人工智能图像识别技术在电力系统中的应用

吴跃，郭洋，张永梅，方锐

（国网安徽省电力有限公司信息通信分公司，安徽合肥，230000）

1 理论概述

人工智能的英文全称为Artificial Intelligence，简称AI，主要是对人类的智能以及智能行为进行研究、开发并模拟的科学学科，人工智能分属于计算机学科，研究人工智能的核心目的在于模拟人类大脑的智慧，让计算机系统、程序能够模拟出人类智能的思维，能够模仿人类的行为。

以人工智能技术为基础的图像识别处理技术，其组成原理主要是处理不同类型的图片，通过积累大量的数据来对图片、实际事物展开准确分析判断，人工智能能够虚拟化识别的对象，依据平面图形在不分析实物的基础上就可以实现三维化。

2 以人工智能为基础的图像识别技术过程

2.1 图像的预处理

以人工智能为基础的图像识别技术中，获取信息的最主要方式就是图像预处理工作，直接对识别结果造成直接影响，所以属于整个流程中的关键环节。借助图像预处理工作，能够对图像识别系统进行辅助可以就图片特点更加精准，可以给后续的工作奠定一些基础，将识别的时间有效缩减且将复杂程度有效降低。在进行预处理的工作过程中，最重要的任务就是将辨识效率全面提高，最常用到的方式就是降噪和去雾。

利用预处理工作可以实现图片还原，将图片还原成质量清晰地。在电力系统中的应用就是，在进行架空输电线路巡检过程中应用智能图像识别技术，能够将收集到的图片进行一键处理，实现图片数据获得最优解。

2.2 图像特征提取

对于图像特征提取工作，主要分为提取、选择两个环节。在目标图像中，有可能包含许多个特征点，这些特征点都分别对应着各自的特征子集，特征点的选择要求科学这是充分保证能够高效准确识别图片的关键。当前图像最常见的特征点包括以下几个部分：颜色特征、图像纹理、图像形状、空间关系特征等等，这些特征中颜色第一捕捉特征点,但在局部特征捕捉,图像纹理特征是第一特征点,如图1为图片的关键点的截取。能够看出来，以人工智能为基础的图像识别技术在应用方向、识别需求上，能够针对性的实现特征抽取、选择。总体来讲，图片中会包含非常多的信息量，因此在应用技术手段时应该对图片特征进行有效区分。比如电力系统中，架空输电线路巡查检修时应该对电线的纹理特征进行提取，这样能够及时发现线路存在哪些问题。

图1 图片特点截取

2.3 图像匹配分类

以人工智能为基础的图像识别技术，图像匹配分类是其中最后的一个环节。通过严格落实各个流程，根据流程结果从数据库中把相同图片信息调取出来，这样能够完成特征的分析。对于电力系统来讲，以人工智能为基础的图像识别技术开展架空输电线路巡查检修时，应该按照图片具体情况来做图像匹配分类，从数据库中将对应信息调取出来以实现对应处理。

3 人工智能图像识别技术应用内容

3.1 采集数据信息在线监控系统应用分析

电力系统在具体运行的工作过程中，会有很多意外情况发生，对电力系统的安全危害很大，比如盗窃、失火等情况。所以，为了能够有效避免意外情况造成的不利影响，需要及时的做好信息信息采集工作，通过在线监控电力系统方便提供给异常警报数据方面的信息，能够让技术人员对具体异常情况作出及时了解，及时的处理异常情况。监控系统能够实现进出人员的实时监控，能够利用图像识别技术来作出准确识别。在线监控系统可以利用红外摄像头，对进出人员的红外线轮廓进行掌握，这样能够利用轮廓在进行数据的预处理。还有就是，红外摄像头你能够感应温度，即便是火力发电也可以根据火焰状态进行识别，将火焰温度进行确定来充分保障电力系统安全。

3.2 柜面图像智能应用分析

监控图像获取以后，就需要进行以下三个步骤。首先，检测与标定压板内容。当前设备标定算法一般都是人工来完成，效率比较低下。所以以人工智能为基础的图像自动检测方法能够实现画面区域的自动标定与类型设定，将人为标定效率全面提升；其次，指示灯状态识别。通过研究通用的指示灯状态识别算法，对不同厂商、不同规格的非标准指示灯状态的显示结果进行读取；最后，报警状态识别。通过研究可扩展的报警状态识别算法，方便后期添加和删除一些报警规则。

3.3 视频浓缩快照与异常报警应用分析

数据存储量较大，可以选择视频浓缩的方式来科学降低。为了能够满足不同约束的数据检索需要，其中包括按时间点检索、按数据变化检索方式等等，能够将数据以及与之对应的图像进行同步存储，通过形成时间点的数据快照来提供给技术人员分析。首先，视频排序是按照时间序列的，数据同步快照系统：要研究图像与数据的存储方式，将冗余数据摒除并且对数据库进行精简，充分满足用户的定制化查询需要；其次，异常报警。系统识别出某个异常数据时，进行警报并作出同步异常显示。二次屏柜对其进行智能监控，通过搭建一套以人工智能图像识别技术为基础的变电站二次设备智能巡检系统，利用系统来进行监管；最后，将数据进行汇总并报送至数据仓库，通过大数据与电力模型结合形成的数据系统，全面提高监控效率，降低值班人员的劳动量，为电网运行提高坚实保障。

4 基于计算机视觉的图像处理识别平台应用

4.1 以计算机视觉为基础的图像处理识别平台技术要求与性能指标

技术要求与性能指标重点包括以下六个方面。首先，预先处理采集到的二次设备图片，处理的内容包括图片数据存储与清洗、尺寸重整、分类标注，完成预处理后的图片再开展人工智能图像分析系统的训练与识别工作；其次，图像信息的提取。以计算机视觉深度学习算法为基础，识别和信息提取预处理完以后的二次设备图像，这一阶段有待识别的关键点包括二次屏柜上的指示灯、压板、开关状态、指示数字等。要去高精度的识别，较快速的响应时间；然后，上传识别结果并作出分析。数据要整理成符合电网安全管理规范要求的，通过接入来源与通道设计并将数据识别结果上传，上传后系统分析识别结果，对正常、异常情况进行判断；接着，二次设备对信息结果进行提取，可视化呈现出来。结果在Web和App上分别能呈现出来，二次屏柜上能够显示指示灯、压板、开关状态等图像，图像能够直观实现对二次设备的实时监控；再就是，二次设备异常状况告警。告警信息主要是二次屏柜的监控图像数据，以可视化的推送方式来实现异常设备的实时告警。异常状况主要包括二次屏柜的监控图像数据，经过深度学习网络后得到识别结果，所有的数据信息及识别结果叠加后进行可视化呈现，实现对二次设备的实时监控；最后，性能指标。指示灯定位准确率>95%，状态识别准确率>90%，压板定位准确率>95%，状态识别准确率>90%，开关定位准确率>95%，状态识别准确率>90%。

4.2 监控界面及交互系统

对于监控界面以及交互系统，重点包括四个方面的内容。首先，技术方面的要求。以计算机视觉图像处理识别平台为基础，图像识别结果信息传输接口获取信息后经平台处理获得二次屏柜指示灯、开关状态、压板等数据信息，信息传输结果被储存到了人机交互系统；其次，二次设备信息监控界面。按照传输以后在交互系统中的设备储存的设备状态信息，对设备的监控情况进行实时动态显示，界面能够将后台识别结果全面的展示出来，可以达到自动化的管理。监控界面要求能够将告警数据推送接口有效保留，能够实时对设备运行的异常状态进行告警；然后，人机交互系统。人机交互系统能够帮助监控工作人员查验各个设备的监控信息，能及时的处理异常运行状况。还有就是，系统可以支持技术人员再确认设备异常运行信息，能够及时准确地发现设备存在哪些故障；最后，性能指标。界面能够将所有待识别信息呈现出来，界面包含着单点实时图像信息，人机交互系统支持监控人员随时登陆与查验。

4.3 后台服务系统及视频流获取程序

对于后台服务系统以及视频流获取程序，重点包括四个方面的内容。首先，技术方面要求。对摄像头进行驱动运行并实现图像采集，实现智能图像采集终端运行驱动，特别是能够分清两种明暗环境，将对应的预制参数进行自动加载，这样可以获得清晰、准确地图像，可以实时的进行图像抓取然后向服务器后代进行传输并处理；其次，系统后台服务。将底层的摄像头驱动程序与识别算法服务相互串通，对于摄像头上传回来的图片向数据库中存入，通过对识别算法程序进行调用来识别数据库中图像的状态，重新将识别结果、图像存入到数据库中，将前端显示出的识别结果调用出来；然后，历史图像及识别结果保存。存储系统的历史抓取图像到redis数据库，这一数据库是在服务器上部署的，图像与历史识别结果相互对应然后保存在My SQL数据库，这样方便追溯还原设备的历史异常状态，这样可以确保后期分析出现异常情况时可以提供给使用者真实的现场数据；最后，性能指标。能够同时支持最少80单位的智能图像采集终端，实现在线图像采集，能够做到3 000个以上点位的识别时间<15 min。

5 电力系统中人工智能图像识别技术的应用难点以及具体解决措施

首先，应用难点在于电力系统数据深度分析和二次屏柜的主动识别算法框架设计。针对这类难点需要学会综合运用各类技术手段，比如图像处理、机器学习技术等等，借助理论分析、实验研究相互结合，利用高效、快速识别算法来对指示灯面板、开关、压板、指示数字等图像展开研究和设计，这样可以做到视频浓缩以及异常报警，通过研究系统架构等关键技术来建立起一套可以实现快速反应、准确识别和报警的算法框架。其次，难点还包括数据快照及索引技术研究及应用。这一技术应用难点在于借助智能终端的采集，对识别服务器的量化汇总以后进行数据快照及索引技术的研究，借助Key-Value型的数据库LMDB来持久化的存储、分析图像和相关监控数据，同时允许客户进行查询、报警以及上传。