CN105260716A

CN105260716A - 故障指示器状态识别方法及装置

Info

Publication number: CN105260716A
Application number: CN201510668981.1A
Authority: CN
Inventors: 张义; 高意; 阳武; 黄雄凯; 许健; 文江林; 李君�; 周到; 许斌
Original assignee: CHANGSHA WASION INFORMATION TECHNOLOGY Co Ltd
Current assignee: CHANGSHA WASION INFORMATION TECHNOLOGY Co Ltd
Priority date: 2015-10-13
Filing date: 2015-10-13
Publication date: 2016-01-20

Abstract

本发明公开了一种故障指示器状态识别方法，包括获取故障指示器的原始照片并转换成灰度图像；根据灰度图像像素点的特征色值与下限阈值的关系初步判断故障指示器状态；将灰度图像转换为二值图像；在二值图像上将像素点合并和分块，得到特征色区域；根据各特征色区域判断故障指示器的翻牌状态；本发明还公开了应用所述故障指示器状态识别方法的故障指示器状态识别装置，包括微型网络摄像机、网络交换机和计算机，微型网络摄像机、网络交换机和计算机均通过网线连接。本发明利用图像处理技术对故障指示器的状态照片进行压缩、处理和识别，因此能够自动识别故障指示器的翻牌状态，避免人工进行记录和判别，减少了人员的工作难度、工作强度和工作量。

Description

故障指示器状态识别方法及装置

技术领域

本发明涉及图像识别领域，具体涉及一种故障指示器状态识别方法及装置。

背景技术

随着自动化技术的发展，配电网自动化运行已经越来越重要。故障定位是配电自动化的关键技术之一，它要求故障发生时能够快速定位故障点，并及时通知电力部门检修人员，为电力部门检修人员排查故障和恢复供电节约时间。

目前，故障定位的方法是在电网的配电网线路上加装故障指示器。故障指示器上配置有翻牌器，线路正常运行时，翻牌器未动作，指示器上指示灯没有闪烁，配电线路为正常状态；当故障指示器检测到配电线路发生故障时，指示器翻牌器会动作，指示器上指示灯有规律的闪烁，此时为故障状态。

目前对于故障指示器的翻牌器状态的判断，基本停留在人工阶段，即利用巡线人员人工目测的方法判断故障指示器的状态。此方法需要巡线员巡查所有的配电线路，对各个故障指示器及其翻牌器进行逐一盘查和记录。该人工检测的方法极其繁琐、复杂，且劳动强度大、工作量大，此外，个别故障指示器的安装位置不便于人工进行判断，这更增加了人工判定的难度和工作量。

发明内容

本发明的目的之一在于提供一种能够利用计算机技术自动识别故障指示器是否翻牌的故障指示器状态识别方法。

本发明的目的之二在于提供一种运用所述的故障指示器识别方法的故障指示器状态识别装置。

本发明提供的这种故障指示器状态识别方法，主要包括如下步骤：

S1获取故障指示器状态的高清原始照片；

S2将步骤S1获得的照片，进行图像处理转换成为灰度图像；

S3获取步骤S2中得到的灰度图像中每一个像素点的特征色值的最大值，并比较该最大值与设定的目标特征色的下限阈值的大小，以初步判断故障指示器是否翻牌；

S4若有翻牌可能，将步骤S3中的灰度图像转换为二值图像；

S5在步骤S4中获得的二值图像上，迭代查询所有像素点的特征色值，将特征色值相同的像素点进行合并和分块，得到特征色区域；

S6在步骤S5中获得的已经分块的二值图像上，判断各特征色区域的像素点数与设定的点数阈值的大小，以及特征色区域所占像素点在原始图像中所占的比率与设定的比率阈值的大小，从而判断故障指示器的翻牌状态。

步骤S2所述的将高清原始照片转换为灰度图像的图像处理方法为双三次插值算法。

步骤S3所述的初步判断故障指示器是否翻牌，具体包括如下步骤：

1）获取灰度图像中每一个像素点的特征色值，从中获取特征色值的最大值；

2）若步骤1）中获取的特征色值的最大值比设定的目标特征色的下限阈值小，则认为故障指示器未翻牌，算法结束；

3）若步骤1）中获取的特征色值的最大值比设定的目标特征色的下限阈值大，则设置近似率，得到分界值=特征色值的最大值×近似率；

4）将灰度图像中像素点的特征色值小于分界值的像素点特征色值置为0；

步骤S4所述的将灰度图像转换为二值图像，采用的算法为最大类间方差法。

步骤S6所述的判断故障指示器的翻牌状态，具体包括如下步骤：

1）若特征色区域的像素点数≥设定的点数阈值，且特征色区域所占像素点在原始图像中所占的比率≥设定的比率阈值，则故障指示器翻牌，算法结束；

2）若特征色区域的像素点数≥设定的点数阈值，且特征色区域所占像素点在原始图像中所占的比率<设定的比率阈值，则故障指示器未翻牌，继续判断下一特征色区域；

3）若特征色区域的像素点数<设定的点数阈值，则故障指示器未翻牌，继续判断下一特征色区域。

本发明还提供一种采用所述的故障指示器状态识别方法的故障指示器状态识别装置，包括微型网络摄像机、网络交换机和计算机，微型网络摄像机与故障指示器一一对应，且安装在故障指示器附近，微型网络摄像机的摄像头正对故障指示器的翻牌器；微型网络摄像机通过网线与网络交换机连接；网络交换机通过网线和计算机连接。

所述的微型网络摄像机为高速摄像机。

所述的计算机为工业计算机。

本发明提供的这种故障指示器状态识别方法和装置，由于采用高速摄像机对故障指示器状态进行记录，并利用图像处理技术对故障指示器的原始状态照片进行压缩、处理和识别，因此能够利用计算机自动识别故障指示器的翻牌状态，避免了人工对故障指示器的状态进行记录和判别，极大地减少了人员的工作难度、工作强度和工作量。

附图说明

图1本发明的方法的流程示意图。

图2为本发明的方法中二值图像的示意图。

图3为本发明的装置的功能模块图。

具体实施方式

如图1~图2所示为本发明的方法的流程示意图和二值图像的示意图：

本发明提供的故障指示器状态识别方法，具体包括如下步骤：

S1高清摄像机对故障指示器的状态进行拍照，获得故障指示器状态的高清原始照片；

S2利用双三次插值算法，将步骤S1获得的高清原始照片转换为灰度图像；

S3获取灰度图像中每一个像素点的特征色值，并在其中选取特征色值的最大值，同时设定目标特征色的下限阈值；

为了判定故障指示器是否已经翻牌，因此设定目标特征色为故障指示器翻牌后的颜色，一般为红色；由于故障指示器安装位置周围环境较为固定，且无其他类似颜色干扰，因此设定下限阈值的目的是为了快速判断故障指示器是否没有翻牌；下限阈值的设定以故障指示器翻牌状态时，故障指示器的指示颜色在灰度图像中的特征值为参考，根据经验向下设定即可；向下设定越多，即下限阈值设置越小，则判断越准确，但是判断的时间和工作量会越多；

S4判断特征色值的最大值与目标特征色的下限阈值之间的大小；

若特征色值的最大值≥目标特征色的下限阈值，表明所获取的照片中存在比目标特征色相近的颜色，故障指示器可能处于翻牌状态，因此需要进入下一步进行判断；若特征色值的最大值＜目标特征色的下限阈值，则表明所获取额照片中不存在比目标特征色较为相近的，可以直接判定故障指示器未翻牌，得出结论，算法结束；

S5设置近似率，得到分界值=特征色值的最大值×近似率；

S6将灰度图像中像素点的特征色值小于分界值的像素点的特征色值置为0；

步骤S5~S6的目的在于为后面的处理步骤做准备，将图像进一步的进行简化处理，以提高本发明方法的效率；

S7采用最大类间方差法将步骤S6中得到的灰度图像转换为二值图像；

二值图像的特点就在于，二值图像内各像素点的特征色值只有0或者1，转换为二值图像的目的在于便于图像的处理；

S8在二值图像上迭代查询所有像素点的特征色值，将特征色值相同的像素点进行合并和分块，得到特征色区域；

二值图像中各个像素点的特征色值，组成一个二维数组CPixel[i][j]，其中i表示为像素点在二值图像中的行号，j表示像素点在二值图像中的列号；针对每一个像素点CPixel[i][j]，查询该像素点和其相邻的8个像素点，即CPixel[i-1][j-1]、CPixel[i-1][j]、CPixel[i-1][j+1]、CPixel[i][j-1]、CPixel[i][j+1]、CPixel[i+1][j-1]、CPixel[i+1][j]和CPixel[i+1][j+1]，的特征色值，如果相同，则将相邻点合并，将特征色分块并建立特征色区域；

迭代各分块，判断分块之间是否存在交集，如果存在则表明该两个分块属于的特征色相同，将该两分块合并；

直至所有的分块迭代完成；

该步骤完成后，二值图像将成为背景色为黑色、图像中有若干块白色区域的图像，具体如图3所示；所述的白色区域即为可能的故障指示器的翻牌状态区域；

S9设定点数阈值和比率阈值；

S10判断特征色区域的像素点与设定的点数阈值的关系；

若特征色区域的像素点≥设定的点数阈值，表明特征色区域的面积与故障指示器的翻牌器的面积相当或较大，可能是故障指示器已经翻牌；

若特征色区域的像素点＜设定的点数阈值，则表明特征色区域的面积与故障指示器的翻牌器的面积相差较远，可能是高速摄像机在拍照时有其他的物体混入，或者有其他误差产生，认为此时故障指示器未翻牌，结束判断，算法结束；

S11判断特征色区域所占像素点在原始图像中所占的比率与设定的比率阈值的关系；

若特征色区域的像素点≥设定的比例阈值，表明特征色区域确实表征的是原始图像中的故障指示器的翻牌区域，此时结论为故障指示器翻牌，算法结束；

若特征色区域的像素点＜设定的比例阈值，表明特征色区域在原始图像中表征的不是故障指示器的翻牌区域，仅仅可能是由于高速摄像机拍照时恰好出现的其他物体或引入的其他误差；认为此时故障指示器未翻牌，结束判断，算法结束。

如图3所示为本发明提供的采用所述的故障指示器状态识别方法的故障指示器状态识别装置的功能模块图：

本发明提供的这种故障指示器状态识别装置包括若干台微型网络摄像机，且均为高速摄像机；微型网络摄像机的摄像头正对故障指示器的翻牌器和/或闪烁灯布置，能够清楚地对故障指示器进行照相或摄像；微型网络摄像机通过网线与网络交换机连接，网络交换机接收微型网络摄像机传输的数据，再统一发送给工业计算机。

工业计算机采用软件算法完成所述的故障指示器状态识别方法。

本发明提供的这种故障指示器状态识别装置和故障指示器状态识别方法，利用高速摄像机对故障指示器进行拍照，利用搭建的传输网络将照片上传至工业计算机，利用计算机识别故障指示器的翻牌状态；本发明全程自动实现故障指示器的翻牌状态判别，避免了人为判断故障指示器状态，而且避免人员沿配电网络巡线排查，极大地降低了线路人员的作业强度和作业难度，也极大地减少了线路人员的工作量。

Claims

1.一种故障指示器状态识别方法，主要包括如下步骤：

S1获取故障指示器的高清原始照片；

S2将步骤S1获得的照片，进行图像处理转换成为灰度图像；

S4若有翻牌可能，将步骤S3中的灰度图像转换为二值图像；

2.根据权利要求1所述的故障指示器状态识别方法，其特征在于步骤S2所述的将高清原始照片转换为灰度图像的图像处理方法为双三次差值算法。

3.根据权利要求1或2之一所述的故障指示器状态识别方法，其特征在于步骤S3所述的初步判断故障指示器是否翻牌，具体包括如下步骤：

4）将灰度图像中像素点的特征色值小于分界值的像素点特征色值置为0。

4.根据权利要求1或2之一所述的故障指示器状态识别方法，其特征在于步骤S4所述的将灰度图像转换为二值图像，采用的算法为最大类间方差法。

5.根据权利要求3所述的故障指示器状态识别方法，其特征在于步骤S4所述的将灰度图像转换为二值图像，采用的算法为最大类间方差法。

6.根据权利要求1或2之一所述的故障指示器状态识别方法，其特征在于步骤S6所述的判断故障指示器的翻牌状态，具体包括如下步骤：

7.根据权利要求3所述的故障指示器状态识别方法，其特征在于步骤S6所述的判断故障指示器的翻牌状态，具体包括如下步骤：

8.根据权利要求4所述的故障指示器状态识别方法，其特征在于步骤S6所述的判断故障指示器的翻牌状态，具体包括如下步骤：

9.根据权利要求5所述的故障指示器状态识别方法，其特征在于步骤S6所述的判断故障指示器的翻牌状态，具体包括如下步骤：

10.一种采用权利要求1所述的故障指示器状态识别方法的故障指示器状态识别装置，包括微型网络摄像机、网络交换机和计算机，微型网络摄像机与故障指示器一一对应，且安装在故障指示器附近，微型网络摄像机的摄像头正对故障指示器的翻牌器；微型网络摄像机通过网线与网络交换机连接；网络交换机通过网线和计算机连接。