[发明专利]基于图像处理的变电设备异常自动识别方法

说明书

技术领域

本发明涉及变电设备故障处理领域，尤其涉及一种基于图像处理的变电设备异常自动识别方法。

背景技术

近几年来我国电力网络规模的不断扩大，并且这种增长趋势在未来几年内仍将继续。为了提高电力系统生产的自动化水平，电力系统正在大力建设无人值守变电站。许多变电站在遥测、遥信、遥控、遥调的基础上增加了“遥视”功能，实现了电力系统各种重要参数、设备和场所的监测，尤其是通过图像、声音对电力设备的运行情况进行了采集和远距离传送。如主控制室、高压室、断电器、隔离刀闸、室外场地等重要场所和设备的实时可视化监测。

将视频图像引入电力设备运行状态的远程监视中带来了巨大的技术进步，但现有的视频监控系统只有视频监控功能和录像功能，不能对监控目标进行智能化的主动识别分析。仅仅是将大量的图像传输到调度端，需要操作员时刻观察分析图像，无形中增加了操作员的工作负担。同时，人眼难以分辨细微图像的灰度变化，难以客观判断电力设备表面缺陷的程度。另外，人眼易疲劳的弱点和人工判断的主观性，严重影响了电力设备运行状态监测自动化程度的进一步提高。

发明内容

本发明的目的就是为了解决上述技术问题，提供了一种基于图像处理的变电设备异常自动识别方法，该方法基于红外测温影像采集信息，通过对影像信息进行识别与分析，判断变电设备的运行情况，进而发现设备存在的故障及其故障隐患。

为了实现上述目的，本发明采用如下技术方案：

一种基于图像处理的变电设备异常自动识别方法，包括以下步骤：

(1)根据监测的变电站红外图像历史数据，建立变电站设备红外图像数据库；

(2)采集变电站设备红外测温影像数据，并对所述变电设备红外图像数据进行预处理；

(3)利用预处理后的图像中像素点在灰度特性上的差异，通过设定不同的特征阈值，将所述图像的像素点进行分类；

(4)确定预处理后的图像中每个像素点是属于目标还是属于背景，从而形成二值图像；

(5)根据识别出的变电站设备二值图像信息，在变电站设备红外图像数据库中搜索步骤(4)中图像的所有信息，并根据红外图像数据库信息判定故障类型。

所述步骤(1)中红外图像数据库中包含每一个红外图像所代表的设备名称、该设备运行正常时设备的平均温度、目前该设备的最高温度以及环境温度、红外图像类型以及故障类型。

所述步骤(2)中对所述变电设备影像数据进行预处理的方法为：

采用中值滤波法对原始红外图像进行去噪处理，

对彩色图像进行灰度化处理,将输入的彩色图像转化为灰度图像：一幅RGB图像就是彩色像素的一个数组,其中每一个彩色像素点都是在设定空间位置的彩色图像相对应的红、绿、蓝三分量；RGB模型为图像中每一个像素的RGB分量分配一个0至255范围内的灰度值，将三个分量以不同的权值进行加权平均从而得到对应点的灰度值；

采用中值滤波法对原始红外图像进行去噪处理：对待处理的当前像素点(x,y)，选择一个滑动滤波窗口，该窗口由其近邻的若干像素组成，对窗口中所有像素做大小排序，再把该序列的中值赋予当前像素点(x,y)，作为处理后图像在该点上的灰度g(x,y)。

所述步骤(3)中将所述图像的像素点进行分类的具体方法为：

将第k帧和k+1帧图像fk(x，y)，fk+l(x，y)之间的变化用一个二值差分图像D(x，y)表示：

其中，T为差分二值化阈值。

所述差分二值化阈值T采用最大类间方差法确定：

设图像灰度级范围为H，各灰度级出现的概率为P_i，阈值t将图像像素分成2类C₁和C₂，两类的平均灰度为

其中ω₂＝1-ω₁，分别代表两类出现的概率，代表图像总的灰度均值；

则两类之间的方差为：

γ²(t)＝ω₁(ρ₁-ρ)²+ω₂(ρ₂-ρ)²，

使γ²(t)最大的t即为最佳差分二值化阈值T。

所述步骤(5)的具体方法为：