圖像識別技術在電力設備監測中的應用

唐芳莉

（廣東電網有限責任公司河源供電局，廣東 河源 517000）

1 電力設備監測和總體方案分析

如圖1所示，以現有視頻監測系統為依據，在將圖像識別和分析功能融入后，可有效實現電力設備自動檢測能力的提升。

圖1 圖像識別和實時監測分析系統

在圖像監測系統中，CCD（電荷耦合器件）作為傳感器安裝于電力設備附近。將設備運行狀態轉換為光信號后，通過數字攝像機于監控計算機中輸入其靜態圖像。當所監測的電力設備運行狀態發生異常情況時，監控計算機需要進一步分析該設備圖像，此時，在將召喚圖像指令下發后進行圖像連續采集，然后利用GPRS無線網絡向主站計算機發出報警信號并將采集圖像實時傳輸[1]。如圖2所示，在整個監測系統中，監控計算機為其核心所在，主要負責控制圖像的采集、預處理、分析識別、故障判斷以及信息傳輸等工作。

圖2 監控計算機處理流程

2 電力設監測圖像識別和分析

在圖像采集過程中，受CCD畸變、聚焦效果差和環境因素的影響，使得圖像質量因噪音的引入而降低，從而增大圖像識別和分析的難度。圖像在被控制中心接收后，經過預處理分割出目標電力設備，以此提升識別精度。

2.1 圖像預處理

為消減圖像噪聲，在灰度化處理原圖后，所得灰度圖還需進行平滑濾波處理。而引入加權系數的平滑模板對噪聲消減效果良好，圖像質量提升明顯。通過低通濾波的運用，平滑濾波處理灰度圖可將其中的高頻噪聲信號進行有效過濾。但是需要注意，在采用該方式減少圖像噪聲時，由于同時也會過濾掉圖像邊緣部分的高頻噪聲，因此會使圖像整體質量因邊緣化模糊而受到影響。鑒于此，為使圖像噪音消減和圖像邊緣模糊化問題均得到解決，在用平滑濾波處理完圖像后，可進一步實施直方圖均衡化處理，以實現圖像處理質量的整體提升。

2.2 圖像分割

圖像分割是指將圖像分成若干個特定的、具有獨特性質的區域，以形成具有物理意義的多連通區域集合。具體地，在分析圖像特征信息（亮度、顏色與紋理等）后，以各自差異為依據進行圖像分割，該操作可對圖像進行很好的識別和分析。由于分割準確性對后續工作的有效性影響重大，故此在具體分割時應注意控制好精度。

在圖像分割過程中，主要以圖像顏色、灰度和幾何性質為依據分隔不同含義的區域，這些區域各自均具有可滿足特定區域的一致性，彼此之間互不相交。例如，在對統一物體圖像的分割，一般是從背景圖像中將屬于和不屬于該物體的像素點分離出來，而所分割出的區域，應同時滿足以下條件[2]：（1）在某一方面，相鄰區域間差異性應表現明顯；（2）分割區域邊界完整且邊緣空間擁有較高的定位精度；（3）分割完成的區域連通性和均勻性應表現良好，其中連通性是指該區域內任意兩點均存在連接路徑，均勻性指區域內所有像素在色彩、紋理、灰度特征等方面具有一定的相似性。

基于分割原理的分析，圖像分割主要包括基于特定理論、基于區域、基于邊緣檢測以及基于閥值的4種分割方法。其中，基于閥值的圖像分割主要以圖像灰度頻率分布數據為依據，操作簡單且穩定性較好，在圖像分割中已發展為最基本的技術。具體而言，采用基于閥值的方法進行圖像分割時，主要利用圖像中提取的目標對象和背景灰度值間差異，將圖像看作具有不同灰度等級的區域組合，通過合理閥值的選取，從背景圖像中分割出目標區域。

在使用基于閥值的分割方法時，為提升分割結果的精確度和圖像分析效率，對灰度圖還需進一步實施二值化處理，具體方法主要包括動態閾值法、局部閾值法和全局閾值法。

第一，動態閾值法。在圖像二值化處理過程中，對于閥值應綜合分析后進行選取，結合該圖像像素及其坐標，還需考慮周圍像素的灰度值。由于動態閾值法充分考慮了每個相鄰域的特征，因此對目標邊界和背景圖像表現更清晰，抗噪聲能力更強，雖然在空間和時間方面表現出較高的復雜度。但是，隨著計算機性能的日益優化，對于實際處理中的各種需求已可完全滿足。

第二，局部閾值法。該方法可有效克服光照不均勻問題，但因轉換速度較慢而難以保證目標區域的連通性。

第三，全局閾值法。該方法對噪音敏感，且在光照不均勻時直方圖呈現為非雙峰的圖像二值化效果極差。但是，操作過程相對簡單，易于上手。

此外，作為一種經典的分割方法，最大類間方差閾值法無需參數和監督動態閾值，不涉及其他先進技術，只需以圖像灰度直方圖和該閾值為依據便可實現圖像分割。

相比之下，采用最大類間方差閾值法對灰度圖實施二值化處理，其分離效果比全局閾值法更好，并且在一定程度上能夠很好地適應不同對比度的圖像。

3 基于圖像識別技術的電力設備異常狀態監測

在實際工作中，為使監測分析方案得到有效應用，實現現有視頻監測系統功能的提升，需要針對電力設備運行狀態建立實時監測和分析系統。在所采圖像中可將目標電力設備快速識別，以此通過設備運行狀態的判斷精準找出畸變的設備[2]。電力設備運行狀態的變化（多指不良狀態），一旦被系統監測到，便可及時發出報警信號，提醒檢修人員對設備故障快速處理，從而降低或避免因設備故障造成的損失。

3.1 變電站的圖像監測

在智能技術應用和推廣的背景下，對于現代變電站而言，無人值守是其發展的終極目標。目前雖已建立了多套遙視系統，但是圖像信號采集和傳輸過程較為簡單，無法適應現代電網發展的實際需求。因此，對于采集電力設備運行狀態的圖像信息，對其傳輸的必要性應經分類后綜合分析判定。當設備運行狀態正常時，只需傳輸分析結果便可，無需傳輸監測圖像。當設備運行狀態異常時（畸變），需要先將特定圖像信號和報警信息傳輸至調度室，待對報警信號確認后以系統提示為依據，將對應圖像找出并實施觀察和處理，即可保持通信通道順暢（傳輸量相對較小），無需因擁擠而壓縮數據，同時可以大幅度降低調度人員的工作強度。

此外，對于變電站關鍵設備運行狀態的圖像信息，在利用成像設備采集后，通過計算機對其進行截取、識別以及分析處理獲取大量的運行參數，從而為自動化設備監測過程中部分難點問題的解決提供有效的數據參考和技術支撐。

3.2 電力設備狀態檢測和分析

在預處理設備圖像過程中，為提升圖像處理質量，便于目標設備的識別，對于圖像噪聲的去除應合理選擇算法和方法。

對于電力設備圖像的處理，計算機視覺處理的主要目標為圖像識別和理解。而識別過程以設備圖像的顏色、紋理特征以及模板匹配方法為主要依據。在將目標設備從圖像中準確識別后，為了對電力設備實際運行狀態進行有效判斷，還需進一步處理設備圖像，然后與原數據庫中的保準圖像進行對比[3]。對于電力設備運行狀態變化的監測，以減法運算為對象進行分析，其計算原理如式1所示。

其中，Pi(x, y)為目前有待判別處理的圖像；P(x,y)為存儲于數據庫中的標準圖像。

當計算結果ΔPi(x, y)=0時，表明電力設備運行狀態正常，對應圖像無異常情況；當ΔPi(x, y)≠0時，表明設備運行狀態異常，對應圖像中部分存在毛刺和邊緣突起等畸變情況。

4 結 論

圖像處理技術在電力設備在線監測中的應用，不僅能夠有效替代人工巡檢，提升工作效率和自動化程度，還能在高壓、危險和惡劣環境下，通過對電力設備運行狀態的實時獲取，有效保證電力系統運行的安全性和可靠性。