證明本文所提方法識別壓板狀態(tài)的準(zhǔn)確性、高效性和一般性，本文進行了試驗，采用的硬件平臺為Intel Core i7-10700CPU。軟件平臺采用Matlab2019 語言實現(xiàn)。

6.1 不同分割方法對比分析

將本文方法與傳統(tǒng)RGB 聚類分割方法的識別結(jié)果作對比，體現(xiàn)本文方法識別壓板狀態(tài)的準(zhǔn)確性和一般性?，F(xiàn)使用兩張壓板圖像，一張清晰的圖像和一張模糊的圖像。識別結(jié)果如表2 所示。分割結(jié)果如表3 所示。

表2 不同方法壓板識別結(jié)果

表3 壓板分割結(jié)果評價

針對表2 中四張圖片進行分割效果評估。評估的標(biāo)準(zhǔn)分為兩種：一種為分割正確率Ti，計算分割出正確的連通域數(shù)Li與總有效目標(biāo)連通域數(shù)Ni的百分比，如式(13)所示；一種為分割錯誤率Fi，計算分割出的錯誤連通域數(shù)Ei與總有效目標(biāo)連通域Ni的比值，如式(14)所示。

各參數(shù)的求取原則如下所示。

分割正確連通域數(shù)Li為分割圖像中與壓板和標(biāo)識牌相關(guān)聯(lián)的連通域個數(shù)，當(dāng)出現(xiàn)多個標(biāo)識牌連接在一起形成一個連通域時，歸為一個正確連通域數(shù)；當(dāng)出現(xiàn)一個壓板或標(biāo)識牌被分割為多個連通域時，歸為一個正確連通域數(shù)；因有后續(xù)的形態(tài)學(xué)處理，若為外部孤立點則不計數(shù)。

總有效目標(biāo)連通域數(shù)Ni為分割前原圖中有效壓板的個數(shù)和分割后標(biāo)識牌連通域個數(shù)的和。標(biāo)識牌間距離較近，容易出現(xiàn)多個標(biāo)識牌連通域粘連，但粘連標(biāo)識牌后續(xù)剔除較為簡單，為了統(tǒng)計方便，所以統(tǒng)計分割后標(biāo)識牌連通域的個數(shù)。

錯誤連通域數(shù)Ei為分割圖像中與標(biāo)識牌和壓板位置無關(guān)的連通域。當(dāng)出現(xiàn)兩個有效壓板被分割為一個連通域時，記為一個錯誤連通域；當(dāng)出現(xiàn)一個壓板被分割為m個連通域時，錯誤連通域數(shù)為m- 1；當(dāng)出現(xiàn)與壓板和標(biāo)識牌區(qū)域無關(guān)的連通域時，記為錯誤連通域；若為外部孤立點則不計數(shù)。

從表3 的分割結(jié)果可以看出，當(dāng)為清晰圖片時，本文方法和RGB 聚類分割的方法分割結(jié)果都較好，但本文方法分割出來的噪聲更少。當(dāng)為模糊的圖片時，本文方法分割正確率可達94.1%，分割錯誤率為0%；而RGB 聚類分割正確率僅有88.2%，且分割錯誤率高達29.4%?？梢缘贸霰疚姆椒ǚ指顗喊鍏^(qū)域更加精確，而RGB 聚類方法容易分割出很多非目標(biāo)區(qū)域，這是因為當(dāng)采用RGB 聚類分割方法時容易受到光照因數(shù)的影響。由此可體現(xiàn)出本文方法受光照因數(shù)的影響較小。

6.2 不同識別方法對比試驗

本文采用簡單外接矩形的長高比和面積最小外接矩形融合的方法對壓板狀態(tài)識別。為體現(xiàn)本文識別方法的一般性，與傳統(tǒng)直接使用簡單外接矩形長寬比的方法作對比。試驗的壓板為更符合一些現(xiàn)場實際情況下，由于操作的人為性導(dǎo)致某些壓板打開時偏轉(zhuǎn)程度較小。試驗壓板的簡單最小外接矩形和面積最小外接矩形如圖20 所示。最小外接矩形的長寬比iB結(jié)果如表4 所示。最小外接矩形的傾角iα如表5 所示。不同識別方法結(jié)果對比如表6 所示。

表4 壓板簡單最小外接矩形的長寬比Bi

表5 壓板面積最小外接矩形的偏轉(zhuǎn)角度αi

表6 不同識別方法結(jié)果對比

圖20 最小外接矩形定位圖

從表6 的對比結(jié)果中可知，對于3 號壓板，兩種方法的識別結(jié)果不同。由于3 號壓板的偏移程度比較小，導(dǎo)致只使用長寬比的方法識別錯誤，但本文方法考慮到偏移程度小的原因，對此情況加入傾角識別。通過本試驗體現(xiàn)出本文識別方法更符合復(fù)雜的環(huán)境，更具有一般性。

6.3 識別率和識別效率試驗

為進一步討論本文所用方法識別的準(zhǔn)確性，對采集到的50 張保護柜上壓板狀態(tài)圖像進行識別?？紤]到會出現(xiàn)將壓板狀態(tài)識別錯誤和非壓板連通域出現(xiàn)，以及兩個壓板區(qū)域識別為一個壓板的情況。本文從識別正確率Pi和識別錯誤率Qi兩個方面進行識別評估，正確率和錯誤率計算公式如式(15)、(16)所示。最終獲取的壓板識別率結(jié)果如表7 所示。

表7 壓板識別率和平均運行時間

式中，Di為識別正確的外接矩形的個數(shù)；Zi為有效壓板的個數(shù)；Vi為識別錯誤的壓板數(shù)與非壓板區(qū)域的最小外接矩形數(shù)之和。

由表7 可得出，對于一般采集的大量圖像，本文識別正確率高達99.8%，錯誤率0.5%；而RGB聚類分割正確率只有94.2%，錯誤率1.1%。因此本文采用的方法比傳統(tǒng)RGB 聚類分割壓板圖片方法的識別更準(zhǔn)確、效率更高。

7 結(jié)論

針對復(fù)雜光照環(huán)境變電站壓板狀態(tài)識別率不高的情形，本文改進了一般的RGB 顏色分割算法，降低了光照因素的干擾，并通過形態(tài)特征分析，實現(xiàn)了壓板狀態(tài)識別，重要創(chuàng)新點和相關(guān)技術(shù)總結(jié)如下。

(1) 提出了一種基于YCbCr顏色空間的顏色提取技術(shù)，將亮度信息與顏色信息分離開來，相比傳統(tǒng)RGB 顏色提取方法，能夠避免光照因素對圖像分割的影響，使得本文分割方法對復(fù)雜光照環(huán)境的適應(yīng)性更強。

(2) 采用顏色特征分離技術(shù)分割壓板，能夠直接提取有效壓板，剔除備用壓板，大大減小了壓板識別的工作量，提高了壓板識別的效率。

(3) 利用壓板和標(biāo)識牌的面積特征，直接去除了圖像中的標(biāo)識牌，簡化了圖像中的信息，提高了識別的效率。利用壓板和干擾光斑的面積特征，去除了圖像中的干擾小光斑，提高了壓板定位的精確性，為壓板識別準(zhǔn)確性奠定了基礎(chǔ)。

(4) 針對模糊圖片容易分割出粘連連通域，本文提出了一種極限腐蝕算法。通過極限腐蝕算法獲得的種子點個數(shù)判斷出是否為粘連連通域，依據(jù)種子點像素坐標(biāo)判斷出粘連連通域的類型，并完成對粘連連通域的分割，實現(xiàn)了對模糊圖像的分割處理，提高對模糊圖像壓板狀態(tài)的識別率。

(5) 針對現(xiàn)場實際中，某些壓板由于工作人員操作不標(biāo)準(zhǔn)，導(dǎo)致開關(guān)打開，但壓板的偏轉(zhuǎn)程度較小的情況，此時采用一般外接矩形長寬比方式容易判斷錯誤。本文在長寬比判別的基礎(chǔ)上，采用長寬比與壓板傾角相結(jié)合的方法識別壓板，提高了壓板識別的一般性。