风电场智能视频识别与安全管控技术应用研究

郭 强，李 峰

（北京华电天仁电力控制技术有限公司，北京 100039）

0 引言

随着风电自动化技术的日益发展，通过建设调度中心（集控中心）实现无人值守的模式已成为一种趋势，但由于多方原因如技术、管理等，导致风电场暂时并不能真正的无人值守，无法彻底实现本质安全和减员增效。管理人员不仅需要远程观察风电场的每处角落，还要能够发现周边环境的不正常现象，并通过远方遥控技术进行处理。

结合上述需求，本文规划的系统能够自动识别监控图像中的不正常情况，并能够通过高效可用的方式发出报警信息，及时协助运行检修人员处理问题，最大限度地降低漏报和误报，杜绝可能的潜在风险。

1 技术可行性研究

通过以下步骤验证并通过视频识别的技术可行性：

（1）去背景噪声和二值化。方法一，统计图像中的颜色分布，占有率低的颜色判定为背景噪声。但是前景色和背景噪声的区分并不明显，假如多种取景方法都不能有效的去除背景噪声，可使用方法二；方法二，本项目中计算灰度后设定一个阈值进行二值化。原理如下：所谓的灰度图片是取得人眼对色彩敏感度的权值，这个权值对计算机没有意义。可以发现，这两个过程完全可以合并。阈值设置为RGB 三分量之和到500。

（2）制作字符样本。对识别库来说最重要的就是样本，因为识别库很难有独立的逻辑思维，就算有也要经过长期的训练才能形成满意的结果。所以必须用事先准备好的样本进行比较。由人工制作一套样本，因为上一步已经有去除背景噪声的结果，直接利用即可。

（3）匹配。通过最简单原始的二值比较进行单个匹配，不过匹配的是匹配率而不是匹配数。再定义一个计分原则，即应有的有就加分，应有的没有就减分，不应有的有了就适度减分，可达区域外的不计分。

由于一些符号的完整匹配结果跟另一些符号的部分区域匹配结果相似，需要在一个扩大的区域内把单个匹配进行择优处理，并在一定的范围内找到最佳匹配，这个匹配就是当前位置对应的符号。完成了一次最佳匹配，可以把匹配位置向右推进一大步，若找不到合适的最佳匹配就向右推进一小步。

（4）优化和调整。任意算法都需要优化和调整。这一步花费大量的时间和精力来找到最佳代码组织和参数配置。

（5）验证结果。依靠人力来验证结果，并统计出正确率，修改优化算法。

2 项目研究内容

（1）室内接近设备保护区监测与报警。进入室内生产（施工）现场的工作人员，进入设备保护区容易对设备造成损坏并产生安全事故，系统建设后应能在操作人员靠近或进入设备保护区时现场自动语音提醒，同时自动上传现场视频图像。

（2）室外进入保护区监测与报警。室外生产（施工）现场的工作人员，如发生误入保护区或翻越现场保护围栏等违反操作规程的行为时，很容易造成生产安全事故，系统建设后应能在操作人员靠近或进入设备保护区时现场自动语音提醒，同时自动上传现场视频图像。

（3）升压站刀闸开闭状态监测与报警。风电场升压站内线路开关存在刀闸跳闸现象，很容易出现大面积停电从而造成跳闸事故；系统建设后由摄像机全程监控刀闸状态，在刀闸状态发生改变时产生报警，自动上传现场视频图像。

（4）升压站仪表读数监测与报警。使用摄像机对风电场内升压站的仪表读数进行复核，通过对站内设备仪表图像的采集和处理，完成数字仪表的自动识别，并转换成数字信号。同时可对仪表显示读数进行范围检测，如果超出规定范围则产生报警，自动上传现场视频图像。

3 项目实施方案

以本项目中的刀闸为例阐述项目实现过程，识别刀闸的开关状态主要是通过识别其拉杆位置实现的，常用的技术和算法包括：去背景去噪，二化值，神经网络算法，字体分割，训练（字库），匹配，优化，测试正确率，在次优化字库（提高识别率），返回值（答案），拉杆识别。

（1）定位去干扰反光和抓识别色。首先要确定拉杆的位置和拉杆的状态，比如合为0，分开为1，去干扰反光，根据RGB 图像建立彩色图像直方图，对RGB 图像进行直方图均衡化，消除反光对拉杆位置定位的影响。抓识别色，将RGB 颜色空间转为HSV 颜色空间，根据识别色的H，S 的阈值确定识别色的范围。

（2）二值化和去噪。根据识别色的H，S 的阈值对整体图像进行分割，对于像素值在H，S 范围内的将其像素置为255，不在其内部的设为0；这样就得到了拉杆的二值图像，在图像中，白色的区域就为拉杆区域，黑色为无关区域。由于二值化后存在一些噪声，采用中值滤波方式对图像进行平滑处理，得到平滑二值图像。

（3）霍夫线变换，判断状态。由于三只拉杆呈直线状态并排出现在二值图像中，如果对二值图像做霍夫变换检测到直线，就可知道各个拉杆的首位坐标。根据各个拉杆的首尾坐标即可得到拉杆是否是合还是分开。若拉杆底部坐标比合状态的高，则表示拉杆为分开状态。

（4）特殊环境处理。由于拉杆监控是在室外情况进行，所以要考虑到风，雨，雾等恶劣环境下的检测。大风会导致摄像机抖动，拍摄的图片会模糊不清晰，在这种情况下霍夫变换有可能出现误差，所以可以采用局部自适应二值化（局部Otsu 算法）对图像进行二值化，得到二值图像。而后根据水平投影获取到上部与下部的坐标，根据上部分与下部分的坐标判断拉杆的开合。具体如图1 所示。

图1 二值图像处理

4 总结与展望

智能视频识别技术是基于计算机视觉技术对监控场景的视频图像内容进行分析，提取场景中的关键信息，并形成相应事件和告警的监控方式，是人工智能的重要组成部分。如果把摄像机看作人的眼睛，智能视频监控系统或设备则可以看作人的大脑。智能视频监控技术借助计算机强大的数据处理功能，对视频画面中的海量数据进行高速分析，过滤掉用户不关心的信息，为监控者提供有用的关键信息。

风电场智能视频识别及安全管控系统建设完成后可与现有风电管理系统及自动化系统无缝对接，根据上述系统要求，提供升压站或风机设备运行状态图像、开关操作过程状态图像、仪器仪表工作状态图像，以及风电场巡视、检修、试验等工作现场实时图像的显示和存储；并按照调度系统的指令，可手动或系统自动设置相应防区的布撤防，可对电力调度、高压区操作（间隔防护）、高压区设备现场维护、设备运行状态以及开关异动等异常现象，提供现场异常图像自动报警显示和现场的语音自动播放，从而达到“风电场安全运行”的可视化、智能化的监控管理。并从技术手段上进一步对风电场安全生产，尤其是有效杜绝人身伤亡事故，提供了有力保障。