一种变电站悬挂异物识别方法

内蒙古电力(集团)有限责任公司包头供电局 谢逸逍 肖 猛 汪有成 黄玉柱 马文奎

一种变电站悬挂异物识别方法

内蒙古电力(集团)有限责任公司包头供电局 谢逸逍 肖 猛 汪有成 黄玉柱 马文奎

提出了一种变电站悬挂异物的识别方法，实现了站内悬挂异物的实时监控。首先，使用数字图像处理技术对采集图像进行去噪等预处理操作。其次，使用SIFT配准定位指定区域，分析并统计指定区域中特征角点的数目。最后，根据特征点数目的分布状态和设定阈值进行异物识别，超过阈值时判定为有异物侵入，预警站内工作人员进行处理。实验证明，该方法具有计算快捷，适应性强、正确率高的特点，可以满足变电站无人值守的实时监控要求。

变电站；异物识别；SIFT配准；Harris角点

1 引言

目前，我国电力变电站设备巡检多采用人工巡检方式[1]。即变电站工作人员进入设备区，进行设备巡视。这种巡检方式主要靠的是作业人员的主观的感官定性判断分析，需要工作人员有丰富的工作经验和较高的业务水平。并且也很难做到数据的实时输入管理信息系统。变电站是个高危场所，在恶劣天气下，设备的巡检对工作人员来说存在较大的安全隐患[2]。

同样，对变电站设备中悬挂物的巡视主要还通过人眼进行，由于人眼有主观性和易疲劳的弱点，有时会忽略一些异常情况。再者，国家电力通信调度中心要求现有的35KV、110KV、220KV在条件成熟时，逐步实现无人值守。所以基于计算机视觉的悬挂物识别显得尤为必要。图像匹配是计算机视觉中的一个基本问题，SIFT (Scale Invariant Feature Transform)是目前图像匹配领域最活跃的算法之一。SIFT特征对于图像缩放、平移和旋转都具有良好的不变性，对于光照变化和仿射变换或三维投影也具有一定的鲁棒性[3]。所以SIFT算法已经成为目标识别中的热门算法。

本文首先采用SIFT算法对变电站中采集的模板图像和巡检图像的指定区域进行匹配，在匹配图像的基础上，再使用角点检测统计指定区域的特征点，通过特征点和设定阈值的比较进行悬挂异物识别。

2 滤波去噪

图像在形成、传输过程中，常因外界噪声的干扰而导致质量退化。因此，噪声检测是比较关键的一步，它为图像中像素点的正确分类提供基础。噪声检测的方法较多为减少噪声的影响，可以采取各种滤波方式对图像进行去噪处理。

2.1 中值滤波

中值滤波是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值[4]。就是用一个奇数点的移动窗口(中值窗)，将窗口中心点的值用窗口内各点按其数值大小排序后中间的那个数(即中值)代替．中值滤波是一种优化的保持边界与滤除高频噪声干扰的滤波方法，尤其对 处理突变尖峰之类的脉冲噪声非常有效。并且在滤除噪声的同时图像不会被模糊。二维中值滤波的窗口形状和尺寸设计对滤波效果影响较大，不同的图像内容和应用要求，往往采用不同形状和尺寸以达到满意的滤波效果。

2.2 高斯滤波

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程[5]。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

高斯滤波器脉冲响应函数为：

通过一次卷积运算可以将原始信号分离为低频信号和高频信号两部分。

图1和图2分别是中值滤波和高斯滤波的效果图，从图中可以看出高斯滤波保持的轮廓性比较完整，对目标检测的特征比对更具优势，因此本文选择高斯滤波进行去噪。

3 SIFT算法原理

SIFT(Scale Invariant Feature transform,尺度不变特征转换)算法[6,7]是由加拿大David G.Lowe于1999年提出的一种基于图像局部特征的描述子，并于2004年做了完善。SIFT特征点对于图像的尺度和旋转有很好的不变性，对于光照和3D视角也能保持一定的稳定性[8]，所以被国际公认为是效果良好的特征点匹配方法。SIFT图像特征的主要计算步骤如下：

Step1：构建尺度空间；

Step2：关键点的精确定位；

Step3：确定特征点的主方向；

Step4：生成特征向量描述子。

图1 中值滤波效果图

图2 高斯滤波效果图

设待匹配的两个图像为M和N，两个照片经SIFT特征点提取后，M的特征点集合为，N的特征点集合为其中lm和ln分别是图像M和N的特征点数目。采用特征向量的欧式距离作为SIFT特征向量的相似特征的判定度量。欧式距离计算公式如下：

取待匹配图像中的某个特征点，在目标图像中找到欧式距离中的最近距离和次近距离，两个距离比如果大于某个设定的阈值，则接受这一对匹配点。在特征点完成初始匹配后,会存在错误的匹配点对，对这些错误匹配点对采用RANSAC算法进行筛选。

农业农村部相关负责人透露，农业农村部已经在15个省区市、22种作物上开展蜜蜂授粉与绿色防控技术集成试验示范，同时开展蜂业质量提升行动，今后将加大资金支持力度，进一步推广蜜蜂授粉，服务绿色农业发展。

4 算法设计及其分析

变电站指定区域存在悬挂物时，指定区域的图像边缘有明显的变化。因此，可以采用特征点的分布来进行分析。因此，异物检测识别时，比较巡检机器人采集的设备图像与模板图像的同一区域内特征角点的个数与分布情况，如果两幅图像中相同电力设备的特征角点的个数或分布情况存在较大的差异，则认为在此区域内有异物的存在。

Harris具有对亮度和对比度的变换不敏感和旋转不变性的特点，因此算法采用Harris角点来检测指定区域内的特征点分布。如果某一个点在 X 方向和 Y 方向上都有明显的导数，即这个点在两个方向上都有明显的梯度值，则认为这个点为特征点。

算法步骤如下：

Step1：模板图像区域标定；

Step2：巡检图像SIFT配准匹配；

Step3：指定区域预处理操作；

Step4：Harris角点检测；

Step5：特征点统计分析；

Step6：与阈值比较；

Step7：输出检测结果。

算法流程图如图3所示：

图3 异物检测算法流程图

实验中，使用人工合成图像进行算法仿真模拟测试。如图4和图5所示。

图4 模板图像

图5 巡检图像(存在异物)

如图6所示，绿色矩形框为需要检测的设备区域。从左至右依次为模板图像(没有异物)、没有异物的巡检图像、存在异物的巡检图像。

图6 算法检测效果示例图

Harris角点检测到的特征点数和类的个数如表1所示：

表1 特征点分布统计

从实验结果中可以看到，存在异物时，特征点的数目和类的个数都发生了变换，并且有明显的可区分性。实验数据表明了该算法在进行异物识别的有效性。

5 结论

本文通过Harris特征检测，提取模板图像和巡检图像中指定区域的特征点，对特征点进行统计分析，实现了设备区域有无异物的检测识别。实验结果表明该算法建模简单、运行速度快、准确率高。通过机器人平台，实现了变电站中异物检测，提高了工作人员的工作效率和作业人员的安全性。该算法的实施，推进了变电站无人值守进程，实现了变电站自动化和智能化。

[1]宋晓明.变电站智能巡检机器人关键技术研究[D].长沙理工大学,2013:2-9.

[2]胡启明,胡润滋,周平.变电站巡检机器人应用技术[J].华中电力,2011,05:1045-1046.

[3]陈月,赵岩,王世刚.基于SIFT特征矢量的快速图像拼接方法[J].吉林大学学报(理学版),2017,55(1):116-117.

[4]安静宇,马宪民.基于中值滤波和小波变换的火电厂炉膛火焰图像去噪方法[J].计算机工程与科学,2016,38(8):1702-1705.

[5]姒绍辉,胡伏原,顾亚军,等.一种基于不规则区域的高斯滤波去噪算法[J].计算机科学,2014,41(11):313-315.

[6]DavidG Lowe.Distinctive Image Feat-ures From Scale-Invariant Interest Point[J].International Journal of Computer Vision,2004,60(2):91-110.

[7]David G.Lowe,Object recognition from local scale-invariant features,International Conference on Computer Vision,Corfu,Greece,1999,September:1150-1157.

[8]David A Y.Image merging and data fusion by means of the discrete two-dimensional wavelet transform[J].Opt.Soc.Am.A,1995,12(9):1834-1841.

Method for Recognition of suspended Extra Matters on substation

Xie Yixiao，Xiao Meng，Wang Youcheng，Huang Yuzhu，Ma Wenkui
（Baotou Power Supply Bureau of Inner Mongolia Power(Group)Co.,Ltd，Baotou，China）

A method for identifying suspended extra matters in substations is proposed，which realized real-time monitoring of suspended extra matters in substation.First of all，the digital image processing technology is used to de-noise the image.Secondly，the SIFT registration is used to locate the region that analyze and count the number of feature corners in the specif i ed region.Finally，according to the number and the distribution of feature points，the suspended extra matters recognition is carried out.when the feature points statistics exceed specif i ed thresholds，the suspended extra matters is detected and the station staff is warned.Experimental results show that this method has the characteristics of fast calculation，strong adaptability and high accuracy.It can meet the requirement of unattended real-time monitoring and control in substation.

substation；extra matters recognition；SIFT registration；Harris corner