[发明专利]一种基于机器视觉的隔离开关合闸操作到位的判断方法

说明书

本发明涉及一种基于机器视觉的隔离开关合闸操作到位的判断方法。将深度学习与经典机器视觉方法相结合，实现刀闸的精确定位和刀闸角度实时分析。首先利用深度学习对刀闸图像进行训练，利用训练好的模型实现刀闸初步定位，并获取刀闸状态；提取刀闸图像的形状、尺寸以及周围物体特征，进一步确定刀闸位置；根据刀闸位置提取刀闸所在局部区域边缘线，获取所有平行边缘线集合；计算边缘线方向和前景图像方向，剔除干扰边缘线，获取刀闸边缘线集合；利用边缘线计算刀闸开合角度，实现刀闸开合状态的实时判断。本发明的方法处理速度快，检测精度高，具有较高的实际应用价值。

技术领域

本发明涉及一种基于机器视觉的隔离开关合闸操作到位的判断方法。

背景技术

隔离开关合闸操作是顺控操作中的重要组成部分，顺控操作又称程序操作，它是指在一项或多项的倒闸操作任务中，操作时设备状态不需要人工逐项判断确认，由调度系统或者变电站监控系统自动进行一系列连串的操作。随着智能变电站的投入运行，其防误系统采用综自整合的一体化五防系统且应用了带压板模式的智能化保护，可实现二次保护压板在综自统后台进行遥控操作，这为顺控的应用奠定了基础。刀闸是否合到位的确认是实现一键顺控基础，刀闸动口合得不严会造成过热或刀口熔焊，容易引发重大的事故，威胁电力系统设备和工作人员的安全。因此对刀闸分合是否到位要求非常高，但是目前大多数变电站仍是采用人工观测方式来判断刀闸是否合到位，这在小角度情况下很容易出现误差，同时人工观测浪费了大量的人力资源，也存在一定的安全隐患，因此，目前的人工观测不能满足变电站实际操作的需求。

目前由于变电站开关设备的特殊性及多样性，目前国内针对该方向的研究基本还是属于空白阶段，目前主要的研究方法如下：

1、现有研究仅通过简单的直线检测、轮廓分析和形状检测对刀闸进行定位，这样算法受环境影响较大，稳定性较差；

2、现有研究仅针对部分具有文字信息的刀闸，或特定形状刀闸进行识别，还未形成解决多种类型开关设备状态识别的通用解决方案；

3、现有方法稳定性差，抗干扰能力不强，存在着较大的误检率。

发明内容

本发明的目的在于提供一种基于机器视觉的隔离开关合闸操作到位的判断方法，该方法能够实现刀闸的精确定位，并能够克服外界环境的影响，实现刀闸开合状态的实时检测和分析。

为实现上述目的，本发明的技术方案是：一种基于机器视觉的隔离开关合闸操作到位的判断方法，包括如下步骤：

步骤S1、首先利用深度学习算法，通过现场采集大量样本进行训练，获取训练模型；

步骤S2、基于深度学习模型，实现刀闸的初步定位和状态判断，此处状态主要分为刀闸臂接触和刀闸臂分开两个状态；

步骤S3、提取刀闸图像特征，包括刀闸的形状、尺寸以及周围物体特征，进一步确定刀闸位置；

步骤S4、利用步骤S2和步骤S3实现刀闸精确定位；

步骤S5、根据刀闸定位信息获取刀闸位置坐标，并提取刀闸所在局部区域的边缘线；

步骤S6、在刀闸运动过程中，计算刀闸两臂边缘线间的角度，根据角度和深度学习分类结果对刀闸状态进行判断；

步骤S7、为方便用户直观观测刀闸的实时状态，在检测过程中会在刀闸视频中实现显示刀闸边缘线、刀闸角度以及开合状态。

在本发明一实施例中，所述步骤S1中获取训练模型的方法为：

S11、首先现场采集刀闸各个状态下的图像作为训练样本，主要包括不用角度、不同状态、不同形状和不同环境的刀闸图像，以保证训练得到的模型具有更强的适应性；

S12、根据刀闸的不同状态对刀闸图像进行标记；