CN111562540A - 一种基于动态图像识别和分析的电能表检测监控方法 - Google Patents

一种基于动态图像识别和分析的电能表检测监控方法 Download PDF

Info

Publication number
CN111562540A
CN111562540A CN202010416450.4A CN202010416450A CN111562540A CN 111562540 A CN111562540 A CN 111562540A CN 202010416450 A CN202010416450 A CN 202010416450A CN 111562540 A CN111562540 A CN 111562540A
Authority
CN
China
Prior art keywords
electric energy
image
energy meter
monitoring
sensor
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
Application number
CN202010416450.4A
Other languages
English (en)
Other versions
CN111562540B (zh
Inventor
曹献炜
李建炜
王娜
谭忠
林福平
王再望
党政军
杨杰
屈子旭
李全堂
刘贵平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningxia LGG Instrument Co Ltd
Original Assignee
Ningxia LGG Instrument Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningxia LGG Instrument Co Ltd filed Critical Ningxia LGG Instrument Co Ltd
Priority to CN202010416450.4A priority Critical patent/CN111562540B/zh
Publication of CN111562540A publication Critical patent/CN111562540A/zh
Application granted granted Critical
Publication of CN111562540B publication Critical patent/CN111562540B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
    • G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开一种基于动态图像识别和分析的电能表检测监测方法，涉及电能计量监测技术领域，解决的技术问题是目前电能表检定流水线车间内大范围异常现象监测不佳的状况，提出新型的解决方案。本发明将电子传感器技术、图像处理技术、数据处理技术、控制技术和计算机技术有机地结合在一起，应用到电能表检测领域中，实现检测技术的智能化、自动化监控，提高了电能表检测现场的监控力度，本发明通过使用改进型差分法，实现电能表在流水线中的动态状况信息的提取，通过对图像进行分割，获取现场运动状态信息，并通过采用蚁群算法实现电能表检测现场的异常分析，从而实现电能表检测工况的监控，同时还实现可疑人员的监控，本发明智能化、自动化程度高。

Description

一种基于动态图像识别和分析的电能表检测监控方法
技术领域
本发明涉及电能计量技术领域，且更具体地涉及一种基于动态图像识别和分析的电能表检测监控方法。
背景技术
在电能表检测技术领域中，尤其是电能表大型流水线检测过程中，检定流水线的构件主体,如上料机、机械传动输送机、下料机、图像识别封印器、贴标机、功率源及标准表等组件都是检定电能表的重要部件，智能电能表自动化流水线检定***能够实现智能电能表的自动传输、自动接拆线、自动检定、自动封印、贴标和智能分拣入库等功能,实现智能电能表检定全过程的自动化和智能化,有效避免人工误差,提高智能电能表的检定质量和效率。但是在其检测过程中，尤其是在存在接驳的地方，很容易由于摆放位置、流水线中的硬件设置情况，导致运转中的电能表出现卡表、暂停等意外的出现。人工监测工况不仅需要耗费大量的人力，增加企业的生产成本，还容易由于长期人工劳动，出现人工疲惫，造成误差的出现。在大型电能表检定流水线现场中，也存在可疑人员的出现，出现盗窃表具的情况出现，这就需要一种监控方法，专门监测大型生产车间的生产工况以及监控可疑人员。
发明内容
针对现有技术的不足，本发明公开了一种基于动态图像识别和分析的电能表检测监控方法，能够实现大型电能表生产流水线现场工况的监控，有效地避免电能表运转过程中出现异常事故，并且能够监控可疑人员的出现，本发明智能化程度高，能够实现远程监控，实现电能表检定流水线现场工况的监控。
为了解决上述技术问题，本发明采用以下技术方案:
一种基于动态图像识别和分析的电能表检测监测***，其特征在于：所述监测***包括：
设备层，其内至少设置有电能表检定装置、电能表检定流水线、传感器设备或电能表检定***，用于检测电能表数据信息，其中所述电能表数据信息至少包括电流、电压、功率、振动或纹波，所述传感器设备至少包络电传感器、红外传感器、速度传感器、加速传感器、GIS传感器、振动传感器、纹波传感器、温湿度传感器、角度传感器、磁场传感器、转速传感器、RFID标签、GPS设备、射线辐射传感器、热敏传感器、能耗传感器或M2M终端；
检测层，其内至少设置有图像采集单元，用于获取厂房内电能表检定状况和厂房内异常人员进出信息，以实现电能表检测现场的无人检测；其中所述图像采集单元至少包括工业摄像机和图像传感器，所述图像采集单元通过至少包括RS485通讯模块、RS232通讯模块、红外通讯模块或载波通讯模块的有线通讯模块和至少包括TCP/IP通讯模块、ZigBee无线通讯模块、GPRS通讯模块、CDMA无线通讯或蓝牙通讯模块的无线通讯模块进行数据传递；
图像处理层，其内至少设置有图像识别单元，所述图像识别单元至少包括图像分析模块和图像提取模块，其中所述图像提取模块用于提取获取的图像信息，并将提取的图像进行分割，并且通过所述图像分析模块对分割后的图像信息分析、计算；
监测层，其内至少设置有监控装置，所述监控装置连接有告警模块和显示模块，通过分析、计算采集到的图像，对电能表检测现场进行无人化、远程、智能监控；其中：
所述设备层的输出端与所述检测层的输入端连接，所述检测层的输出端与所述图像处理层的输入端连接，所述图像处理层的输出端与所述监测层的输入端连接。
作为本发明进一步的技术方案，所述图像传感器采用带有AL422B高速缓存的OV7670模块，所述工业摄像机为CCD工业摄像机，所述工业摄像机带有360°旋转摄像头。
作为本发明进一步的技术方案，所述图像识别单元为的控制部件为STM32微处理器，所述STM32微处理器采用基于Cortex-M3内核的STM32F103VET6嵌入式控制芯片。
作为本发明进一步的技术方案，所述图像提取模块和图像分析模块分别设置有接收数字信号和模拟信息的I/O接口。
作为本发明进一步的技术方案，所述告警模块为声光报警模块，所述显示模块为LCD大屏幕滚动显示屏。
为了解决上述技术问题，本发明采用以下技术方案:
一种基于动态图像识别和分析的电能表检测监测方法，其特征在于：所述方法包括以下步骤:
（S1）数据获取；获取电能表检测现场的数据信息，所述数据信息包括电能表工况信息和现场异常人员活动信息，然后对获取的电能表图像信息或数据信息进行清洗或者预处理，输出纯净的电能表现场数据检测信息，实现原始数据的获取；
（S2）数据传递；通过有线通讯或无线通讯的方式接收并传递厂房内电能表在不同的电能表检测工位的运转情况以及现场异常人员的进出情况；
（S3）数据处理；通过改进型差分法对获取的图像进行提取，采用蚁群算法实现电能表检测现场的异常分析，动态地监测电能表检测现场异常情况；
（S4）电能表现场监测；通过图像分析和处理，在监控室内远程地动态观测电能表检测现场情况，并实时显示监测现场。
作为本发明进一步的技术方案，所述步骤（S3）中改进型差分法为：
假设监测图像在坐标
Figure 184929DEST_PATH_IMAGE001
处的像素值在
Figure 902349DEST_PATH_IMAGE002
处用
Figure 235241DEST_PATH_IMAGE003
来表示，则在
Figure 49613DEST_PATH_IMAGE004
处则表示
Figure 809759DEST_PATH_IMAGE005
，设定阈值为
Figure 14475DEST_PATH_IMAGE006
，则有：
Figure 213376DEST_PATH_IMAGE007
；
当
Figure 819937DEST_PATH_IMAGE008
时，则表示环境存在异常现象；
当
Figure 750984DEST_PATH_IMAGE009
时，则表示环境未发生变化；其中，阈值
Figure 505314DEST_PATH_IMAGE006
的范围为0.1-1000。
作为本发明进一步的技术方案，所述步骤（S3）中改进型差分法为最大类间方差法，其中所述最大类间方差法为：
设图像的灰度范围为
Figure 177079DEST_PATH_IMAGE010
，
Figure 700464DEST_PATH_IMAGE011
处的像素记做为
Figure 67992DEST_PATH_IMAGE012
，在抽取的图像中，总的像素用以下公式来表示：
Figure DEST_PATH_IMAGE013
；
假设每个灰度级在该图像中的概率为：
Figure 247300DEST_PATH_IMAGE014
；
平均灰度值可以表示
Figure 460107DEST_PATH_IMAGE015
；
在进行图像分割时，设图像的灰度阈值表示为
Figure 41261DEST_PATH_IMAGE016
，根据分割阈值将图像划分为
Figure 376427DEST_PATH_IMAGE017
、
Figure 43032DEST_PATH_IMAGE018
两类，
Figure 121846DEST_PATH_IMAGE017
的灰度值范围
Figure 557507DEST_PATH_IMAGE019
，灰度概率值用以下公式表示为：
Figure 266837DEST_PATH_IMAGE020
；则
Figure 217475DEST_PATH_IMAGE018
的灰度值范围为
Figure 40594DEST_PATH_IMAGE021
，则灰度概率为
Figure 393078DEST_PATH_IMAGE022
；则这两类的灰度值平均值可以分别用公式表示为：
Figure 273309DEST_PATH_IMAGE023
；
Figure 648927DEST_PATH_IMAGE024
作为本发明进一步的技术方案，所述两类的灰度值平均值之间的关系为：
Figure 7227DEST_PATH_IMAGE025
；
并且其中
Figure 417479DEST_PATH_IMAGE017
和
Figure 530929DEST_PATH_IMAGE018
之间的类间方差可以表示为：
Figure 393843DEST_PATH_IMAGE026
。
作为本发明进一步的技术方案，假设设置的阈值用公式表示为：
Figure 618151DEST_PATH_IMAGE027
；
则图像分割后的结果可以表示为：
Figure 617331DEST_PATH_IMAGE028
。
积极有益效果：
本发明将电子传感器技术、图像处理技术、数据处理技术、控制技术和计算机技术有机地结合在一起，应用到电能表检测领域中，实现检测技术的智能化、自动化监控，提高了电能表检测现场的监控力度，本发明通过使用改进型差分法，实现电能表在流水线中的动态状况信息的提取，通过对图像进行分割，获取现场运动状态信息，并通过采用蚁群算法实现电能表检测现场的异常分析，从而实现电能表检测工况的监控，同时还实现可疑人员的监控，本发明智能化、自动化程度高，能够实现远程监控，进而实现电能表检定流水线现场工况的监控，有效地监控电能表检测工况。
附图说明
图1为本发明一种基于动态图像识别和分析的电能表检测监控***的架构示意图；
图2为本发明一种基于动态图像识别和分析的电能表检测监控***中图像采集单元架构示意图；
图3为本发明一种基于动态图像识别和分析的电能表检测监控***中图像识别单元架构示意图；
图4为本发明一种基于动态图像识别和分析的电能表检测监控方法的流程示意图；
图5为本发明一种基于动态图像识别和分析的电能表检测监控方法中算法模型示意图。
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。
实施例1 ***
如图1-图3所示，一种基于动态图像识别和分析的电能表检测监测***，所述***包括：一种基于动态图像识别和分析的电能表检测监测***，其中所述监测***包括：
设备层，其内至少设置有电能表检定装置、电能表检定流水线、传感器设备或电能表检定***，用于检测电能表数据信息，其中所述电能表数据信息至少包括电流、电压、功率、振动或纹波，所述传感器设备至少包络电传感器、红外传感器、速度传感器、加速传感器、GIS传感器、振动传感器、纹波传感器、温湿度传感器、角度传感器、磁场传感器、转速传感器、RFID标签、GPS设备、射线辐射传感器、热敏传感器、能耗传感器或M2M终端；
检测层，其内至少设置有图像采集单元，用于获取厂房内电能表检定状况和厂房内异常人员进出信息，以实现电能表检测现场的无人检测；其中所述图像采集单元至少包括工业摄像机和图像传感器，所述图像采集单元通过至少包括RS485通讯模块、RS232通讯模块、红外通讯模块或载波通讯模块的有线通讯模块和至少包括TCP/IP通讯模块、ZigBee无线通讯模块、GPRS通讯模块、CDMA无线通讯或蓝牙通讯模块的无线通讯模块进行数据传递；
图像处理层，其内至少设置有图像识别单元，所述图像识别单元至少包括图像分析模块和图像提取模块，其中所述图像提取模块用于提取获取的图像信息，并将提取的图像进行分割，并且通过所述图像分析模块对分割后的图像信息分析、计算；
监测层，其内至少设置有监控装置，所述监控装置连接有告警模块和显示模块，通过分析、计算采集到的图像，对电能表检测现场进行无人化、远程、智能监控；其中：
所述设备层的输出端与所述检测层的输入端连接，所述检测层的输出端与所述图像处理层的输入端连接，所述图像处理层的输出端与所述监测层的输入端连接。
通过采用上述技术方案，本发明将电子传感器技术、图像处理技术、数据处理技术、控制技术和计算机技术有机地结合在一起，应用到电能表检测领域中，实现检测技术的智能化、自动化监控，提高了电能表检测现场的监控力度，本发明通过使用改进型差分法，实现电能表在流水线中的动态状况信息的提取，通过对图像进行分割，获取现场运动状态信息，并通过采用蚁群算法实现电能表检测现场的异常分析，从而实现电能表检测工况的监控，同时还实现可疑人员的监控，本发明智能化、自动化程度高，能够实现远程监控，进而实现电能表检定流水线现场工况的监控，有效地监控电能表检测工况。
在进一步的实施例中，具体参考图2，所述图像传感器采用带有AL422B高速缓存的OV7670模块，所述工业摄像机为CCD工业摄像机，所述工业摄像机带有360°旋转摄像头。在具体应用中，图像采集单元可以是在空间三维坐标中能够实现X轴、Y轴和Z轴方向上进行三维运动，这可以通过将图像采集单元设置在带有滑块和导轨的滑道上实现。更具体地说，分别在X轴、Y轴和Z轴臂上设置与滑块连接的电机，通过电机带动滑块，从而实现在图像采集单元在X轴、Y轴和Z轴方向自由移动，实现图像的无死角采集。在其他实施例中，通过自动调焦摄像头调整拍摄角度，实现电能表生产车间内电能表检测范围的图像信息采集。
在进一步的实施例中，具体参考图3，所述图像识别单元为的控制部件为STM32微处理器，所述STM32微处理器采用基于Cortex-M3内核的STM32F103VET6嵌入式控制芯片。通过微处理器控制图像提取模块、训练模块、分类器、图像生成模块以及图像分析模块、蚁群算法模块等，其中图像提取模块用于对电能表检测车间内图像集及背景图像集中各待处理图像提取特征，训练模块用于使用所述特征进行训练，得到用于区分物体及背景的分类器，图像生成模块也可以作为图像输出，将最后生成的图像显示出来。图像提取模块和图像分析模块分别设置有接收数字信号和模拟信息的I/O接口，通过设置的I/O接口实现图像数据的输出。
在进一步的实施例中，所述告警模块为声光报警模块，所述显示模块为LCD大屏幕滚动显示屏。
实施例2 方法
一种基于动态图像识别和分析的电能表检测监测方法，其特征在于：所述方法包括以下步骤:
（S1）数据获取；获取电能表检测现场的数据信息，所述数据信息包括电能表工况信息和现场异常人员活动信息，然后对获取的电能表图像信息或数据信息进行清洗或者预处理，输出纯净的电能表现场数据检测信息，实现原始数据的获取；
（S2）数据传递；通过有线通讯或无线通讯的方式接收并传递厂房内电能表在不同的电能表检测工位的运转情况以及现场异常人员的进出情况；
（S3）数据处理；通过改进型差分法对获取的图像进行提取，采用蚁群算法实现电能表检测现场的异常分析，动态地监测电能表检测现场异常情况；下面对对该技术方案进行详细说明。
图像识别方案一
首先对图像进行分割，由于现场运动状态为多目标运动，随着时间的进行，处于流水线的电能表动态地变化位置，在抽取异常变化信息时，运动中的图像在检测范围内出现后，监测图像相邻帧之间的变化将非常明显，本发明应用了差分法，假设前一刻抽取的图像像素信息用公式表示时，假设监测图像在坐标
Figure 839365DEST_PATH_IMAGE029
处的像素值在
Figure 186645DEST_PATH_IMAGE002
处用
Figure 214644DEST_PATH_IMAGE030
来表示，则在
Figure DEST_PATH_IMAGE031
处则表示
Figure 333909DEST_PATH_IMAGE032
，设定阈值为
Figure 461265DEST_PATH_IMAGE006
，则有：
Figure DEST_PATH_IMAGE033
；
当
Figure 298771DEST_PATH_IMAGE034
时，则表示环境存在异常现象，当
Figure DEST_PATH_IMAGE035
时，则表示环境未发生变化。在上述计算过程中，阈值
Figure 802565DEST_PATH_IMAGE006
需要根据具体工作场合以及日常经验积累，由管理人员进行设定，评价对象不同，阈值设置也不同，比如判断电能表在流水线上的运转工况和判断检测车间人员是否异常会有所不同。
图像识别方案二
在采用图像识别方案一进行计算时，容易由于阈值的设置而造成精度不高等现象，在利用上述方法的同时，再配合使用最大类间方差法进行图像分割，设图像的灰度范围为
Figure 41917DEST_PATH_IMAGE010
，为了计算的方便，将
Figure 402491DEST_PATH_IMAGE011
处的像素记做为
Figure 727293DEST_PATH_IMAGE012
，在抽取的图像中，总的像素用以下公式来表示：
Figure 97094DEST_PATH_IMAGE013
；假设每个灰度级在该图像中的概率为：
Figure 925373DEST_PATH_IMAGE014
；平均灰度值可以表示
Figure 651322DEST_PATH_IMAGE036
；在进行图像分割时，设图像的灰度阈值表示为
Figure 260158DEST_PATH_IMAGE016
，根据分割阈值将图像划分为
Figure 371333DEST_PATH_IMAGE017
、
Figure 319698DEST_PATH_IMAGE018
两类，
Figure 225337DEST_PATH_IMAGE017
的灰度值范围
Figure 321469DEST_PATH_IMAGE019
，灰度概率值用以下公式表示为：
Figure 970756DEST_PATH_IMAGE037
；则
Figure 835944DEST_PATH_IMAGE018
的灰度值范围为
Figure 912484DEST_PATH_IMAGE038
，则灰度概率为
Figure 433595DEST_PATH_IMAGE022
；则这两类的灰度值平均值可以分别用公式表示为：
Figure 620994DEST_PATH_IMAGE039
；
Figure 541021DEST_PATH_IMAGE024
；
则有以下关系式：
Figure 850780DEST_PATH_IMAGE040
其中
Figure 859187DEST_PATH_IMAGE017
和
Figure 850277DEST_PATH_IMAGE018
之间的类间方差可以表示为：
Figure 627740DEST_PATH_IMAGE041
；
其中设置的阈值用公式表示为：
Figure 10000236896
；
则图像分割后的结果可以表示为：
Figure 338524DEST_PATH_IMAGE042
；
通过上面分割后的区域，进而获取电能表检测现场所获取的图片中，相邻两帧疑似目标物移动的区域。通过上述纹理特征可以检测出可疑物体的移动区域，进而实现移动物体的判断。
下面对图像分析方法进行说明
本发明采用蚁群算法实现电能表检测现场的异常分析，假设提取的图像信息为
Figure 133305DEST_PATH_IMAGE043
，则将图像中的每个像素定义为
Figure 765274DEST_PATH_IMAGE044
，其中
Figure 354519DEST_PATH_IMAGE045
，用蚂蚁元素表示为将图像分割的多个小像素，用每只蚂蚁表示图像灰度、梯度和领域，将其构成三维向量，将图像分割成多个小像素后，采用欧式距离公式计算像素与像素之间的距离，用公式表示为：
Figure 340448DEST_PATH_IMAGE046
；
在上述公式中，
Figure 673340DEST_PATH_IMAGE047
表示抽取图像中的任意像素
Figure 222133DEST_PATH_IMAGE048
和
Figure 247858DEST_PATH_IMAGE044
之间的距离。
其中各个像素不同的分量对距离的影响程度由信息量决定的，其中信息量的计算公式可以表示为：
Figure DEST_PATH_IMAGE049
在上述公式中，
Figure 452574DEST_PATH_IMAGE050
表示分割的多个小像素，即蚂蚁元素，在一种实施例中，
Figure 589158DEST_PATH_IMAGE050
的取值范围可以介于2-5之间，
Figure 867823DEST_PATH_IMAGE051
表示为加权因子，
Figure 64449DEST_PATH_IMAGE052
表示为聚类的半径，
Figure 753532DEST_PATH_IMAGE053
表示为信息量。
路径选择的概率公式可以为：
Figure 428227DEST_PATH_IMAGE054
在上述公式中，0是为其它的情况, 表示选择
Figure 889296DEST_PATH_IMAGE048
到
Figure 256823DEST_PATH_IMAGE044
之间的路径的概率，其中
Figure 170552DEST_PATH_IMAGE055
表示为各个不同的像素在聚类过程中积累的信息，
Figure 711255DEST_PATH_IMAGE056
表示为启发式引导函数对路径选择的影响因子，其中：
Figure 292409DEST_PATH_IMAGE057
，该集合表示为可行路径集合。
由于现场人员的不停运动，因此，在各个像素上的信息量都在实时发生变化，这需要对信息量进行不停地调整，调整公式为：
Figure 502942DEST_PATH_IMAGE058
在上述公式中，
Figure 184195DEST_PATH_IMAGE059
表示随着检测现场移动的信息量衰减程度，
Figure 263009DEST_PATH_IMAGE060
表示新移动过程中，在新的循环路径中的信息量的增量，其中
Figure 698670DEST_PATH_IMAGE061
其中
Figure 204738DEST_PATH_IMAGE062
表示第
Figure 296321DEST_PATH_IMAGE002
只蚂蚁元素在新的循环路径中所留下的信息量。
通过上述算法，选取异常信息区域，异常区域包括电能表检测范围内的工况信息、检测现场设备信息以及可疑人员信息。本发明通过获取大范围的观测区域的动态图像，通过动态图像分析和处理，获取动态图像信息，对异常信号进行预警。
（S4）电能表现场监测；通过图像分析和处理，在监控室内远程地动态观测电能表检测现场情况，并实时显示监测现场。
在本步骤中，能够将处理后的数据信息传递到上层管理中心，实现数据的实时、在线监控。这有利于电能表检测现场识别，当运行在流水线中的电能表卡壳，或者由于电能表故障停滞，可疑人员走动，能够有效地实现电能表现场检测，有利于电能表检测流水的正常运行，和现场可疑人员的监控。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和***的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。

Claims (10)

1.一种基于动态图像识别和分析的电能表检测监测***，其特征在于：所述监测***包括：
设备层，其内至少设置有电能表检定装置、电能表检定流水线、传感器设备或电能表检定***，用于检测电能表数据信息，其中所述电能表数据信息至少包括电流、电压、功率、振动或纹波，所述传感器设备至少包络电传感器、红外传感器、速度传感器、加速传感器、GIS传感器、振动传感器、纹波传感器、温湿度传感器、角度传感器、磁场传感器、转速传感器、RFID标签、GPS设备、射线辐射传感器、热敏传感器、能耗传感器或M2M终端；
检测层，其内至少设置有图像采集单元，用于获取厂房内电能表检定状况和厂房内异常人员进出信息，以实现电能表检测现场的无人检测；其中所述图像采集单元至少包括工业摄像机和图像传感器，所述图像采集单元通过至少包括RS485通讯模块、RS232通讯模块、红外通讯模块或载波通讯模块的有线通讯模块和至少包括TCP/IP通讯模块、ZigBee无线通讯模块、GPRS通讯模块、CDMA无线通讯或蓝牙通讯模块的无线通讯模块进行数据传递；
图像处理层，其内至少设置有图像识别单元，所述图像识别单元至少包括图像分析模块和图像提取模块，其中所述图像提取模块用于提取获取的图像信息，并将提取的图像进行分割，并且通过所述图像分析模块对分割后的图像信息分析、计算；
监测层，其内至少设置有监控装置，所述监控装置连接有告警模块和显示模块，通过分析、计算采集到的图像，对电能表检测现场进行无人化、远程、智能监控；其中：
所述设备层的输出端与所述检测层的输入端连接，所述检测层的输出端与所述图像处理层的输入端连接，所述图像处理层的输出端与所述监测层的输入端连接。
2.根据权利要求1所述的一种基于动态图像识别和分析的电能表检测监测***，其特征在于：所述图像传感器采用带有AL422B高速缓存的OV7670模块，所述工业摄像机为CCD工业摄像机，所述工业摄像机带有360°旋转摄像头。
3.根据权利要求1所述的一种基于动态图像识别和分析的电能表检测监测***，其特征在于：所述图像识别单元为的控制部件为STM32微处理器，所述STM32微处理器采用基于Cortex-M3内核的STM32F103VET6嵌入式控制芯片。
4.根据权利要求1所述的一种基于动态图像识别和分析的电能表检测监测***，其特征在于：所述图像提取模块和图像分析模块分别设置有接收数字信号和模拟信息的I/O接口。
5.根据权利要求1所述的一种基于动态图像识别和分析的电能表检测监测***，其特征在于：所述告警模块为声光报警模块，所述显示模块为LCD大屏幕滚动显示屏。
6.根据权利要求1-5中任意一项所述的一种基于动态图像识别和分析的电能表检测监测***进行监控的方法，其特征在于：所述方法包括以下步骤:
（S1）数据获取；获取电能表检测现场的数据信息，所述数据信息包括电能表工况信息和现场异常人员活动信息，然后对获取的电能表图像信息或数据信息进行清洗或者预处理，输出纯净的电能表现场数据检测信息，实现原始数据的获取；
（S2）数据传递；通过有线通讯或无线通讯的方式接收并传递厂房内电能表在不同的电能表检测工位的运转情况以及现场异常人员的进出情况；
（S3）数据处理；通过改进型差分法对获取的图像进行提取，采用蚁群算法实现电能表检测现场的异常分析，动态地监测电能表检测现场异常情况；
（S4）电能表现场监测；通过图像分析和处理，在监控室内远程地动态观测电能表检测现场情况，并实时显示监测现场。
7.根据权利要求5所述的方法，其特征在于：所述步骤（S3）中改进型差分法为：
假设监测图像在坐标
Figure 390031DEST_PATH_IMAGE001
处的像素值在
Figure 639747DEST_PATH_IMAGE002
处用
Figure 93862DEST_PATH_IMAGE003
来表示，则在
Figure 403621DEST_PATH_IMAGE004
处则表示
Figure 943187DEST_PATH_IMAGE005
，设定阈值为
Figure 996593DEST_PATH_IMAGE006
，则有：
Figure 305215DEST_PATH_IMAGE007
；
当
Figure 254716DEST_PATH_IMAGE008
时，则表示环境存在异常现象；
当
Figure 547157DEST_PATH_IMAGE009
时，则表示环境未发生变化；其中，阈值
Figure 873096DEST_PATH_IMAGE006
的范围为0.1-1000。
8.根据权利要求5所述的方法，其特征在于：所述步骤（S3）中改进型差分法为最大类间方差法，其中所述最大类间方差法为：
设图像的灰度范围为
Figure 567383DEST_PATH_IMAGE010
，
Figure 687786DEST_PATH_IMAGE011
处的像素记做为
Figure 733102DEST_PATH_IMAGE012
，在抽取的图像中，总的像素用以下公式来表示：
Figure 597153DEST_PATH_IMAGE013
；
假设每个灰度级在该图像中的概率为：
Figure 145946DEST_PATH_IMAGE014
；
平均灰度值可以表示
Figure 702829DEST_PATH_IMAGE015
；
在进行图像分割时，设图像的灰度阈值表示为
Figure 438704DEST_PATH_IMAGE016
，根据分割阈值将图像划分为
Figure 637604DEST_PATH_IMAGE017
、
Figure 509745DEST_PATH_IMAGE018
两类，
Figure 234600DEST_PATH_IMAGE017
的灰度值范围
Figure 988930DEST_PATH_IMAGE019
，灰度概率值用以下公式表示为：
Figure 194783DEST_PATH_IMAGE020
；则
Figure 718168DEST_PATH_IMAGE018
的灰度值范围为
Figure 616854DEST_PATH_IMAGE021
，则灰度概率为
Figure 592900DEST_PATH_IMAGE022
；则这两类的灰度值平均值可以分别用公式表示为：
Figure 133603DEST_PATH_IMAGE023
；
Figure 245916DEST_PATH_IMAGE024
。
9.根据权利要求5所述的方法，其特征在于：所述两类的灰度值平均值之间的关系为：
Figure 581082DEST_PATH_IMAGE025
；
并且其中
Figure 778845DEST_PATH_IMAGE017
和
Figure 326501DEST_PATH_IMAGE018
之间的类间方差可以表示为：
Figure 824479DEST_PATH_IMAGE026
。
10.根据权利要求5所述的方法，其特征在于：假设设置的阈值用公式表示为：
Figure 799388DEST_PATH_IMAGE027
；
则图像分割后的结果可以表示为：
Figure 422130DEST_PATH_IMAGE028
。
CN202010416450.4A 2020-05-17 2020-05-17 一种基于动态图像识别和分析的电能表检测监控方法 Active CN111562540B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010416450.4A CN111562540B (zh) 2020-05-17 2020-05-17 一种基于动态图像识别和分析的电能表检测监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010416450.4A CN111562540B (zh) 2020-05-17 2020-05-17 一种基于动态图像识别和分析的电能表检测监控方法

Publications (2)

Publication Number Publication Date
CN111562540A true CN111562540A (zh) 2020-08-21
CN111562540B CN111562540B (zh) 2023-04-28

Family

ID=72074762

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010416450.4A Active CN111562540B (zh) 2020-05-17 2020-05-17 一种基于动态图像识别和分析的电能表检测监控方法

Country Status (1)

Country Link
CN (1) CN111562540B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114114130A (zh) * 2021-09-18 2022-03-01 宁夏隆基宁光仪表股份有限公司 一种基于模拟现场实际负载的电能表测试方法、***和装置
CN117406160A (zh) * 2023-10-23 2024-01-16 国网黑龙江省电力有限公司营销服务中心 基于历史状态对比的智能电表故障诊断***
CN117635905A (zh) * 2023-12-13 2024-03-01 国网上海市电力公司 基于图像识别算法的电能表装接质量智能监测方法

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2003270974A1 (en) * 2003-01-20 2004-08-05 Nanyang Polytechnic Path searching system using multiple group of cooperating agents and method thereof
CN101286199A (zh) * 2007-09-14 2008-10-15 西北工业大学 一种基于区域生长和蚁群聚类的图像分割方法
CN101620441A (zh) * 2009-08-05 2010-01-06 重庆百年通信设备有限公司 通信机房监控***
CN102323564A (zh) * 2011-07-22 2012-01-18 浙江省电力公司 电能表检定单元及其工作方法
CN102508192A (zh) * 2011-10-31 2012-06-20 河南省电力公司计量中心 一种批量电能表液晶屏显示检测***
CN102930280A (zh) * 2012-10-05 2013-02-13 中国电子科技集团公司第十研究所 从红外图像中自动识别架空高压线的方法
KR101533087B1 (ko) * 2015-02-09 2015-07-03 성균관대학교산학협력단 개미 군집 최적화 기법 기반의 차량 애드혹 네트워크 라우팅 방법 및 이를 이용한 차량 애드혹 네트워크 장치
CN105867267A (zh) * 2016-04-05 2016-08-17 江苏电力信息技术有限公司 通过图像识别技术实现配电站房仪表读数自动上报的方法
CN206146850U (zh) * 2016-09-21 2017-05-03 苏州工业园区慧吉彬自动化设备有限公司 一种自动检测线
CN206387742U (zh) * 2017-01-16 2017-08-08 东莞理工学院 一种采用ccd影像定位的aoi检测装置
CN107172395A (zh) * 2017-06-01 2017-09-15 青岛科技大学 基于互联网的车间监测***及方法
WO2017204750A1 (en) * 2016-05-27 2017-11-30 Nanyang Technological University Method of assessing a performance of an electrochemical cell, and apparatus thereof
CN108825941A (zh) * 2018-05-03 2018-11-16 长春工业大学 一种多轴协同运动的机载相机地面运动测试装置
CN109975740A (zh) * 2019-05-13 2019-07-05 广东省计量科学研究院（华南国家计量测试中心） 一种电能表校验装置的检定监控***
CN209471178U (zh) * 2018-12-26 2019-10-08 武汉新能源研究院有限公司 一种基于运动控制和机器视觉的自动化平面阻抗测量装置

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2003270974A1 (en) * 2003-01-20 2004-08-05 Nanyang Polytechnic Path searching system using multiple group of cooperating agents and method thereof
CN101286199A (zh) * 2007-09-14 2008-10-15 西北工业大学 一种基于区域生长和蚁群聚类的图像分割方法
CN101620441A (zh) * 2009-08-05 2010-01-06 重庆百年通信设备有限公司 通信机房监控***
CN102323564A (zh) * 2011-07-22 2012-01-18 浙江省电力公司 电能表检定单元及其工作方法
CN102508192A (zh) * 2011-10-31 2012-06-20 河南省电力公司计量中心 一种批量电能表液晶屏显示检测***
CN102930280A (zh) * 2012-10-05 2013-02-13 中国电子科技集团公司第十研究所 从红外图像中自动识别架空高压线的方法
KR101533087B1 (ko) * 2015-02-09 2015-07-03 성균관대학교산학협력단 개미 군집 최적화 기법 기반의 차량 애드혹 네트워크 라우팅 방법 및 이를 이용한 차량 애드혹 네트워크 장치
CN105867267A (zh) * 2016-04-05 2016-08-17 江苏电力信息技术有限公司 通过图像识别技术实现配电站房仪表读数自动上报的方法
WO2017204750A1 (en) * 2016-05-27 2017-11-30 Nanyang Technological University Method of assessing a performance of an electrochemical cell, and apparatus thereof
CN206146850U (zh) * 2016-09-21 2017-05-03 苏州工业园区慧吉彬自动化设备有限公司 一种自动检测线
CN206387742U (zh) * 2017-01-16 2017-08-08 东莞理工学院 一种采用ccd影像定位的aoi检测装置
CN107172395A (zh) * 2017-06-01 2017-09-15 青岛科技大学 基于互联网的车间监测***及方法
CN108825941A (zh) * 2018-05-03 2018-11-16 长春工业大学 一种多轴协同运动的机载相机地面运动测试装置
CN209471178U (zh) * 2018-12-26 2019-10-08 武汉新能源研究院有限公司 一种基于运动控制和机器视觉的自动化平面阻抗测量装置
CN109975740A (zh) * 2019-05-13 2019-07-05 广东省计量科学研究院（华南国家计量测试中心） 一种电能表校验装置的检定监控***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
汪金荣 等: "基于人工蚁群算法的电能表供应链路径最优化方法", 《电子设计工程》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114114130A (zh) * 2021-09-18 2022-03-01 宁夏隆基宁光仪表股份有限公司 一种基于模拟现场实际负载的电能表测试方法、***和装置
CN114114130B (zh) * 2021-09-18 2024-05-14 宁夏隆基宁光仪表股份有限公司 一种基于模拟现场实际负载的电能表测试方法、***和装置
CN117406160A (zh) * 2023-10-23 2024-01-16 国网黑龙江省电力有限公司营销服务中心 基于历史状态对比的智能电表故障诊断***
CN117406160B (zh) * 2023-10-23 2024-05-17 国网黑龙江省电力有限公司营销服务中心 基于历史状态对比的智能电表故障诊断***
CN117635905A (zh) * 2023-12-13 2024-03-01 国网上海市电力公司 基于图像识别算法的电能表装接质量智能监测方法

Also Published As

Publication number Publication date
CN111562540B (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN111562540B (zh) 一种基于动态图像识别和分析的电能表检测监控方法
CN103517042B (zh) 一种养老院老人危险行为监测方法
CN108009515B (zh) 一种基于fcn的无人机航拍图像的输电线定位识别方法
CN113283344B (zh) 一种基于语义分割网络的矿用输送带跑偏检测方法
CN110874596B (zh) 一种仪表智能识别预警方法及***
CN112257632A (zh) 一种基于边缘计算的变电站监测***
CN105894529B (zh) 车位状态检测方法和装置及***
CN107024182A (zh) 一种盾构隧道变形无线监测***及方法
CN112434669B (zh) 一种多信息融合的人体行为检测方法及***
CN111046761B (zh) 基于多传感信息融合的皮带载荷分布检测***及检测方法
CN113903081A (zh) 一种水电厂图像视觉识别人工智能报警方法及装置
CN114518143A (zh) 一种智能环境感知***
CN117274722B (zh) 基于红外图像的配电箱智能检测方法
CN111274934A (zh) 在仓储管理中智能监控叉车运行轨迹的实现方法和***
CN116224925B (zh) 一种智能加工管理***
CN110570520A (zh) 一种基于slam的变电站检修安全距离监控方法
CN110608716A (zh) 一种基于slam的变电站检修安全距离监控方法
CN115484263A (zh) 一种基于边缘计算的跨区域智慧工厂实时安全监测***
CN103595125A (zh) 基于图像识别技术的电力设备在线监测***
CN113066118A (zh) 基于远程监控和工业物联网的太阳能光伏发电运行安全监测***
CN111767826A (zh) 一种定时定点场景异常检测方法
CN109443542B (zh) 一种基于红外热成像技术的压风机在线监测装置及监测方法
CN112906602B (zh) 基于图像处理的配电柜电量表自动识别装置及识别方法
CN110675393B (zh) 一种基于机器视觉的坯料规格检测方法
CN201114401Y (zh) 红外和可见光图像相结合的乘客目标检测装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant