基于机器视觉的变电站模拟仪表自动识别系统研究与实现

发布时间：2021-03-27 00:33

　　伴随着科技进步和国家电力体制改革的深入,变电站设备的自动化与信息化已经得到快速发展,大部分电气信号数据可以通过监视监控设备实时采集和记录,可以实现部分的无人运行状态。处于较为特殊的环境下的仪器仪表监控设备还是存在着无法即时获取巡查数据的问题,而机器人取代人工的方式可以提高生产效率,在获取信息、设备预警和缺陷检测等方面具有重要作用。本文针对变电站存在的分合式开关状态模拟仪表和具有复杂表盘的单指针模拟仪表分别给出仪表状态或仪表读数的自动检测识别算法。因为在实际变电站场景中,设备采集的仪表图像具有较多的环境背景,仪表并非是图像的主体内容。因此需要在读数前对仪表的定位和提取问题展开研究。本文主要的研究内容如下:（1）变电站仪表识别系统基本需求分析,仪表定位、读数精度的评价方法和系统软硬件设计。因为仪表的工作环境比较特殊,很多区域无法获得很好的光照效果。所以在增加补偿光照措施的同时,分析不同照射方式对拍摄仪表的影响。本文将软件系统和算法设计作为研究的核心问题,在软件系统组成中以模块化设计方式分别搭建采集模块、仪表网络定位模块、仪表读数模块和前端显示设计模块。（2）针对仪表定位的问题,采集两种类型... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

国内变电站巡

模拟仪

10作为识别状态的依据。(3)识别读数算法多以结构简单的单指针模拟仪表为研究对象，在识别的正确率上可以保持较高的精度。本文研究的具有复杂背景环境的变电站仪表中包含复杂的识别干扰信息和巨大的镂空结构，为了提高识别精度，先利用图像处理的方法剔除背景对识别的干扰，并利用中心镂空结构的Haar-like特征构建滤波器滤除中心背景。在进行仪表图像校正后执行极坐标圆矩展开，识别刻度条。最后依据多次投影结果判断指针在刻度条的位置关系，从而得到准确的读数结果。图1-6模拟仪表训练数据集1.3.2创新点(1)模拟仪表自动识别示数算法使用的原始图像都是已提取完整的仪表图像，与实际环境相距较远。为了较好的鲁棒性并避免要求更严苛的拍摄要求，采用机器视觉方法和卷积神经网络对采集的图像进行处理，获得精准的仪表位置。将指针式分合开关仪表的分合状态作为神经网络多分类的类别，分合状态作为分类识别目标。(2)神经网络的训练集庞大占用大量资源进行训练。结合图像像素之间信息冗余相关的特点，利用图像的统计特性，对输入图像进行特征去相关，通过输入优化的方法加快训练过程、减少资源占用，提高模型识别能力。(3)仪表种类多样，可以分为数字型仪表和模拟类仪表，而且模拟仪表又可以分为细分为单指针、多指针等多种类型。对于仪表结构简单的电流电压表用Hough检测的方法已经能够达到较好的识别精度了，但是不适用于具有复杂仪表盘背景的仪表。针对这类单指针模拟仪表，引入图像边缘特征算子滤除复杂背景表盘，再结


本文编号：3102533