（湖南工業(yè)大學(xué) 電氣與信息工程學(xué)院，湖南 株洲 412007）

0 引言

當(dāng)變電站中電氣設(shè)備運(yùn)行狀態(tài)或者電力系統(tǒng)運(yùn)行方式發(fā)生改變時(shí)，需進(jìn)行一系列的電氣設(shè)備倒閘操作[1]。對(duì)于傳統(tǒng)變電站，倒閘操作以及電氣設(shè)備巡檢過程中隔離開關(guān)的開合狀態(tài)需要進(jìn)行人員目視核查，這種人工操作模式存在自動(dòng)化程度較低、勞動(dòng)強(qiáng)度較大、操作時(shí)間較長(zhǎng)等缺點(diǎn)[2-4]，并且與變電站智能化、無人值守化的發(fā)展趨勢(shì)相矛盾。此外，已有通過在控制隔離開關(guān)“開”“合”的操作機(jī)構(gòu)上安裝輔助開關(guān)，以間接檢測(cè)隔離開關(guān)開合狀態(tài)的方式，也存在無法檢測(cè)高壓側(cè)開合狀態(tài)的缺陷[5]。目前，變電站中投運(yùn)的巡檢機(jī)器人大多用于檢測(cè)電氣設(shè)備的紅外溫度，并據(jù)此判斷電氣設(shè)備是否出現(xiàn)過熱缺陷，但不能自動(dòng)地對(duì)隔離開關(guān)等電氣設(shè)備的開合狀態(tài)進(jìn)行識(shí)別[6-7]，這極大限制了巡檢機(jī)器人的巡視范圍，不能充分發(fā)揮巡檢機(jī)器人的巡視潛能。

針對(duì)上述問題，本研究擬采用一種基于機(jī)器視覺的隔離開關(guān)開合狀態(tài)識(shí)別方法，并利用圖像處理技術(shù)，實(shí)現(xiàn)對(duì)隔離開關(guān)開合狀態(tài)的自動(dòng)識(shí)別，以期提高變電站電氣設(shè)備狀態(tài)巡檢的智能化水平。

1 隔離開關(guān)的圖像特點(diǎn)分析

變電站中安裝的水平式隔離開關(guān)的圖像特征不完全相同，所獲取的隔離開關(guān)圖像中非開關(guān)區(qū)域分布著不同的電力器件、支撐機(jī)構(gòu)以及電力塔架等非目標(biāo)物體。但是從圖像灰度值分布的角度分析，隔離開關(guān)圖像具有一個(gè)共同特征，即隔離開關(guān)區(qū)域的灰度值要明顯大于下方絕緣子基座的灰度值，且小于背后天空背景的灰度值。

圖1為變電站實(shí)地采集的隔離開關(guān)實(shí)物圖像及其對(duì)應(yīng)的灰度直方圖。

圖1 隔離開關(guān)圖像及其灰度直方圖Fig.1 Disconnecting switch images and gray histograms

通過對(duì)比分析兩圖像的灰度直方圖，可以看出圖像中隔離開關(guān)區(qū)域的灰度值基本介于80～110之間，而隔離開關(guān)下方的絕緣子基座的灰度值基本在50以下，天空背景的灰度值則在150以上，且隔離開關(guān)區(qū)域和其它主要非目標(biāo)區(qū)域的灰度值高低對(duì)比明顯。

2 隔離開關(guān)區(qū)域的提取

針對(duì)圖像中隔離開關(guān)等電力設(shè)備目標(biāo)的提取問題，候一民等[8]采用尺度不變特征轉(zhuǎn)換算法來實(shí)現(xiàn)，但該算法存在錯(cuò)誤匹配問題，而錯(cuò)誤匹配的消除算法十分復(fù)雜。鑒于圖像中目標(biāo)區(qū)域和其它非目標(biāo)區(qū)域灰度值的差異[9]，本設(shè)計(jì)中隔離開關(guān)區(qū)域提取流程如下：設(shè)置雙閾值，分割隔離開關(guān)灰度圖像；再由形態(tài)學(xué)處理和空域?yàn)V波消除圖像中的非開關(guān)區(qū)域，獲取開關(guān)區(qū)域。具體的算法流程如圖2所示。

圖2 開關(guān)區(qū)域提取的算法流程圖Fig.2 Extraction algorithm flow chart of switch regions

2.1 開關(guān)區(qū)域分割

為分割出圖像中的開關(guān)區(qū)域，傳統(tǒng)方法大多利用單閾值進(jìn)行分割獲取二值圖像，但得到的二值圖像中存在大量非目標(biāo)區(qū)域，分割效果較差。鑒于上述開關(guān)圖像特點(diǎn)的分析，本研究采取雙閾值進(jìn)行分割，即包括一個(gè)較低的閾值T1和一個(gè)較高的閾值T2，且閾值T1小于閾值T2；分割后，非目標(biāo)區(qū)域的灰度值變換為255，開關(guān)區(qū)域的灰度值變換為0，灰度變換函數(shù)如下：

以閉合狀態(tài)下的開關(guān)圖像為例，傳統(tǒng)的單閾值分割與本文算法分割開關(guān)區(qū)域的效果對(duì)比見圖3。

圖3 不同算法的開關(guān)區(qū)域分割效果圖Fig.3 Segmentation effect diagram of switch regions under different algorithms

由圖3可知，相對(duì)于傳統(tǒng)的單閾值分割，經(jīng)雙閾值分割后，圖像中隔離開關(guān)目標(biāo)區(qū)域與電力器件、支撐機(jī)構(gòu)以及電力塔架等非目標(biāo)區(qū)域的分割更為明顯，效果更好。

2.2 非開關(guān)區(qū)域消除

從圖3中可知，經(jīng)雙閾值分割后，開關(guān)圖像中分布著大量模糊的孤立像素點(diǎn)和細(xì)小線段，這些像素點(diǎn)和線段是開關(guān)區(qū)域附近的絕緣子以及支撐機(jī)構(gòu)的邊緣輪廓?？紤]到這些邊緣輪廓被周圍白色背景所包圍，易于合并到背景之中，可用形態(tài)學(xué)膨脹消除這些孤立的像素點(diǎn)和線段。膨脹時(shí)隔離開關(guān)二值圖像中物體的邊界被擴(kuò)充，將與物體接觸的所有背景點(diǎn)合并到該物體中，即邊緣輪廓與白色背景合并，式（2）被廣泛用來描述膨脹形成過程。

式中：A為(x,y)平面上的目標(biāo)區(qū)域；S為指定大小和形狀的結(jié)構(gòu)元素；S(x,y)表示定義于坐標(biāo)(x,y)上的結(jié)構(gòu)元素S所表示的區(qū)域。

設(shè)計(jì)大小為3×3的結(jié)構(gòu)元素S，即一個(gè)3維數(shù)組S：

利用結(jié)構(gòu)元素S判斷開關(guān)區(qū)域分割圖像中像素點(diǎn)的上、下和前、后4點(diǎn)中是否有相交點(diǎn)，有則將該像素點(diǎn)的灰度值變換為0，否則保持不變。開關(guān)圖像經(jīng)過形態(tài)學(xué)膨脹處理，反色后的效果圖見圖4。

圖4 開關(guān)圖像形態(tài)學(xué)膨脹效果圖Fig.4 Effect diagram of morphological expansion of disconnecting switches

觀察圖4可知，開關(guān)區(qū)域下方的桿狀結(jié)構(gòu)長(zhǎng)度較長(zhǎng)，相對(duì)于模糊的邊緣輪廓，像素點(diǎn)較為集中，并不能通過膨脹處理得到消除。鑒于二值圖像中桿狀結(jié)構(gòu)與其領(lǐng)域的灰度值差別較大，因此可用空域?yàn)V波對(duì)其加以消除。根據(jù)作用效果的不同，空域?yàn)V波器可分為平滑濾波器和銳化濾波器。平滑濾波器中的平滑處理會(huì)模糊開關(guān)邊緣，而銳化濾波器中的銳化處理剛好相反，因而可設(shè)計(jì)一個(gè)拉普拉斯銳化濾波器來完成開關(guān)區(qū)域的提取。對(duì)于一個(gè)表示隔離開關(guān)圖像的二維函數(shù)f(x,y)，拉普拉斯銳化算子會(huì)產(chǎn)生一個(gè)標(biāo)量函數(shù)：

二維函數(shù)f(x,y)在離散情況下，二階微分變成二階差分，表示為

因此，拉普拉斯銳化算子可以通過一個(gè)二維卷積模板來執(zhí)行，設(shè)計(jì)模板矩陣B如下：

通過卷積模板可知，拉普拉斯銳化處理時(shí)，由于開關(guān)區(qū)域較大，且灰度大致相同，故該區(qū)域整體上不受銳化處理影響，而桿狀結(jié)構(gòu)區(qū)域灰度值為0，鄰域內(nèi)其它像素的灰度值均為255，銳化平均后此區(qū)域的灰度值變?yōu)?55，桿狀結(jié)構(gòu)得到消除。反色后開關(guān)區(qū)域提取效果如圖5所示。

圖5 開關(guān)區(qū)域提取效果圖Fig.5 Effect diagram of region extraction areas

3 開合狀態(tài)的識(shí)別

文獻(xiàn)[1]等根據(jù)細(xì)化處理后開關(guān)區(qū)域是否存在直線來識(shí)別開關(guān)的開合狀態(tài)。即若開關(guān)區(qū)域存在直線，則判定開關(guān)閉合；反之，則判定開關(guān)處于斷開狀態(tài)。該判斷方法簡(jiǎn)單直觀，但在開關(guān)區(qū)域存在輸電線、支撐機(jī)構(gòu)裝置等干擾物時(shí)，判斷準(zhǔn)確率會(huì)急劇下降，且這種直線判別法主要適用于老式隔離開關(guān)，在識(shí)別新型隔離開關(guān)的開合狀態(tài)時(shí)，效果較差，具有一定的局限性；鑒于開關(guān)閉合狀態(tài)與斷開狀態(tài)下二值圖像的差別主要表現(xiàn)為空間位置的不同，故可用圖像投影特征來識(shí)別隔離開關(guān)的開合狀態(tài)。

圖像投影分為水平投影與垂直投影[10]，分別用x軸與y軸方向灰度值的累積值描述。對(duì)于大小為M×N的圖像，投影函數(shù)定義為：

式中：PH表示水平投影函數(shù)；PV表示垂直投影函數(shù)。

以水平投影為例，閉合和斷開狀態(tài)下開關(guān)區(qū)域二值圖像在水平方向上的投影如圖6所示。

圖6 開關(guān)區(qū)域水平投影效果圖Fig.6 Horizontal projection effect diagram of disconnecting switch areas

根據(jù)投影特征的不同，隔離開關(guān)開合狀態(tài)的識(shí)別流程如圖7所示。

圖7 開合狀態(tài)識(shí)別流程圖Fig.7 The opening-closing status recognition flow chart

4 實(shí)驗(yàn)結(jié)果與分析

為驗(yàn)證識(shí)別算法對(duì)隔離開關(guān)開合狀態(tài)識(shí)別的有效性，實(shí)地采集220 kV變電站中高壓隔離開關(guān)實(shí)物圖像共104份，其中，斷開狀態(tài)下的隔離開關(guān)圖像46份，閉合狀態(tài)下的隔離開關(guān)圖像58份，識(shí)別系統(tǒng)的硬件采用PC機(jī)，通過Visual Studio 2010編程軟件平臺(tái)實(shí)現(xiàn)隔離開關(guān)開合狀態(tài)的識(shí)別。將本文給出的方法與文獻(xiàn)[1]等采用的直線判別法進(jìn)行實(shí)驗(yàn)對(duì)比，所得結(jié)果如表1所示。

表1 不同識(shí)別方法的測(cè)試結(jié)果對(duì)比Table 1 Comparison of test results produced by different recognition methods

分析表1中的數(shù)據(jù)可知，隔離開關(guān)在斷開狀態(tài)以及閉合狀態(tài)下，與文獻(xiàn)[1]等采用的直線判別法相比較，本文給出的識(shí)別方法的準(zhǔn)確率相對(duì)較高，均在96%以上。這一結(jié)果說明，采用雙閾值分割和灰度投影對(duì)隔離開關(guān)圖像進(jìn)行變換，更適合于隔離開關(guān)開合狀態(tài)的識(shí)別。

5 結(jié)語

針對(duì)變電站中隔離開關(guān)開合狀態(tài)的非接觸式檢測(cè)與識(shí)別，通過對(duì)開關(guān)圖像的特點(diǎn)以及傳統(tǒng)識(shí)別方法的分析，在得到隔離開關(guān)區(qū)域二值圖像的基礎(chǔ)上，采用基于灰度投影特征的判別方法可對(duì)隔離開關(guān)的斷開和閉合狀態(tài)進(jìn)行有效識(shí)別，且識(shí)別率較高，有助于提高無人值守變電站中隔離開關(guān)這一重要電氣設(shè)備運(yùn)行狀態(tài)監(jiān)測(cè)的自動(dòng)化水平和變電站電氣設(shè)備巡檢的智能化程度。但此方法主要適用于單個(gè)隔離開關(guān)開合狀態(tài)的識(shí)別，且對(duì)采集隔離開關(guān)圖像的角度有一定要求。當(dāng)獲取的圖像中存在多組隔離開關(guān)或者隔離開關(guān)區(qū)域被部分遮擋的情況時(shí)，識(shí)別的準(zhǔn)確率存在一定問題，這將是今后進(jìn)一步研究的重點(diǎn)。

[1]陳安偉，樂全明，張宗益，等.基于機(jī)器人的變電站開關(guān)狀態(tài)圖像識(shí)別方法[J].電力系統(tǒng)自動(dòng)化，2012，36(6)：101-105.CHEN Anwei，YUE Quanming，ZHANG Zongyi，et al.An Image Recognition Method of Substation Breakers State Based on Robot[J].Automation of Electric Power Systems，2012，36(6)：101-105.

[2]魯守銀，錢慶林，張 斌，等.變電站設(shè)備巡檢機(jī)器人的研制[J].電力系統(tǒng)自動(dòng)化，2006，30(13)：94-98.LU Shouyin，QIAN Qinglin，ZHANG Bin，et al.Development of Mobile Robot for Substation Equipment Inspection[J].Automation of Electric Power Systems，2006，30(13)：94-98.

[3]崔巨勇，曹云東，王文杰.基于分水嶺與Krawtchouk不變矩相結(jié)合的改進(jìn)方法在變電站巡檢圖像處理中的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào)，2015，35(6)：1329-1335.CUI Juyong，CAO Yundong，WANG Wenjie.Application of an Improved Algorithm Based on Watershed Combined with Krawtchouk Invariant Moment in Inspection Image Processing of Substations[J].Proceedings of the CSEE，2015，35(6)：1329-1335.

[4]李 麗，王濱海，王萬國(guó)，等.基于變電站巡檢機(jī)器人的室外斷路器狀態(tài)自動(dòng)識(shí)別算法[J].科技通報(bào)，2011，27(5)： 732-736.LI Li，WANG Binhai，WANG Wanguo，et al.An Automatic Status Recognition Approach for Outdoor High Voltage Circuit Breaker Based on Power Station Equipment Monitoring Robot[J].Bulletin of Science and Technology，2011，27(5)：732-736.

[5]劉 斌，孫承超，肖 馳，等.基于激光感應(yīng)技術(shù)的高壓隔離開關(guān)狀態(tài)監(jiān)測(cè)裝置[J].智能電網(wǎng)，2014，2(11)：48-51.LIU Bin，SUN Chengchao，XIAO Chi，et al.Laser Sensing Technology Based Condition Monitoring Device of High-Voltage Disconnect Switch[J].Smart Grid，2014，2(11)：48-51.

[6]周立輝，張永生，孫 勇，等.智能變電站巡檢機(jī)器人研制及應(yīng)用[J].電力系統(tǒng)自動(dòng)化，2011，35(19)：85-88，96.ZHOU Lihui，ZHANG Yongsheng，SUN Yong，et al.Development and Application of Equipment Inspection Robot for Smart Substations[J].Automation of Electric Power Systems，2011，35(19)：85-88，96.

[7]張 浩，王 偉，徐麗杰，等.圖像識(shí)別技術(shù)在電力設(shè)備監(jiān)測(cè)中的應(yīng)用[J].電力系統(tǒng)保護(hù)與控制，2010，38(6)：88-91.ZHANG Hao，WANG Wei，XU Lijie，et al.Application of Image Recognition Technology in Electrical Equipment On-Line Monitoring[J].Power System Protection and Control，2010，38(6)：88-91.

[8]候一民，邸建明.改進(jìn)的尺度不變特征轉(zhuǎn)換精確圖像匹配在電力設(shè)備目標(biāo)定位中的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012，32(19)：134-138.HOU Yimin，DI Jianming.Application of Improved Scale Invariant Feature Transform Accurate Image Matching in Target Positioning of Electric Power Equipment[J].Proceedings of the CSEE，2012，32(19)：134-138.

[9]陳建平，秦 斌，王 欣.非均勻光照?qǐng)D像的自適應(yīng)閾值分割[J].湖南工業(yè)大學(xué)學(xué)報(bào)，2016，30(4)：37-38.CHEN Jianping，QIN Bin，WANG Xin.An Adaptive Threshold Segmentation Method Based on Inhomogeneous Illumination Images[J].Journal of Hunan University of Technology，2016，30(4)：37-38.

[10]童文超，舒小華，龍永紅，等.LED顯示儀表的字符識(shí)別方法[J].湖南工業(yè)大學(xué)學(xué)報(bào)，2014，28(1)：68-69.TONG Wenchao，SHU Xiaohua，LONG Yonghong，et al.The Method of Character Recognition Displaying on LED[J].Journal of Hunan University of Technology，2014，28(1)：68-69.