[发明专利]一种压板状态识别方法

说明书

本发明涉及一种压板状态识别方法，包括：S1：收集压板的状态图像，构建模板库；S2：拍摄待测压板图像，对待测压板图像进行图像分割，得到压板分割图像；S3：遍历模板库，对压板分割图像进行模板匹配；S4：输出模板库中与压板分割图像最匹配的压板图像的对应状态，即为待测压板对应的状态。本发明不需要对继电保护及自动装置压板图像特征进行提取，识别速度快，解决了以往方案通过边缘识别压板状态，导致识别率低的问题。本发明可以对多种不同规格的压板进行状态识别，实现应对不同形状的压板，且可通过提高模板样本数来提高识别精度，计算简单，速度较快。

技术领域

本发明涉及电力保护装置领域，更具体地，涉及一种压板状态识别方法。

背景技术

目前针对于继电保护及自动装置压板状态识别有以下的几种方式：(1)通过对压板的形状做边缘特征提取，如针对长方形压板，通过识别图像的轮廓特征，提取直线，然后对压板做矩形识别，对直线边缘的毛线、突刺做干扰处理，最终得到压板的最小矩形，计算得出其倾斜角，从而得到长方形压板的状态。此方法只能针对于长方形压板，在对正方形或者三角形压板状态进行识别时具有局限性，因此需要针对不同形状做不同的图像处理得到压板状态。(2)通过大量的压板图片构建神经网络模型，通过训练好的神经网络模型，可以决策识别压板图像中的压板状态。此方法需要做的工作量较多，需要采集众多样本图片，而且训练网络模型耗费时间长。(3)通过SVM决策分类器进行识别，此方法通过提取图像的特征信息，建立一个SVM决策分类器，继而训练出压板状态，并对要判断的压板状态图片做分类，从而得到压板状态。此方法需要对样本图像做特征提取，通过二叉树分类，当某个节点分类错误，容易造成连锁反应，造成错误继承到末端叶子。(4)通过压板的特殊颜色与模板进行匹配，针对性强，适用于颜色与背景颜色差异较大的压板，但不适用于压板颜色与背景色相近的情况。

2019年1月11日公开的中国专利CN109191419A提供了一种基于机器学习的实时压板检测及状态识别系统及方法，加载用于训练的压板检测和状态判断模型文件；对采集的压板实时检测图像进行预处理；利用深度卷积神经网络训练压板的检测，判断采集的检测图像内是否有压板，如果具有压板则进行压板的状态识别，否则继续接收检测图像，对检测结果进行分类输出；提取压板的轮廓特征与颜色特征，利用支持向量机构建特征分类器，利用分类后的特征向量和颜色标志，识别压板开关的开、关状态。但是该专利主要通过边缘识别等技术手段对压板状态进行识别，其识别效率相对较低，仍有进一步提升的空间。

发明内容

本发明为克服上述现有技术所述的压板状态识别效率低的缺陷，提供一种压板状态识别方法。

所述方法包括以下步骤：

S1：收集压板的状态图像，构建模板库；

S2：拍摄待测压板图像，对待测压板图像进行图像分割，得到压板分割图像；

S3：遍历模板库，对压板分割图像进行模板匹配；

S4：输出模板库中与压板分割图像最匹配的压板图像的对应状态，即为待测压板对应的状态。

优选地，S1包括以下步骤：

S1.1：收集现有压板图像，然后对收集后的图像进行灰度化、滤波，得到处理后的图像；

S1.2：根据处理后的图像，设定对应的压板状态；使模板库中样本图像与压板状态相匹配；

S1.3：把处理后的图像和压板状态，存入到数据库中，完成模板库的建立。

优选地，S1.1所述灰度化采用加权平均法进行灰度化。

优选地，加权平均法公式为：

f(i，j)＝0.30R(i，j)+0.59G(i，j)+0.11B(i，j)