基于图像识别技术的变电站指示灯识别方法研究

温天成

摘要：本文研究了利用计算机图像识别技术替代人工对变电站电力设备运行状态进行监测，主要研究了对变电站内继电保护装置指示灯的图像识别。运用工业摄像头采集指示灯图像，并运用计算机识别系统对变电站指示灯进行图像采集、图像处理、特征提取进而对指示灯状态进行识别与分析，判断出电力设备的运行情况，进而发现设备存在的故障及隐患，具有一定的理论研究意义和实际意义。

关键词：图像识别技术;变电站;指示灯

随着我国社会经济的快速发展，社会的用电量也在与日俱增，电力系统规模逐步增大。随着中国加大对智能电网的建设，智能变电站作为智能电网的重要组成部分，对它的可靠性有着比较高的要求，因为它影响到整个电力系统安全性和稳定性。在以前，变电站主要由人工巡检负责其监测任务，在智能电网的助推下，工作人员只需要在调控中心就可以对电力设备运行状态进行实时监测。虽然较早期已经提高了工作效率，然而长时间的监视工作也容易引起出现疲乏、漏检甚至是失误等情况，这样不但不能及时发现和解决电力设备运行过程中出现的问题或故障，也会存在安全隐患问题。因此，随着智能变电站建设的不断推进和完善，采用智能化的方式，輔助甚至替代人工的监控巡检工作，是一个重要的发展方向。本文研究利用计算机图像识别技术对变电站指示灯进行识别，比如变电站继电保护室的指示灯，首先通过摄像头记录下指示灯的照片或是视频，然后用通信技术将其传输到网络中心，再利用所研究的计算机图像处理系统对图像进行处理，从而可以自得识别出电力设备的运行状态。这种方法不但可以节省人力，而且可以避免工作人员由于长期进行视觉监控而出现疲劳、漏检和失误的情况，可以提高电力系统运行的安全性，具有重要的理论意义和应用价值。

1.图像识别技术的应用概述

计算机图像处理技术和图像识别技术包括对图像进行获取、去噪、增强、校正、提取等方面，并且进行图像特征分析、图像分类和图像识别。图像处理技术通过对识别对象的图像的特征值的识别，再通过输入一定数量的研究对象进行训练，变具有了自动识别的能力，它一定程度上模拟了人类的视觉和智力活动，因此也叫智能图像处理技术。它的运用主要包括以下几个方面和步骤：一、获取数据信息。通过把识别对象的光信号等转换成电信号，进而得到研究对象的数据信息，再根据图像的特征进行区分，然后储存到计算机中，为下一步的图像识别打下基础。二、对图像的有关信息进行预处理，包括对获得的图像进行去噪、增强、平滑等处理，从而突出对图像进行识别的主要特征等信息。三、图像特征的选择与提取。这个是主要的环节和步骤，图像识别技术对图像特征有着严格要求，针对不同的图像的特点，以及所要识别的目的，选择和提取恰当的特征值，这一步骤将直接关系到图像识别技术的应用效果。三、图像识别决策分类程序的设计。确认好图像的特征值后，还需要计算机系统可以根据一定程序和规律对图像进行自动识别和区分，使计算机系统可以根据设计者的意图并结合图像的特征，对图像目标进行识别、判定、确认和评价评价。

2.基于图像识别技术的变电站指示灯识别方法研究

2.1指示灯图像预处理

本文的研究主要是对变电站内有序排列的红色指示灯进行识别。变电站内指示灯一般有“正常亮”、“异常亮”及“灭”三种状态。由于摄像头所采集到的指示灯图片在实际环境中会受到光照、光晕、角度等因素的影响，从而致使收集到的指示灯图片出现一定的畸变或者光照不匀等现象，这些现象将会对指示灯在识别造成阻碍，导致计算机图像识别出现偏差。所以，首先需要对指示灯图像进行预处理。首先，对摄像头所采集到的指示灯图像图像增强和光照补偿，采用经过改进的高斯高通滤波器对图像进行增强，这样可以较好地解决图像由于光照不匀而出现的灰度值较低等问题，经过滤波器处理后的指示灯图像不但可以较好地保留亮区的细节，而且可以增强暗区的细节，提高了图像的信息完整度。其次，由于摄像头在采集指示灯图像的过程中并不一定可以做到垂直拍摄，导致所采集的图像会出现某些畸变，所以还需要对增强后的指示灯图像进行畸变校正，变电站内所采集指示灯图像经增强、校正等预处理后的图像图1所示。

2.2改进色差法的指示灯定位

该研究以变电站中的继电保护装置指示灯为为例，并且主要以红色指示灯为对象，对指示灯识别的过程中是通过对指示灯的外形轮廓和颜色等主要特征作为识别依据。指示灯的状态分别有正常亮、异常亮和灭三种情况，因此所获得的图像的颜色组成也是有区别的。由于指示灯图像的R、G、B 三分量的相关性原因，因此难以通过R、G、B阈值设定的方式来完全提取指示灯。而通过色差法的运用，可以加大目标图像和背景的差异，进而帮助我们顺利提取目标图像。

该研究主要以（R-B）、（2R-G-B）这两种色差信息作为特征量。先通过中值滤波对将图2中的R-B色差灰度图、2R-G-B色差灰度图的部分噪音过滤掉，然后再运用自适应阈值分割算法来得到指示灯二值图。这样就可以有效地避免了单一选用某个色差特征难以识别出图像目标的问题。改进色差法的指示灯图像处理后可以发现，R-B色差可以比较好地区分和识别处于亮状态的指示灯，2R-G-B色差则可以比较好地区分和识别灭状态的指示灯，而结合这二者的特点，就可以比较好地对指示灯的状态进行识别。

通过上述方法获得改进色差二值图后，再进一步运用形态学滤波的图像处理技术填补图像上的空洞并去除掉毛刺，从而除去图像的干扰因素;再对大块的标识牌连通域的长宽、面积对其进行过滤筛选，得到图3的指示灯定位图。

2.3基于HSV特征变换的指示灯状态识别

实验中，摄像头采集到的是RGB图像，它是通过对R，G，B三通道的基本颜色进行不同程度的叠加，从而得到不同颜色，然而RGB颜色空间对光照条件非常敏感，R，G，B三个分量随着光照条件改变而改变，因此我们将其转换到HSV颜色空间，这是一种比较直观的颜色模型。HSV 即颜色空间中的色调（H），饱和度（S），明度（V），被称为六角锥体模型，这个模型可以更贴近人眼对颜色感知情况，可以更好地对图片颜色进行分析。通过对指示灯三种不同状态（即正常亮、异常亮、灭）进行HSV色彩变换，可以看出三种指示灯状态的H分量值、S分量值和V分量值。

用该方法可以解析出正常亮的指示灯颜色是红叠加橙，异常亮指示灯颜色为红叠加橙色、黄色及绿色，灭状态指示灯颜色为红。所以通过设置三种指示灯状态的阈值就可以更好地实现对指示灯的识别。

通过对该方法的验证，利用工业摄像头在不同光照环境下及不同角度下所采取的50张变电站内某继电保护装置指示灯样品图像做对比测试，测试通过该方法对指示灯的平均识别率和平均运行时间，测试结果可知该方法的识别率可以达到94.8%，平均运行时间19.3s。

3.结语

本文研究了利用计算机图像识别技术替代人工对变电站电力设备运行状态进行监测，主要研究了对变电站内继电保护装置指示灯的图像识别。运用工业摄像头采集指示灯图像，并运用计算机识别系统对变电站指示灯进行图像采集、图像处理、特征提取进而对指示灯状态进行识别与分析，判断出电力设备的运行情况，进而发现设备存在的故障及隐患，具有一定的理论研究意义和实际意义。

参考文献：

[1]李孟超，王允平，李献伟等.智能变电站及技术特点分析[J].电力系统保护与控制，2010，38（18）：59-62.

[2]练笔战，杨扬. 电力图像监控系统集成平台的研究与设计[J]. 电力系统保护与控制，2011，39（6）：124-130.

[3]张凤羽. 基于计算机视觉的输电线路异常巡检图的识别和研究[D]. 吉林大学，2015.

[4]景美丽. 无人值守变电站中智能视频监控的技术研究[D]. 华北电力大学，2012.

[5]罗毅，涂光瑜，张锦辉等变电站自动化中多媒体技术的应用和通信模式[J]. 电力系统自动化，2001，25（9）：11-14.