CN103886294A - 基于图像的换流站用避雷器动作次数的识别方法以及*** - Google Patents
基于图像的换流站用避雷器动作次数的识别方法以及*** Download PDFInfo
- Publication number
- CN103886294A CN103886294A CN201410111191.9A CN201410111191A CN103886294A CN 103886294 A CN103886294 A CN 103886294A CN 201410111191 A CN201410111191 A CN 201410111191A CN 103886294 A CN103886294 A CN 103886294A
- Authority
- CN
- China
- Prior art keywords
- image
- digital
- character
- reading
- carried out
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供一种基于图像的换流站用避雷器动作次数的识别方法以及***,该方法包括:采集换流站用避雷器对应的仪表的图像;对所述的图像进行预处理,得到预处理后的图像;采用图像模板匹配方法对所述预处理后的图像进行数字识别,得到所述图像对应的读数;根据所述的读数确定出所述换流站用避雷器的动作次数;显示所述的动作次数。本发明首先通过图像采集装置(诸如摄像机)采集仪表的图像,对图像进行预处理,对图像的数字区域进行数字切分,最后采用一种数字结构特征和模板匹配相结合的数字识别方法来精确地读出避雷器的动作次数的读数,进而对避雷器进行监测,能够代替人眼对仪表进行读数,提高了读数的准确性和效率。
Description
技术领域
本发明关于电力***技术领域,特别是关于电力***的安全运行中的过电压保护***的监测技术,具体的讲是一种基于图像的换流站用避雷器动作次数的识别方法以及***。
背景技术
金属氧化物避雷器是电力***安全运行中重要的过电压保护设备,其本身运行状况的好坏直接影响到电力***的安全。氧化物避雷器尤其是氧化锌避雷器作为一种新型避雷器应用的越来越多。它以优越的非线性伏安特性、低残压、无工频续流、反应速度快等优点,逐渐取代了其它类型的避雷器,并在电力***各种电压等级得到了广泛的应用。然而,不论何种避雷器要长期工作在运行电压下,并多次承受各种过电压的冲击,以及因避雷器阀片受潮、老化等原因使避雷器整体性能逐渐下降,从而造成高故障也是不争的事实。因此,为保证避雷器在良好的状态性能下工作,确保电网安全运行,对避雷器的状况进行监测就显得尤为重要。
传统避雷器在线监测***由全电流、雷击计数器、巡测报警装置等组成,如图15所示。传统国内避雷器的接地回路上普遍都安装有带泄漏电流指针表的雷击计数器,用人工抄表记录的方式,来监视避雷器泄漏电流的大小和变化趋势,这种定时巡视方式,对于换流站运维人员来说,工作量大,且读取繁琐。
由于氧化物避雷器没有放电间隙,氧化物电阻片长期承受运行电压,并有泄漏电流不断流过避雷器各个串联电阻片,这个电流的大小取决于避雷器热稳定和电阻片的老化程度。如果避雷器在动作负载下发生劣化,将会使正常对地绝缘水平降低,泄漏电流增大,直至发展成为避雷器的击穿损坏。避雷器的质量如果存在,那么通过避雷器电阻片的泄漏电流将逐渐增大,因此可以把测量避雷器的泄漏电流作为监测避雷器质量状况的一种重要手段。常见的氧化物避雷器泄漏电流测量仪器按其工作原理分为两种:容性电流补偿法和谐波法。容性电流补偿法是以去掉与母线电压成π/2的相位差的电流分量作为去掉容性电流,从而获得阻性电流的。谐波分析法是采用数字化测量和谐波分析技术,从泄漏电流中分离出阻性电流基波值。
国内外对于金属氧化物避雷器的监测技术进行了大量的研究、并提出了多种在线监测方法,如全电流法、零序电流法、补偿法检测阻性电流和数字谐波法检测阻性电流,但大多数处于试验阶段。
全电流法即通过测试流过避雷器全泄露电流的大小的变化,对避雷器的运行状况进行判断。该方法的原理简单、易于实现,但不能准确反映运行中避雷器出现的早期老化。当避雷器受潮缺陷时,因阻性电流增大显著,一般很容易通过全电流的变化发现。资料表明,当全电流增大到一倍以上时,避雷器受潮情况就很严重了,当电流增大到2-3倍时,认为已达到危险境界。这一标准可以有效的检测到避雷器运行中的劣化。因此,在油田电网中推广应用的SOM、JS-8、JJSY-12型等在线监测仪所监测的主要项目是全电流。
零序电流法认为从三相避雷器接地线中测取三相接地电流,根据电流大小变化判断避雷器的运行状况,该方法简单,不需在电压互感器上取电压信号,但无法判断是其中哪一相的故障,而且受电网三次谐波影响大。
数字谐波分析法,是通过在避雷器的接地引线上接高灵敏度的电流互感器,采用FFT变换,进行数据信号处理,从而得到全电流和阻性电流的有效值,该方法解决了光电隔离和数据远传等问题,且抗干扰能力较强、运行的长期稳定性较好。
国内也有利用光纤取样技术监测避雷器全泄漏电流。该方法利用避雷器运行时的接地电流作取样装置的电源。将泄漏电流的大小转换成光脉冲频率的变化,采用光纤取样、微机数据处理和数据通讯,解决了避雷器泄漏电流测量传输中的无源取样,高电压隔离和数据远传等问题。但该技术的灵敏度和稳定性还有待于时间体验。
发明内容
为了克服现有技术中的全电流法、零序电流法、补偿法检测阻性电流和数字谐波法存在的上述各种技术问题,本发明提供了一种基于图像的换流站用避雷器动作次数的识别方法以及***,首先通过图像采集装置(诸如摄像机)采集仪表的图像,对图像进行预处理,对图像的数字区域进行数字切分,最后,采用一种数字结构特征和模板匹配相结合的数字识别方法来精确地读出避雷器的动作次数的读数,进而对避雷器进行监测,能够代替人眼对仪表进行读数,提高了读数的准确性和效率。
本发明的目的之一是,提供一种基于图像的换流站用避雷器动作次数的识别方法,包括:采集换流站用避雷器对应的仪表的图像;对所述的图像进行预处理,得到预处理后的图像;采用图像模板匹配方法对所述预处理后的图像进行数字识别,得到所述图像对应的读数;根据所述的读数确定出所述换流站用避雷器的动作次数。
本发明的目的之一是,提供了一种基于图像的换流站用避雷器动作次数的识别***,所述的***具体包括:图像采集装置,用于采集换流站用避雷器对应的仪表的图像;预处理装置,用于对所述的图像进行预处理,得到预处理后的图像;数字识别装置,用于采用图像模板匹配方法对所述预处理后的图像进行数字识别,得到所述图像对应的读数;动作次数确定装置,用于根据所述的读数确定出所述换流站用避雷器的动作次数。
本发明的有益效果在于,提供了一种基于图像的换流站用避雷器动作次数的识别方法以及***,不仅解决了传统避雷器雷击计数器和泄漏电流表用人工肉眼识别所产生的读数不准,效率低等问题,利用数字图像处理技术进行处理自动的准确识别出仪表示数,这样大大地减少人工的重复性劳动和读数误差,可以持续监视参数的变化,从而提高生产率,降低错误率。
为让本发明的上述和其他目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附图式,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于图像的换流站用避雷器动作次数的识别方法的流程图;
图2为图1中的步骤S102的实施方式一的具体流程图;
图3为图1中的步骤S102的实施方式二的具体流程图;
图4为图3中的步骤S306的具体流程图;
图5为图1中的步骤S102的实施方式三的具体流程图;
图6为图5中的步骤S507的具体流程图;
图7为图1中的步骤S103的具体流程图;
图8为本发明实施例提供的一种基于图像的换流站用避雷器动作次数的识别***的结构框图;
图9为本发明实施例提供的一种基于图像的换流站用避雷器动作次数的识别***中预处理装置200的实施方式一的结构框图;
图10为本发明实施例提供的一种基于图像的换流站用避雷器动作次数的识别***中预处理装置200的实施方式二的结构框图;
图11为本发明实施例的预处理装置200中的矫正模块206的结构框图;
图12为本发明实施例提供的一种基于图像的换流站用避雷器动作次数的识别***中预处理装置200的实施方式三的结构框图;
图13为本发明实施例的预处理装置200中的数字切分模块207的结构框图;
图14为本发明实施例提供的一种基于图像的换流站用避雷器动作次数的识别***中数字识别装置300的结构框图;
图15为传统避雷器监测***的结构示意图;
图16为已定位的数字仪表读数的示意图;
图17为垂直投影得到的图像的示意图;
图18为数字“9”背景各四连通区域标记效果的原始图像的示意图;
图19为数字“9”背景各四连通区域标记效果的加竖线的图像的示意图;
图20为印刷体显示数字的分类树示意图;
图21为七段码显示数字分类树示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
随着数字图像处理技术的不断发展,将图像测量与识别技术应用到变电站巡视中逐渐成为人们研究应用的热点。本发明提供的一种基于图像的换流站用避雷器动作次数的识别方法,能够代替人眼对仪表进行读数,提高了读数的准确性和效率,减少了人工的重复性劳动。
本发明提出一种基于图像的换流站用避雷器动作次数的识别方法,图1为该方法的实施方式一的具体流程图,由图1可知,所述的方法包括:
S101:采集换流站用避雷器对应的仪表的图像。换流站用避雷器的动作次数的大小是通过仪表显示出来。本发明在具体的实施例里,可用摄像机来采集仪表的图像。图像中有显示读数的数字。解决了传统避雷器雷击计数器和泄漏电流表用人工肉眼识别所产生的读数不准,效率低等问题。对于数字式仪表,因为其显示值的变化时间比较快,势必要求识别时间要低于数字变化时间。通过数码摄像技术从仪表视频信号中获得数字显示区域图像并输入到计算机中,经过计算机识别,将仪表的读数转化为文本形式的数字等字符传送到目的设备,实现自动控制功能,这不仅方便了读数的存储和分析,还提高了生产率,降低了错误率。
由摄像头代替人眼对仪表图像进行采集,利用数字图像处理技术进行处理自动的准确识别出仪表示数。这样大大地减少人工的重复性劳动和读数误差。
S102:对所述的图像进行预处理,得到预处理后的图像。
图2为步骤S102的实施方式一的具体流程图,由图2可知,在实施方式一中,该步骤具体包括:
S201:对所述的图像进行中值滤波,得到中值滤波后的图像。
在采集避雷器显示动作次数的数字式仪表图像的过程中,容易受到光斑或灰尘等影响,捕捉到的图像上就会呈现出多个小的噪声点,这些噪声点对数字的识别有着重要的影响,在预处理阶段应予以减小或去除。为了抑制噪声,改善图像质量,将采用中值滤波器对图像进行平滑处理以抑制噪声。中值滤波器在一定条件下可以克服线性滤波器带来的细节模糊等缺点,而且对于滤除图像的扫描噪声非常有效。中值滤波一般采用含有奇数点的滑动窗口,以3x3模板为例。中值滤波器处理的原理是:将模板内的9个像素点的灰度值由小到大排列(或是由大到小排列)之后,按其排列顺序选取第5个位置上的像素的灰度值(中值)作为滤波后该像素点上的灰度值。
S202:对所述中值滤波后的图像进行灰度化,得到灰度化后的图像。
CCD摄像头采集的是真彩色图像,各种彩色都是由R、G、B三个单色调配而成。如果使用真彩色图像,那么图像文件将会占用较大存储空间。为了减少处理数据量,有必要对真彩色图像进行灰度变换,也为图像的后记处理带来方便。即将24为彩色图像变换为8为灰度图像。由于人眼对红色的敏感度最高,对绿色的敏感度次之,对蓝色的敏感度最低,所以采用加权平均法较为合理,其数学表达式为:
Gray=(WR+WGG+WBB)/3 (1)
其中WR,WG,WB为R,G,B分量的权值。实验和理论推导证明,当WR=0.229,WG=0.587,WB=0.114时,能得到最合理的灰度图像。
S203:对所述灰度化后的图像进行二值化,得到二值化后的图像。
图像二值化的过程是将图像中的像素按照某一阈值T分解成像素群的过程。首先指定一个阈值或者通过某种算法生成一个阈值,如果灰度图像的灰度值小于该阈值,则将该像素的灰度值设置为255或0,否则灰度值设置为0或255,从而将灰度图就转化为二值图像。由于仪表经常受到光照不均匀等因素的影响使图像的灰度不均匀和突变,所以采用基于局部门限处理阈值的二值化方法,它不受非均匀光照条件等情况的影响,能适应较复杂的情况。
S204:对所述二值化后的图像进行膨胀处理,得到膨胀后的图像。
二值化后,整幅图片将只剩下待识别的数字,但这时候的数字会有一些断断续续的地方,会对数字的识别产生一定的影响,所以要对图像进行进一步的处理,即图像的膨胀,其目的就是要把有断点的数字线段重新连接起来。膨胀是数学形态学算法之一。设图像元素为X,结构元素S,膨胀运算也称扩张运算,用符号“⊕”表示,膨胀运算就是将X中的每一个点扩大为S[x],记为X⊕S。定义为:X⊕S={x|S[x]∩x≠φ。式中X为目标图像的点的集合,S为结构元素点的集合。与之等价的定义形式为:
X⊕S=∪{X[s]|s∈S} (2)
X⊕S=∪{S[x]|x∈X} (3)
S205:对所述膨胀后的图像进行细化处理,得到细化处理后的图像。
经过膨胀之后,数字图像变得浓重,清晰,连续,但是数字太粗大,将影响识别的精度,所以要对其进行细化。下面是本文采用的细化算法:一幅图像中的一个3×3区域,对各点标记名称P1,P2,....P8,其中P1位于中心。如果P1=1(即黑点),下面四个条件若同时满足,则删除P1(P1=0):
2≤Nz(P1)≤6;
Z0(P1)=1;
P2*P4*P8=0或Z0(P1)≠1; (4)
P2*P4*P6=0或N0(P)(P4)≠O;
对图像中的每一个点重复这一步骤,直到所有的点都不可删除为止。
图3为步骤S102的实施方式二的具体流程图,由图3可知,在实施方式二中,步骤S301至S305与实施方式一中的步骤S201至S205相同,此处不再赘述。此外,步骤S102还包括:
S306:对所述细化处理后的图像进行矫正,得到矫正后的图像。摄像头由于其拍摄角度和安装的问题,可能会带来一些弧度不大的畸变,对数字识别的结果造成一定的影响,因此需要对图像进行自适应的矫正。图4为步骤S306的具体流程图,由图4可知,该步骤具体包括:
S401:从所述细化处理后的图像中筛选出像素值为0的点;
S402:将所述像素值为0的点沿水平方向以及垂直方向进行投影,得到投影点;
S403:按照所述投影点的坐标值将所述图像的边框外的图像信息作为背景进行分割,得到分割后的图像;
S404:对所述分割后的图像的边框进行定位,得到定位后的图像;
S405:对所述定位后的图像进行边缘检测,得到边缘检测结果;
S406:根据所述的边缘检测结果采用霍夫Hough变换检测所述定位后的图像的边框直线的倾斜角度。
S407:根据所述的倾斜角度通过仿射变换对所述定位后的图像进行旋转,得到矫正后的图像。
也即步骤S306的矫正过程中,将二值化后的图像的像素值为0的点(前景点),沿水平方向和垂直方向投影,按照坐标将仪表图像框外的图像信息作为背景分割,对仪表图像的外框进行定位。为了减少Hough变换的计算量,在具体的实施例中需采用坎尼Canny算子法对图像进行边缘检测。从边缘检测的结果可以看出,仪表图像具有上下边框,因此通过Hough变换检测图像边框直线的倾斜角度以获得仪表图像的倾斜角度是一种可行的方法。由于仪表外框倾斜角的范围一般在一个很小的范围,所以在Hough变换算法中θ的范围定在(-10°,10°),以减少统计量的数目,同时可以去除竖直直线的干扰,提高了统计的准确性。用Hough变换检测与垂直线成±10度的直线且长度满足一定阈值,计算直线偏离垂直线的角度,将所有检测到的倾斜角度取平均,最后通过仿射变换旋转图像得到矫正后的图像。
图5为步骤S102的实施方式三的具体流程图,由图5可知,在实施方式三中,步骤S501至S506与实施方式二中的步骤S301至S306相同,此处不再赘述。此外,步骤S102还包括:
S507:对所述矫正后的图像进行数字切分。图6为步骤S507的具体流程图,由图5可知,该步骤具体包括:
S601:对所述矫正后的图像中的字符区域进行垂直投影,得到投影区域。
S602:对所述的投影区域作边缘检测,确定出每个字符的前沿以及后沿;
S603:根据每个字符的前沿以及后沿确定所述字符的宽度;
S604:根据所述字符的宽度将所述图像中除字符之外的部分切掉,得到预处理后的图像。
通过以上步骤可以确定出字符的宽度,切掉图像上的多余部分,把每一个字符分割出来。这样不但便于提取每一个数字的结构特征进行分类,还有利于使分割出的单个字符分别与模板库中的字符进行匹配。
也即步骤S507的数字切分中,对字符区域进行垂直投影后,再对投影作边缘检测,确定每个数字或字符的前沿和后沿,进而确定字符相应的宽度、位置。最后将每一组前、后沿作为一个符号并统计字符的总个数。以12.38为例,则图16是已定位的数字仪表读数的二值化图像,图17是对应的垂直投影得到的图像,其中以实线开始,虚线结束就确定一个字符。
由图1可知,该方法还包括:
S103:对所述预处理后的图像进行数字识别,得到所述图像对应的读数。图7为步骤S103的具体流程图,由图7可知,该步骤具体包括:
S701:提取数字的结构特征,所述的结构特征为数字背景连通域特征和/或数字高宽比特征和/或数字重心特征和/或投影特征。
在具体的实施例中,该步骤基于结构特征对数字识别。
首先,基于数字的特征对数字分类对0-9进行分类,分类特征主要从以下四个方面:
①数字背景连通域特征。每个数字都是一独立连通区域,且把其背景分割出若干四连通区域,记数字背景四连通区域对象的个数为TN,即TN等于数字封闭孔数加上数字外背景连通域(1个)。图18为数字“9”背景各四连通区域标记效果的原始图像的示意图;图19为数字“9”背景各四连通区域标记效果的加竖线的图像的示意图;
②数字高宽比特征。记为HW,比如七段码显示数字“1”就可以利用此特征量与其它数字进行区分。
③数字重心特征。比如“6”和“9”,这两个数字的数字封闭曲线内元素重心分布相反,且为上下对称结构。
④投影特征。指字符点阵在水平或垂直方向的在二值化图像下的投影累加图特征,数字形状不同,投影后的像素分布也不同。如七段码显示形式“4”,水平投影后中间位置会有个峰值(像素极大值)。
S702:根据所述的结构特征采用基于拓扑结构的图像数字识别分类方法对数字进行分类,得到多个模板。
在具体的实施例中,定义图象连通域标识后的像素矩阵为标识矩阵,元素为各个连通域对象编号,即原图像连通区域内的像素用其标识号代替。本发明提出的基于拓扑结构的图像数字识别分类方法主要利用各数字背景四连通域对象的个数TN和标识矩阵元素的分布来构造识别特征,从而对数字进行分类识别。LED七段码数字和印刷体数字显示形式都具有以上特征,比如,除数字“4”之外,两种数字形式的TN值是相同的。图20和图21是两种数字的分类方法。
字符特征量的提取主要针对的是对字符的个体特征,但是对于某些字符对于一些特征量具有一定程度的相似性,因此必须对相似的具有某一类特征量的字符再进行进一步的模板匹配,利用字符的整体特征来提高***的识别正确率。首先利用数字结构特征对数字进行初分类,分类过程中对容易误识的数字采用模板匹配识别,这样就缩小了模板匹配的字符对象范围,弥补了模板匹配算法对于大量字符耗时多的缺点。
S703:通过基于质心的方法对所述的模板进行归一化处理。具体的,对制作的模板进行归一化处理,使其像素与避雷器的图像大小相同。
模板目标和另一幅图像可能来自不同的传感器,因此大小、方向、位置都不同。所以采用的是基于质心的方法对模板进行归一化再求匹配。基于质心的方法需要首先计算字符的质心,然后再把质心移动到指定的位置上。令A,B,L,R分别表示数字的上下左右边界,质心的计算公式为:
式中I(i,j)=1表示该像素点为数字黑像素点,I(i,j)=0表示该像素点为背景。
S704:将归一化处理后的模板与所述预处理后的图像逐一进行匹配,得到相似度。
用图像模板匹配的方法进行数字识别时,输入的数字都是经过二值化、归一化处理的,背景像素用0表示,数字像素用1表示。对每一个数字建立一个标准模板Ti,令待识别图像为X,大小为M×N,首先将X与每个模板进行匹配,分别求两幅图像之间的相识度Si:
上式即表示标准模板与待识图像上对应点均为“1”像素的数目与标准模板上“l”像素的数目之比。在实际操作中,对印刷体数字和七段码数字,我们要建立20个模板。
具体的,读取预处理后的图像中分割出来的字符,使所有待识别的字符与模板中的所有字符逐个相减,值越小则相似度越大。
S705:根据所述的相似度识别出所述图像对应的读数。找到值最小即相似度最大的即为匹配最好的,输出此模板的对应值即为识别结果。
由图1可知,该方法还包括:
S104:根据所述的读数确定出所述换流站用避雷器的动作次数;
S105:显示所述的动作次数。
根据所述的动作次数监测所述换流站用避雷器。如此,得到避雷器的动作次数的具体值,即可来监视避雷器参数的大小和变化趋势,对避雷器的状况进行分析,确保电网的安全运行。
如上即为本发明提供的一种基于图像的换流站用避雷器动作次数的识别方法,换流站用避雷器动作次数的大小是通过数字式仪表显示出来。首先用摄像机采集仪表的图像,在仪表视频捕捉和图像数据传输的过程中,由于设备本身的电气特性和外界条件的干扰,产生噪声是难以避免的。在这样的情况下,为了提高图像的可理解性,保证识别的精度,通常要对图像进行预处理,对这些降质的图像进行图像增强。可以采用中值滤波来平滑图像,减少噪声。为了减少对图片信息的数据处理量需要对图像进行灰度变换,然后再通过自适应阈值将灰度图二值化使图像仅含黑白两种颜色以便于后面的数字识别。但是此时得到的数字信息还是模糊的,可由图像的膨胀和细化使数字断续的地方连接起来并且宽度变成一个像素宽度的线条图像,为后续的数字识别中的特征提取奠定了基础。不过由于摄像头拍摄角度和安装的问题,可能会带来一些弧度不大的畸变,对数字识别的结果造成一定的影响,因此需要对图像进行自适应的矫正。要想把目标提取出来,就得对数字区域的数字切分。最后,采用一种数字结构特征和模板匹配相结合的数字识别方法来精确地读出避雷器动作次数和泄漏电流的读数,进而对避雷器进行监测,能够代替人眼对仪表进行读数,提高了读数的准确性和效率。
本发明还提出一种基于图像的换流站用避雷器动作次数的识别***,图8为换流站用避雷器动作次数的识别***的结构框图,由图8可知,所述的***包括:
图像采集装置100,用于采集换流站用避雷器对应的仪表的图像。换流站用避雷器的动作次数的大小是通过仪表显示出来。本发明在具体的实施例里,可用摄像机来采集仪表的图像。图像中有显示读数的数字。解决了传统避雷器雷击计数器和泄漏电流表用人工肉眼识别所产生的读数不准,效率低等问题。对于数字式仪表,因为其显示值的变化时间比较快,势必要求识别时间要低于数字变化时间。通过数码摄像技术从仪表视频信号中获得数字显示区域图像并输入到计算机中,经过计算机识别,将仪表的读数转化为文本形式的数字等字符传送到目的设备,实现自动控制功能,这不仅方便了读数的存储和分析,还提高了生产率,降低了错误率。
由摄像头代替人眼对仪表图像进行采集,利用数字图像处理技术进行处理自动的准确识别出仪表示数。这样大大地减少人工的重复性劳动和读数误差。
预处理装置200,用于对所述的图像进行预处理,得到预处理后的图像。
图9为预处理装置200的实施方式一的具体结构框图,由图9可知,在实施方式一中,预处理装置200具体包括:
中值滤波模块201,用于对所述的图像进行中值滤波,得到中值滤波后的图像。
在采集避雷器显示动作次数的数字式仪表图像的过程中,容易受到光斑或灰尘等影响,捕捉到的图像上就会呈现出多个小的噪声点,这些噪声点对数字的识别有着重要的影响,在预处理阶段应予以减小或去除。为了抑制噪声,改善图像质量,将采用中值滤波器对图像进行平滑处理以抑制噪声。中值滤波器在一定条件下可以克服线性滤波器带来的细节模糊等缺点,而且对于滤除图像的扫描噪声非常有效。中值滤波一般采用含有奇数点的滑动窗口,以3x3模板为例。中值滤波器处理的原理是:将模板内的9个像素点的灰度值由小到大排列(或是由大到小排列)之后,按其排列顺序选取第5个位置上的像素的灰度值(中值)作为滤波后该像素点上的灰度值。
灰度化模块202,用于对所述中值滤波后的图像进行灰度化,得到灰度化后的图像。
CCD摄像头采集的是真彩色图像,各种彩色都是由R、G、B三个单色调配而成。如果使用真彩色图像,那么图像文件将会占用较大存储空间。为了减少处理数据量,有必要对真彩色图像进行灰度变换,也为图像的后记处理带来方便。即将24为彩色图像变换为8为灰度图像。由于人眼对红色的敏感度最高,对绿色的敏感度次之,对蓝色的敏感度最低,所以采用加权平均法较为合理,其数学表达式如公式(1)。
二值化模块203,用于对所述灰度化后的图像进行二值化,得到二值化后的图像。
图像二值化的过程是将图像中的像素按照某一阈值T分解成像素群的过程。首先指定一个阈值或者通过某种算法生成一个阈值,如果灰度图像的灰度值小于该阈值,则将该像素的灰度值设置为255或0,否则灰度值设置为0或255,从而将灰度图就转化为二值图像。由于仪表经常受到光照不均匀等因素的影响使图像的灰度不均匀和突变,所以采用基于局部门限处理阈值的二值化方法,它不受非均匀光照条件等情况的影响,能适应较复杂的情况。
膨胀模块204,用于对所述二值化后的图像进行膨胀处理,得到膨胀后的图像。
二值化后,整幅图片将只剩下待识别的数字,但这时候的数字会有一些断断续续的地方,会对数字的识别产生一定的影响,所以要对图像进行进一步的处理,即图像的膨胀,其目的就是要把有断点的数字线段重新连接起来。膨胀是数学形态学算法之一。设图像元素为X,结构元素S,膨胀运算也称扩张运算,用符号“⊕”表示,膨胀运算就是将X中的每一个点扩大为S[x],记为X⊕S。定义为:X⊕S={x|S[x]∩x≠φ。式中X为目标图像的点的集合,S为结构元素点的集合。与之等价的定义形式如公式(2)、(3)所示。
细化模块205,用于对所述膨胀后的图像进行细化处理,得到细化处理后的图像。
经过膨胀之后,数字图像变得浓重,清晰,连续,但是数字太粗大,将影响识别的精度,所以要对其进行细化。下面是本文采用的细化算法:一幅图像中的一个3×3区域,对各点标记名称P1,P2,....P8,其中P1位于中心。如果P1=1(即黑点),下面四个条件若同时满足,则删除P1(P1=0):
2≤Nz(P1)≤6;
Z0(P1)=1;
P2*P4*P8=0或Z0(P1)≠1; (4)
P2*P4*P6=0或N0(P)(P4)≠O;
对图像中的每一个点重复这一步骤,直到所有的点都不可删除为止。
图10为预处理装置200的实施方式二的具体结构框图,由图10可知,在实施方式二中,预处理装置200还包括:
矫正模块206,用于对所述细化处理后的图像进行矫正,得到矫正后的图像。摄像头由于其拍摄角度和安装的问题,可能会带来一些弧度不大的畸变,对数字识别的结果造成一定的影响,因此需要对图像进行自适应的矫正。图11为矫正模块206的结构框图,由图11可知,矫正模块206具体包括:
筛选单元2061,用于从所述细化处理后的图像中筛选出像素值为0的点;
投影单元2062,用于将所述像素值为0的点沿水平方向以及垂直方向进行投影,得到投影点;
分割单元2063,用于按照所述投影点的坐标值将所述图像的边框外的图像信息作为背景进行分割,得到分割后的图像;
边框定位单元2064,用于对所述分割后的图像的边框进行定位,得到定位后的图像;
边缘检测单元2065,用于对所述定位后的图像进行边缘检测,得到边缘检测结果;
倾斜角度检测单元2066,用于根据所述的边缘检测结果采用霍夫Hough变换检测所述定位后的图像的边框直线的倾斜角度。
旋转单元2067,用于根据所述的倾斜角度通过仿射变换对所述定位后的图像进行旋转,得到矫正后的图像。
也即矫正过程中,将二值化后的图像的像素值为0的点(前景点),沿水平方向和垂直方向投影,按照坐标将仪表图像框外的图像信息作为背景分割,对仪表图像的外框进行定位。为了减少Hough变换的计算量,在具体的实施例中需采用Canny算子法对图像进行边缘检测。从边缘检测的结果可以看出,仪表图像具有上下边框,因此通过霍夫Hough变换检测图像边框直线的倾斜角度以获得仪表图像的倾斜角度是一种可行的方法。由于仪表外框倾斜角的范围一般在一个很小的范围,所以在Hough变换算法中θ的范围定在(-10°,10°),以减少统计量的数目,同时可以去除竖直直线的干扰,提高了统计的准确性。用Hough变换检测与垂直线成±10度的直线且长度满足一定阈值,计算直线偏离垂直线的角度,将所有检测到的倾斜角度取平均,最后通过仿射变换旋转图像得到矫正后的图像。
图12为本发明实施例提供的一种基于图像的换流站用避雷器动作次数的识别***中预处理装置200的实施方式三的结构框图,由图12可知,在实施方式三中,预处理装置200还包括:
数字切分模块207,用于对所述矫正后的图像进行数字切分。图13为数字切分模块207的结构框图,由图13可知,数字切分模块207具体包括:
垂直投影单元2071,用于对所述矫正后的图像中的字符区域进行垂直投影,得到投影区域。
边缘检测单元2072,用于对所述的投影区域作边缘检测,确定出每个字符的前沿以及后沿;
宽度确定单元2073,用于根据每个字符的前沿以及后沿确定所述字符的宽度;
切分单元2074,用于根据所述字符的宽度将所述图像中除字符之外的部分切掉,得到预处理后的图像。
通过以上步骤可以确定出字符的宽度,切掉图像上的多余部分,把每一个字符分割出来,得到的预处理后的图像上只剩分割出来的字符。这样不但便于提取每一个数字的结构特征进行分类,还有利于使分割出的单个字符分别与模板库中的字符进行匹配。
也即数字切分中,对字符区域进行垂直投影后,再对投影作边缘检测,确定每个数字或字符的前沿和后沿,进而确定字符相应的宽度、位置。最后将每一组前、后沿作为一个符号并统计字符的总个数。以12.38为例,则图16是已定位的数字仪表读数的二值化图像,图17是对应的垂直投影得到的图像,其中以实线开始,虚线结束就确定一个字符。
由图8可知,该***还包括:
数字识别装置300,用于对所述预处理后的图像进行数字识别,得到所述图像对应的读数。图14为数字识别装置300的结构框图,由图14可知,数字识别装置300具体包括:
结构特征提取模块301,用于提取数字的结构特征,所述的结构特征为数字背景连通域特征和/或数字高宽比特征和/或数字重心特征和/或投影特征。
在具体的实施例中,该步骤基于结构特征对数字识别。
首先,基于数字的特征对数字分类对0-9进行分类,分类特征主要从以下四个方面:
①数字背景连通域特征。每个数字都是一独立连通区域,且把其背景分割出若干四连通区域,记数字背景四连通区域对象的个数为TN,即TN等于数字封闭孔数加上数字外背景连通域(1个)。图18为数字“9”背景各四连通区域标记效果的原始图像的示意图;图19为数字“9”背景各四连通区域标记效果的加竖线的图像的示意图;
②数字高宽比特征。记为HW,比如七段码显示数字“1”就可以利用此特征量与其它数字进行区分。
③数字重心特征。比如“6”和“9”,这两个数字的数字封闭曲线内元素重心分布相反,且为上下对称结构。
④投影特征。指字符点阵在水平或垂直方向的在二值化图像下的投影累加图特征,数字形状不同,投影后的像素分布也不同。如七段码显示形式“4”,水平投影后中间位置会有个峰值(像素极大值)。
分类模块302,用于根据所述的结构特征采用基于拓扑结构的图像数字识别分类方法对数字进行分类,得到多个模板。
在具体的实施例中,定义图象连通域标识后的像素矩阵为标识矩阵,元素为各个连通域对象编号,即原图像连通区域内的像素用其标识号代替。本发明提出的基于拓扑结构的图像数字识别分类方法主要利用各数字背景四连通域对象的个数TN和标识矩阵元素的分布来构造识别特征,从而对数字进行分类识别。LED七段码数字和印刷体数字显示形式都具有以上特征,比如,除数字“4”之外,两种数字形式的TN值是相同的。图20和图21是两种数字的分类方法。
字符特征量的提取主要针对的是对字符的个体特征,但是对于某些字符对于一些特征量具有一定程度的相似性,因此必须对相似的具有某一类特征量的字符再进行进一步的模板匹配,利用字符的整体特征来提高***的识别正确率。首先利用数字结构特征对数字进行初分类,分类过程中对容易误识的数字采用模板匹配识别,这样就缩小了模板匹配的字符对象范围,弥补了模板匹配算法对于大量字符耗时多的缺点。
归一化处理模块303,用于通过基于质心的方法对所述的模板进行归一化处理。
具体的,对制作的模板进行归一化处理,使其像素与避雷器的图像大小相同。
模板目标和另一幅图像可能来自不同的传感器,因此大小、方向、位置都不同。所以采用的是基于质心的方法对模板进行归一化再求匹配。基于质心的方法需要首先计算字符的质心,然后再把质心移动到指定的位置上。令A,B,L,R分别表示数字的上下左右边界,质心的计算公式如公式(5)所示。
模板匹配模块304,用于将归一化处理后的模板与所述预处理后的图像逐一进行匹配,得到相似度。
用图像模板匹配的方法进行数字识别时,输入的数字都是经过二值化、归一化处理的,背景像素用0表示,数字像素用1表示。对每一个数字建立一个标准模板Ti,令待识别图像为X,大小为M×N,首先将X与每个模板进行匹配,分别求两幅图像之间的相识度Si,相似度的计算公式如公式(6)所示。具体的,读取预处理后的图像中分割出来的字符,使所有待识别的字符与模板中的所有字符逐个相减,值越小则相似度越大。
读数识别模块305,用于根据所述的相似度识别出所述图像对应的读数。根据所述的相似度识别出所述图像对应的读数。找到值最小即相似度最大的即为匹配最好的,输出此模板的对应值即为识别结果。
由图8可知,该***还包括:
动作次数确定装置400,用于根据所述的读数确定出所述换流站用避雷器的动作次数;
显示装置500,用于显示所述的动作次数。
根据所述的动作次数监测所述换流站用避雷器。如此,得到避雷器的动作次数的具体值,即可来监视避雷器参数的大小和变化趋势,对避雷器的状况进行分析,确保电网的安全运行。
如上即为本发明提供的一种基于图像的换流站用避雷器动作次数的识别***,换流站用避雷器动作次数的大小是通过数字式仪表显示出来。通过利用基于结构特征和分组模板匹配的仪表数字识别,能够更加准确的读出避雷器动作次数,也大大的缩减了匹配时间。由于该***的实时性好,大大的减少了读数时间,有效的增加了工作效率,换流站也会节省更多的时间来创造更多的效益。为了能够更加准确的对数字进行分类,对数字的封闭性要求比较高。在数字切分时,根据垂直投影得到的字符区域的宽窄可以分出数字和标点符号。
本发明提供了一种基于图像的换流站用避雷器动作次数的识别方法以及***,不仅解决了传统避雷器雷击计数器和泄漏电流表用人工肉眼识别所产生的读数不准,效率低等问题,利用数字图像处理技术进行处理自动的准确识别出仪表示数,这样大大地减少人工的重复性劳动和读数误差,可以持续监视参数的变化,从而提高生产率,降低错误率。
本发明的有益效果在于:
1.解决了传统避雷器数字式雷击计数器和泄漏电流表用人工肉眼识别所产生的读数不准,效率低等问题。对于数字式仪表,因为其显示值的变化时间比较快,势必要求识别时间要低于数字变化时间。通过数码摄像技术从仪表视频信号中获得数字显示区域图像并输人到计算机中,经过计算机识别,将仪表的读数转化为文本形式的数字等字符传送到目的设备,实现自动控制功能,这不仅方便了读数的存储和分析,还提高了生产率,降低了错误率。
2.大大的缩减了模板匹配的字符对象范围,弥补了模板匹配算法对于大量字符耗时多的缺点。对数字式仪表识别过程中,字符特征量的提取主要针对的是对字符的个体特征,但是对于某些字符对于一些特征量具有一定程度的相似性,因此必须对相似的具有某一类特征量的字符再进行进一步的模板匹配,利用字符的整体特征来提高***的识别正确率。本发明采用的是数字结构特征和模板匹配相结合的数字识别方法,首先利用数字结构特征对数字进行分类,分类过程中对容易误识的数字采用分组模板匹配识别,这样就缩小了模板匹配的字符对象范围,克服了模板匹配算法对于大量字符耗时多的缺点,提高匹配速度。
3.有效的克服了以往提出的只能针对一种形式的数字进行识别的数字特征提取方法,对LED七段码和印刷体显示数都能进行识别且能够达到很强的实时性。本发明提出的基于拓扑结构的图像数字识别方法将能够忽略两种数字类型结构的差异,对这两种数字类型进行识别,这能将识别***应用到更广泛的数字仪表中。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一般计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
本领域技术人员还可以了解到本发明实施例列出的各种功能是通过硬件还是软件来实现取决于特定的应用和整个***的设计要求。本领域技术人员可以对于每种特定的应用,可以使用各种方法实现所述的功能,但这种实现不应被理解为超出本发明实施例保护的范围。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (14)
1.一种基于图像的换流站用避雷器动作次数的识别方法,其特征是,所述的方法具体包括:
采集换流站用避雷器对应的仪表的图像;
对所述的图像进行预处理,得到预处理后的图像;
采用图像模板匹配方法对所述预处理后的图像进行数字识别,得到所述图像对应的读数;
根据所述的读数确定出所述换流站用避雷器的动作次数;
显示所述的动作次数。
2.根据权利要求1所述的方法,其特征是,对所述的图像进行预处理具体包括:
对所述的图像进行中值滤波,得到中值滤波后的图像;
对所述中值滤波后的图像进行灰度化,得到灰度化后的图像;
对所述灰度化后的图像进行二值化,得到二值化后的图像;
对所述二值化后的图像进行膨胀处理,得到膨胀后的图像;
对所述膨胀后的图像进行细化处理,得到细化处理后的图像。
3.根据权利要求2所述的方法,其特征是,在得到细化处理后的图像之后,对所述的图像进行预处理还包括对所述细化处理后的图像进行矫正,得到矫正后的图像。
4.根据权利要求3所述的方法,其特征是,对所述细化处理后的图像进行矫正,得到矫正后的图像具体包括:
从所述细化处理后的图像中筛选出像素值为0的点;
将所述像素值为0的点沿水平方向以及垂直方向进行投影,得到投影点;
按照所述投影点的坐标值将所述图像的边框外的图像信息作为背景进行分割,得到分割后的图像;
对所述分割后的图像的边框进行定位,得到定位后的图像;
对所述定位后的图像进行边缘检测,得到边缘检测结果;
根据所述的边缘检测结果采用霍夫Hough变换检测所述定位后的图像的边框直线的倾斜角度;
根据所述的倾斜角度通过仿射变换对所述定位后的图像进行旋转,得到矫正后的图像。
5.根据权利要求3所述的方法,其特征是,在得到矫正后的图像之后,对所述的图像进行预处理还包括对所述矫正后的图像进行数字切分。
6.根据权利要求5所述的方法,其特征是,对所述矫正后的图像进行数字切分具体包括:
对所述矫正后的图像中的字符区域进行垂直投影,得到投影区域;
对所述的投影区域作边缘检测,确定出每个字符的前沿以及后沿;
根据每个字符的前沿以及后沿确定所述字符的宽度;
根据所述字符的宽度将所述图像中除字符之外的部分切掉,得到预处理后的图像。
7.根据权利要求1或6所述的方法,其特征是,采用图像模板匹配方法对所述预处理后的图像进行数字识别,得到所述图像对应的读数具体包括:
提取数字的结构特征,所述的结构特征为数字背景连通域特征和/或数字高宽比特征和/或数字重心特征和/或投影特征;
根据所述的结构特征采用基于拓扑结构的图像数字识别分类方法对数字进行分类,得到多个模板;
通过基于质心的方法对所述的模板进行归一化处理;
将归一化处理后的模板与所述预处理后的图像逐一进行匹配,得到相似度;
根据所述的相似度识别出所述图像对应的读数。
8.一种基于图像的换流站用避雷器动作次数的识别***,其特征是,所述的***具体包括:
图像采集装置,用于采集换流站用避雷器对应的仪表的图像;
预处理装置,用于对所述的图像进行预处理,得到预处理后的图像;
数字识别装置,用于采用图像模板匹配方法对所述预处理后的图像进行数字识别,得到所述图像对应的读数;
动作次数确定装置,用于根据所述的读数确定出所述换流站用避雷器的动作次数;
显示装置,用于显示所述的动作次数。
9.根据权利要求8所述的***,其特征是,所述的预处理装置具体包括:
中值滤波模块,用于对所述的图像进行中值滤波,得到中值滤波后的图像;
灰度化模块,用于对所述中值滤波后的图像进行灰度化,得到灰度化后的图像;
二值化模块,用于对所述灰度化后的图像进行二值化,得到二值化后的图像;
膨胀模块,用于对所述二值化后的图像进行膨胀处理,得到膨胀后的图像;
细化模块,用于对所述膨胀后的图像进行细化处理,得到细化处理后的图像。
10.根据权利要求9所述的***,其特征是,所述的预处理装置还包括:
矫正模块,用于对所述细化处理后的图像进行矫正,得到矫正后的图像。
11.根据权利要求10所述的***,其特征是,所述的矫正模块具体包括:
筛选单元,用于从所述细化处理后的图像中筛选出像素值为0的点;
投影单元,用于将所述像素值为0的点沿水平方向以及垂直方向进行投影,得到投影点;
分割单元,用于按照所述投影点的坐标值将所述图像的边框外的图像信息作为背景进行分割,得到分割后的图像;
边框定位单元,用于对所述分割后的图像的边框进行定位,得到定位后的图像;
边缘检测单元,用于对所述定位后的图像进行边缘检测,得到边缘检测结果;
倾斜角度检测单元,用于根据所述的边缘检测结果采用霍夫Hough变换检测所述定位后的图像的边框直线的倾斜角度;
旋转单元,用于根据所述的倾斜角度通过仿射变换对所述定位后的图像进行旋转,得到矫正后的图像。
12.根据权利要求10所述的***,其特征是,所述的预处理装置还包括:
数字切分模块,用于对所述矫正后的图像进行数字切分。
13.根据权利要求12所述的***,其特征是,所述的数字切分模块具体包括:
垂直投影单元,用于对所述矫正后的图像中的字符区域进行垂直投影,得到投影区域;
边缘检测单元,用于对所述的投影区域作边缘检测,确定出每个字符的前沿以及后沿;
宽度确定单元,用于根据每个字符的前沿以及后沿确定所述字符的宽度;
切分单元,用于根据所述字符的宽度将所述图像中除字符之外的部分切掉,得到预处理后的图像。
14.根据权利要求8或13所述的***,其特征是,所述的数字识别装置具体包括:
结构特征提取模块,用于提取数字的结构特征,所述的结构特征为数字背景连通域特征和/或数字高宽比特征和/或数字重心特征和/或投影特征;
分类模块,用于根据所述的结构特征采用基于拓扑结构的图像数字识别分类方法对数字进行分类,得到多个模板;
归一化处理模块,用于通过基于质心的方法对所述的模板进行归一化处理;
模板匹配模块,用于将归一化处理后的模板与所述预处理后的图像逐一进行匹配,得到相似度;
读数识别模块,用于根据所述的相似度识别出所述图像对应的读数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410111191.9A CN103886294B (zh) | 2014-03-24 | 2014-03-24 | 基于图像的换流站用避雷器动作次数的识别方法以及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410111191.9A CN103886294B (zh) | 2014-03-24 | 2014-03-24 | 基于图像的换流站用避雷器动作次数的识别方法以及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103886294A true CN103886294A (zh) | 2014-06-25 |
CN103886294B CN103886294B (zh) | 2017-05-03 |
Family
ID=50955177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410111191.9A Active CN103886294B (zh) | 2014-03-24 | 2014-03-24 | 基于图像的换流站用避雷器动作次数的识别方法以及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103886294B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105335760A (zh) * | 2015-11-16 | 2016-02-17 | 南京邮电大学 | 一种图像数字字符识别方法 |
CN105844231A (zh) * | 2016-03-21 | 2016-08-10 | 西安银石科技发展有限责任公司 | 一种货检作业过程车号识别控制方法 |
CN106709484A (zh) * | 2015-11-13 | 2017-05-24 | 国网吉林省电力有限公司检修公司 | 数字式仪表的数字识别方法 |
CN109357694A (zh) * | 2018-08-22 | 2019-02-19 | 安徽慧视金瞳科技有限公司 | 一种仪表数字检测方法 |
CN110132978A (zh) * | 2019-04-28 | 2019-08-16 | 无锡和博永新科技有限公司 | 电阻片整片检测装置及检测方法 |
CN110197144A (zh) * | 2019-05-20 | 2019-09-03 | 厦门能见易判信息科技有限公司 | 盗录视频识别方法及*** |
CN110929707A (zh) * | 2019-09-30 | 2020-03-27 | 国网湖南省电力有限公司 | 一种基于图像处理的换流站扫描检测方法、***及介质 |
CN113111728A (zh) * | 2021-03-22 | 2021-07-13 | 广西电网有限责任公司电力科学研究院 | 面向变电站内电力生产作业风险的智能识别方法及*** |
CN113449639A (zh) * | 2021-06-29 | 2021-09-28 | 深圳市海亿达科技股份有限公司 | 一种物联网网关对仪表的无接触数据采集方法 |
CN113837312A (zh) * | 2021-09-30 | 2021-12-24 | 南方电网电力科技股份有限公司 | 一种氧化锌避雷器的运行状态评价方法及装置 |
CN115372877A (zh) * | 2022-07-08 | 2022-11-22 | 广州中科云图智能科技有限公司 | 基于无人机的变电站的避雷器泄露电流表计巡检方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2974061B2 (ja) * | 1996-11-13 | 1999-11-08 | 日本電気株式会社 | パタン抽出装置 |
CN102236788B (zh) * | 2010-04-20 | 2015-09-02 | 荣科科技股份有限公司 | 电力电能表图像自动识别方法 |
CN102663380A (zh) * | 2012-03-30 | 2012-09-12 | 中南大学 | 一种钢铁板坯编码图像中的字符识别方法 |
-
2014
- 2014-03-24 CN CN201410111191.9A patent/CN103886294B/zh active Active
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106709484A (zh) * | 2015-11-13 | 2017-05-24 | 国网吉林省电力有限公司检修公司 | 数字式仪表的数字识别方法 |
CN105335760A (zh) * | 2015-11-16 | 2016-02-17 | 南京邮电大学 | 一种图像数字字符识别方法 |
CN105844231A (zh) * | 2016-03-21 | 2016-08-10 | 西安银石科技发展有限责任公司 | 一种货检作业过程车号识别控制方法 |
CN109357694A (zh) * | 2018-08-22 | 2019-02-19 | 安徽慧视金瞳科技有限公司 | 一种仪表数字检测方法 |
CN110132978A (zh) * | 2019-04-28 | 2019-08-16 | 无锡和博永新科技有限公司 | 电阻片整片检测装置及检测方法 |
CN110197144B (zh) * | 2019-05-20 | 2021-10-19 | 厦门能见易判信息科技有限公司 | 盗录视频识别方法及*** |
CN110197144A (zh) * | 2019-05-20 | 2019-09-03 | 厦门能见易判信息科技有限公司 | 盗录视频识别方法及*** |
CN110929707A (zh) * | 2019-09-30 | 2020-03-27 | 国网湖南省电力有限公司 | 一种基于图像处理的换流站扫描检测方法、***及介质 |
CN113111728A (zh) * | 2021-03-22 | 2021-07-13 | 广西电网有限责任公司电力科学研究院 | 面向变电站内电力生产作业风险的智能识别方法及*** |
CN113449639A (zh) * | 2021-06-29 | 2021-09-28 | 深圳市海亿达科技股份有限公司 | 一种物联网网关对仪表的无接触数据采集方法 |
CN113837312A (zh) * | 2021-09-30 | 2021-12-24 | 南方电网电力科技股份有限公司 | 一种氧化锌避雷器的运行状态评价方法及装置 |
CN115372877A (zh) * | 2022-07-08 | 2022-11-22 | 广州中科云图智能科技有限公司 | 基于无人机的变电站的避雷器泄露电流表计巡检方法 |
CN115372877B (zh) * | 2022-07-08 | 2023-08-15 | 广州中科云图智能科技有限公司 | 基于无人机的变电站的避雷器泄露电流表计巡检方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103886294B (zh) | 2017-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103886294A (zh) | 基于图像的换流站用避雷器动作次数的识别方法以及*** | |
CN110580480B (zh) | 基于图像处理的表计读数识别方法 | |
CN106951900B (zh) | 一种避雷器仪表读数的自动识别方法 | |
US10152650B2 (en) | Trademark retrieval method, apparatus and system, and computer storage medium | |
CN109308447A (zh) | 在电力远程监控中自动提取设备运行参数和运行状态的方法 | |
CN108573261A (zh) | 一种适用于变电站巡检机器人的数字显示仪表识别方法 | |
CN102673979B (zh) | 输送带跑偏判断方法及判断装置 | |
CN106570863A (zh) | 一种输电线路的检测方法及装置 | |
CN103942551A (zh) | 基于图像的换流站用避雷器泄漏电流的识别方法以及*** | |
JP6522869B1 (ja) | アナログメータの指針の指示値の自動読み取りシステム及び自動読み取り方法 | |
CN108074231A (zh) | 一种基于卷积神经网络的磁片表面缺陷检测方法 | |
CN109190473A (zh) | 一种“机器视觉理解”在电力远程监控中的应用 | |
CN106507372A (zh) | 一种无线网络越区覆盖检测方法、装置及通信*** | |
CN108680833B (zh) | 基于无人机的复合绝缘子缺陷检测*** | |
CN106599890B (zh) | 变电站巡检机器人数字式仪表识别算法 | |
CN108562821B (zh) | 一种基于Softmax确定配电网单相接地故障选线的方法及*** | |
CN110458126B (zh) | 一种受电弓状态监测方法及装置 | |
CN112149667A (zh) | 一种基于深度学习的指针式仪表的自动读数的方法 | |
CN106940800A (zh) | 计量仪表读数识别方法及装置 | |
CN112014413A (zh) | 一种基于机器视觉的手机玻璃盖板视窗区缺陷检测方法 | |
CN105785437B (zh) | 一种异常地震道的自动判别的方法及装置 | |
WO2023231262A1 (zh) | 基于视觉振频识别的提升钢丝绳张力检测方法 | |
CN109146974A (zh) | 一种指针式仪表读数识别方法及*** | |
CN110969610A (zh) | 基于深度学习的电力设备红外热图的识别方法及*** | |
CN115372877B (zh) | 基于无人机的变电站的避雷器泄露电流表计巡检方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |