《基于图像数字处理技术的电力设备--毕业设计》由会员分享,可在线阅读,更多相关《基于图像数字处理技术的电力设备--毕业设计(49页珍藏版)》请在金锄头文库上搜索。
1、1 引言1.1 课题的背景和意义电力设备(power equipment)是电力系统中必不可少的一部分,它贯穿在电力系统始终,它在运行时损坏在所难免,主要是由长期发热和短时发热所造成,会使电力设备的绝缘性能降低,机械强度降低,导体的接触电阻增加,对电力系统的稳定运行产生着严重的威胁。随着电力生产可靠性要求的提高,电压等级的不断增高,机组容量增大,输电距离增长,对电力设备在运行中的故障隐患的准确诊断和及时维护,显得越来越重要。为了能够保证电力系统的稳定运行度,使用数字图像处理技术进行电力设备的状态检测已成为未来的趋势1。随着我国国民经济的快速增长,电力供应呈总体偏紧,部分地区电力短缺严重的现象,
2、导致电力生产和电力传输中的一些部门满负荷或者超负荷运转,同时对运行中的电力设备带来了严重的考验。而且电力供应的不足直接制约了我国经济发展,制约生产力的发展,也在这种情况下,变电站的电力设备安全、可靠的运行显得尤为重要。为了提高电力系统运行的稳定性。国家正积极提高电力系统的自动化水平,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。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。因此对电力设备所出现
3、的故障不能及时地处理,因此造成一系列的问题。首先,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;再次,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,不利于电力系统自动化程度的进一步提高;最后,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2。从以上的具体问题,可以得出电力设备的故障识别需要借助计算机模式识别,以便更及时、更准确地排除故障。图像分析技术可从根本上解决目前电力设备在线监测中存在的一些实际问题:很多高压设备的运行状态难以转换成电信号,在信号转换和传输过程中容易受强电磁场的影响;重要设备的运行参数需要实时监测
4、,采用人工巡视难以满足实时性要求,而且巡视员的责任心、工作态度和精神状况严重影响了检测的结果;另外,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。本课题的成果及其进一步的研究工作,可促进变电站监测系统的智能化、自动化,提高变电站工作人员的效率,取得更高的经济效益,将具有较大的实用价值和应用前景。1.2 课题的国内外发展现状视觉识别和检测技术在国外发展很快,早在20世纪80年代,美国就有100多家公司跻身于视觉检测系统的经营市场,可见视觉测试系统确实很有前途。基于图像处理的检测系统已经在其他领域取得了一定成果,如文字识别、指纹识别、人物识别、产品检测、军事侦察等。视觉技术在
5、电力系统识别和检测应用也在本世纪已陆续开展,在电力系统中,在近些年,基于图像处理技术在电力系统中的应用,已经进行了一些有益的探索,并且也取得了一些可喜的成就。现代电网自动化技术发展迅速,国外很多地方已经实现了变电站的无人值守。普及无人值守也成为目前和未来电网发展的必然趋势3,在当前电力系统对自动化、智能化程度要求不断提高的背景下,将计算机视觉的相关新技术运用到电力系统中来,结合电力系统变电站的应用场合,为电力系统变电站中视频监控特别是视觉信息相关的监测系统提供一条崭新的技术手段。而国内总体上还处于一种零散的、初步的应用阶段。比较成功的例子如电力设备的红外图像温度检测,基于图像识别的锅炉炉膛燃烧
6、状况监测系统等。20世纪90年来中期以来,特别是我国城乡电网大规模改造以来,220KV以下相继进行无人值班改造。其具体做法是在增加一次系统可靠性和实行微机保护,实现“四遥” ,并增加“遥视”系统。“遥视”系统应用多媒体实时图像监视技术,可以使运行人员远程直接观看变电站现场设备及环境图像。电力设备的检测包括可以对杆塔、导线及避雷器、绝缘子、线路金具、线路周围环境进行巡视。机器人配备的高分辨率CCD摄像机摄取目标图像,实时传输到地面基站,由基站操作人员根据图像中导线、绝缘子等设施的外观确定是否损坏4。人工复查需对图像逐帧观察,效率低但较可靠。高压输电线路巡线机器人一般能发现架空线大部分表面故障。目
7、前有些电厂和变电站安装了视频监控系统,可实现监视现场设备、控制远程摄像机运动、数字视频录像等功能。但这些视频监控系统只有视频监视功能没有视频图像识别功能。还要依靠值班人员直接去观察和分析采集到的图像5,判断电力设备的运行状态,缺乏对变电站电力设备的自动识别与分析功能。而目前提出的检测系统模型实现的视频图像识别内容主要包括:1对户外断路器、隔离开关以及接地刀闸等设备的断开、闭合状态进行检测;2测量输电线垂弧。变电站图像的分析和电力设备运行故障的判别方法的研究还不成熟,本文借鉴了图像处理与识别技术在其它领域内成功应用的经验,将图像处理和模式识别的算法运用到电力设备的识别,从而判断出电力设备的运行状
8、态,达到监测的目的。1.3 论文的主要工作主要是通过采集并处理电力设备的图像来实现对电力设备运行的检测,并通过模式识别技术来判断电力设备的正常与故障情况,并进行校正,从而来保证电力系统的稳定运行。 1、运用数字图像处理技术提高图像的质量,对采集到的电力设备图像进行必要的预处理:图像去噪、图像锐化、边缘检测等。2、使用数字图像处理技术提取电力系统设备图像的特征,主要包括颜色、形状等。3、运用模式识别算法对图像中的电力设备状态进行识别,通过综合运用电力设备提取的特征和识别方法,有效的提高了识别的正确率和识别的速度。4、然后利用MATLAB软件对处理后的实际电力设备图像进行仿真实验,并设计GUI界面
9、显示整个识别过程,能快速直观对结果进行分析,判断出电力设备的运行状态,达到了监测的目的。 2 电力设备图像的预处理随着社会的发展,图像处理技术与计算机视觉在各个领域的应用越来越广泛。本章介绍图像处理技术的基本知识以及它的发展,并且讨论计算机视觉在电力系统中的应用。改善图像质量的处理称为图像的预处理,本章主要介绍了图像预处理的一些基本方法,如直方图增强、图像平滑等。 2.1 数字图像的基本知识2.1.1 图像的颜色模型根据人眼结构,自然界中的所有颜色都可以由红绿蓝(R、G、B)三原色组合而成,也就是通常所指的RGB模型。实际应用中,有时会用到其他一些颜色模型,如CMY颜色模型、YIQ颜色模型、Y
10、UV颜色模型及YcbCr颜色模型等6。(1)RGB和CMY颜色模型CMY(Cyan、Magenta、Yellow)颜色模型是一种常用的表示颜色的方式。计算机屏幕的显示通常用RGB颜色模型,它是通过颜色的相加来产生其他颜色,这种做法通常称为加色合成法(Additive Color Synthesis)。而在印刷工业上则通常用CMY颜色模型(一般所称的四色印刷CMYK则是加上黑色),它是通过颜色相减来产生其它颜色的,所以通常称这种方式为减色合成法(Subtractive Color Synthesis)。图2-1为RGB与CMY两个颜色模型的关系图:(2)YIQ颜色模型 图2.1 RGB与CMY色
11、彩系统关系图YIQ颜色模型通常被北美的电视系统所采用(属于NTSC系统),这里Y不是指黄色,而是指颜色的明视度(Luminance),即亮度(Brightness)。其实Y就是图像的灰度值(Gray value),而I和Q则是指色调(Chrominance),即描述图像色彩及饱和度的属性。RGB与YIQ之间的对应关系如下: (式2.1) (式2.2)YUV颜色模型被欧洲的电视系统所采用(属于PAL系统),其中Y和上面的YIQ颜色模型中的Y相同,都是指明视度。U和V虽然也是指色调,但是和I与Q的表达方式不完全相同。RGB与YUV之间的对应关系如下: (式2.3) (式2.4) 4)YcbCr颜色
12、模型YcbCr颜色模型也是一种常见的色彩系统,JPEG采用的颜色模型正是该模型。它是从YUV颜色模型衍生出来的(因此通常还有人称JPEG采用的色彩系统是YUV系统,其实是错误的)。其中Y还是指明视度,而Cb和Cr则是将U和V做少量调整而得到的。RGB颜色模型和YcbCr颜色模型之间的对应关系如下: = (式2.5) (式2.6)其中,本文所涉及的高压断路器开关指示牌的两个状态分别为:绿色底色、字母 “OFF”和红色底色、字母“ON”字符,它具备明显的颜色特征。同时,由于在本文所设计的识别过程中,需要在图像中选取待识别开关的具体位置和区域,而视频服务器实时截取的图片采用的是JPEG压缩格式,直接
13、利用数学算法提取指定区域的特征的方法不易实现,直接影响系统的整体识别时间。相反地,真彩色位图文件(bmp)格式采用的是24位真彩色RGB系统,即在该图像文件中,每个像素(对应屏幕的一个点)均由3个字节表示,三个字节分别表示R、G、B三个分量的值,这样提取指定区域的像素信息就容易的多,因此,本文将图像转换为真彩色位图文件格式,在提取高压断路器开关指示牌颜色特征时采用的是RGB颜色模型。2.1.2 彩色图像的灰度化本文前面将图像转换为BMP真彩色位图文件格式,图像的数据量大。在对开关进行颜色特征提取完毕后(仅对高压断路器开关进行了颜色特征提取,颜色模型采用了RBG模型),为了后期其他特征量的提取方
14、便快捷,需要对图像进行灰度化处理7。灰度图(Grayscale)是只含亮度信息,不含色彩信息的图像,就像我们平时看到亮度由暗到明的黑白照片,变化是连续的。因此,要表示灰度图,就需要把亮度值进行量化。通常划分成0到255共256个级别,0最暗(全黑),255最亮(全白)。从彩色图像到为灰度图的转变可由公式得到:Y =0.299R+0.587G+0.114B (式2.7)2.2 电力设备图像的预处理2.2.1 直方图增强图像的直方图是图像的重要统计特征,它可以认为是图像灰度密度函数的近似。直方图虽然不能直接反映出图像内容,但它反映的是图像灰度分布统计特征。对于数字图像,它可以反映数字图像的概貌性描
15、述,例如图像的灰度范围、灰度的分布、整幅图像的平均亮度和明暗对比度等,并可以由此得出进一步的重要依据。当图像对比度较小时,它的灰度直方图只在灰度轴上较小的一段区间上非零,较暗的图像由于较多的像素灰度值低,因此它的直方图的主体出现在低值灰度区间上,其在高值灰度区间上的幅度较小或为零,而较亮的图像情况正好相反。通常一幅均匀量化的自然图像的灰度直方图在低值灰度区间上频率较大,这样的图像较暗区域中的细节常常看不清楚。为使图像变清晰,可以通过变换使图像的灰度动态范围变大,并且让灰度频率较小的灰度级经变换后,其频率变得大一些,使变换后的图像灰度直方图在较大的动态范围内趋于均化。事实证明,通过图像直方图修改进行图像增强是一种有效的方法。一幅均匀量化的自然图像的灰度直方图通常在低值灰度区间上频率较大,使得图像中较暗区域中的细节常常看不清楚。为了使图像清晰,可将图像的灰度间距拉开,或者使灰度分布均匀,即让灰度直方图在较大的动态范围内趋于一致。从而增