基于视频监控与图像识别的电力变压器风机状态识别方法

摘要

本发明公开了属于远程数字视频监控和图像识别技术及电力变压器风机设备运行状态监测技术领域的一种基于视频监控与图像识别的电力变压器风机状态识别方法。该方法是将远程数字视频监控和图像识别技术结合起来，首先通过摄像头、解码器以及视频服务器等设备，将采集到的数字视频信号通过传输通道以视频流的方式实时传送回监控中心，在监控中心对现场进行远程视频监视，从视频流中截取监视目标图片，通过相应的图像预处理技术对数字视频图像进行分析、处理和识别。因此应用远程视频监控和图像识别技术，能够实现对电力变压器风机运行状态的自动识别和故障告警。该项技术为保证电力企业生产安全以及快速诊断故障。

说明书

技术领域

本发明属于远程数字视频监控和图像识别技术及电力变压器风机设备运行状态监测技术领域。具体地说，涉及应用图像灰度化、二值化、膨胀、归一化的图像预处理技术对电力变压器风机设备图像的处理及识别，对电力变压器风机设备运行状态进行自动图像识别和故障告警的一种基于视频监控与图像识别的电力变压器风机状态识别方法。

背景技术

目前对电力变压器风机设备运行状态自动监测所采用的技术手段，是在风机供电电路中检测电流的有无来确定风机是否转动。当风机电动机出现故障时，此时风机已停止转动，而现有监测手段若没有检测出来，将会导致电力变压器的温度过高而最终烧毁，使电力企业生产蒙受极大的损失。因此，这种监测手段是不可靠的。采用远程数字视频监控与图像识别技术对风机设备运行状态进行监测，比现有的监测手段更加直观、有效，并且不需要接触设备，避免了对设备正常运行的干扰。

电力变压器在变电站中是十分关键的设备，运用远程数字视频监控与图像识别技术，对电力变压器风机运行状态进行实时监测，通过图像处理技术实现对电力变压器风机状态的自动识别与故障告警，有着非常重要的现实意义。

远程数字视频监控与图像识别系统就是将远程数字视频监控和图像识别技术结合起来，首先通过摄像头、解码器以及视频服务器等设备，将采集到的数字视频信号通过传输通道以视频流的方式实时传送回监控中心，在监控中心对现场进行远程视频监视，从视频流中截取监视目标图片，通过相应的图像预处理技术对数字视频图像进行分析、处理和识别。因此应用远程视频监控和图像识别技术，能够实现对电力变压器风机运行状态的自动识别和故障告警。该项技术为保证电力企业生产安全以及快速诊断故障提供了一种新的直观而准确的手段。

发明内容

本发明的目的是针对现有技术的不足而提供一种基于视频监控与图像识别的电力变压器风机状态识别方法。所述电力变压器风机设备负责为变压器散热，由3个叶片组成。根据风机的结构特征，实现本发明目的所采用的技术方案是首先对电力变压器风机图片进行灰度化、二值化处理提取识别目标扇叶；然后再对图像进行膨胀处理，以消除扇叶保护网对图像的干扰。经过预处理后，当风机处于运行状态时，图像为一个黑色圆环；当风机处于停止状态时，由于扇叶之间存在缝隙，使得图像为一个带有白色缺口的圆环区域。大量实验证明，风机运行时黑色像素点占整个圆环区域的98％左右；而风机停止时，该值为75％左右。本发明中，通过扫描图像中风扇所处的圆环区域，计算扇叶所处圆环区域中黑色像素点数目占总像素点数目的比例值，再经过三次方运算，扩大两种情况下的差值后，与参数0.68进行比较，即可得出一次判别的风机状态；同时通过多次取图像、预处理、判别后，取多次判别的多数判别结果即为当前风机的工作状态。

本发明的有益效果是在识别电力变压器风机运行状态时，运用远程数字视频监控与图像识别技术，对电力变压器风机运行状态进行实时监测，采用多次实验的结果计算阈值量化标准，降低识别过程中的不确定性，使识别准确率达98％以上，减小识别结果的误差率；因此通过图像处理技术实现对电力变压器风机状态的自动识别与故障告警，有着非常重要的现实意义。

附图说明

图1是本发明的识别对象—电力变压器风机转动和停止状态的原始图片。

图2是电力变压器风机图像预处理过程的灰度图。

图3是电力变压器风机图像预处理过程的二值化结果图。

图4是电力变压器风机图像预处理过程的膨胀结果图。

图5是电力变压器风机图像预处理过程的二值图像归一化结果。

图6是电力变压器风机图像识别的流程图。

具体实施方式

本发明是针对现有技术的不足而提供一种基于视频监控与图像识别的电力变压器风机状态识别方法。下面结合附图对本发明予以进一步说明。

图1是电力变压器风机转动和停止状态的原始图片。由于彩色图像的数据量大，为了后期其他特征量的提取方便快捷，需要对图像进行灰度化处理。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下式得到：

                Y＝0.299R+0.587G+0.114B

其中R表示红色分量值；G表示绿色分量值；B表示蓝色分量值。

对图1进行灰度化操作，丢弃图像的颜色信息，得到灰度图结果如图2。为了将识别目标从背景中分离出来，对图2继续进行二值化处理，使图片转换为只具有黑白两种灰度值的二值图像，结果如图3。图像的二值化将进一步简化灰度图像处理的步骤和过程。设图像f的灰度值范围在[a，b]内，二值化阈值设为T(a≤T≤b)，二值化处理的一般式可表示如下：

f_T是二值图像，通常用1来表示对象物区域(黑色区域)，用0来表示背景区域(白色区域)。

图像的膨胀运算也称扩张运算，用符号“”表示，X用S来膨胀记为XS，它定义为

                        XS＝{x|S[x]⌒x≠Φ}

式中X为目标图像的点的集合，S为结构元素点的集合。由于风机设备扇叶前部有隔离网，起到保护扇叶的目的，但是隔离网在图像二值化处理后会在识别区域产生白色的网状干扰，为了去除这些干扰，本文采用了图像膨胀的方法对二值化后的图像进行处理。对图3进行膨胀处理，结果如图4。

为了能正常的、方便的提取风机特征，需将二值化后的图像进行大小的归一化处理，结果如图5。

当风机处于启动状态时，经过膨胀处理后的图像为一个黑色的圆环型区域；而当风机处于停止状态时，由于三个扇叶之间存在空隙，图像膨胀处理后为一个带有三个白色的缺口圆环区域，依据这一特征进行风机当前工作状态的识别。大量实验证明，风机启动时，膨胀后的图像中扇叶所处圆环型区域内的黑色像素点数目占整个圆环型区域像素点数目总和的98％左右；风机停止时，则为75％左右。本发明通过计算扇叶所处圆环型区域内的黑色像素点数占整个圆环型区域总像素点数的比例的大小，来判断当前风机所处的状态，具体算法如下。

(1)扫描待识别的圆环型区域每个像素点，“像素点计数器”加一运算。若该像素点的像素值为255(白色)，“白色像素点计数器”做加一运算。扫描结束后，“白色像素点计数器”和“像素点计数器”的值即为待识别区域的白色像素点的数目与该区域像素点总数。

(2)计算待识别区域黑色像素点数占整个待识别区像素点总数的百分比：

黑色像素点数所占比例＝(像素点总数-白色像素点数)/像素点总数。

(3)对“黑色像素点数所占比例”做简单的三次方运算，以增大风机处于两个不同状态时该值的相对区别；

           黑色像素点数所占比例＝(黑色像素点数所占比例)³

(4)识别判断。

其中参数0.68的计算过程如下：

                [(0.98)³+(0.75)³]/2≈0.68

图6是电力变压器风机图像识别的流程图。

利用远程数字视频监控和图像识别技术，实现电力变压器风机设备运行状态的自动图像识别和故障告警，包括算法及应用程序。通过图像灰度化、二值化、滤波、膨胀等方法对图像进行预处理，利用阈值量化标准作为判断依据来识别风机转动或停止的状态，并将识别结果传送回监控中心，供事后故障分析之用，识别准确率达98％以上。为电力系统故障监测与故障分析提供一种新的手段，以提高电力系统的信息化水平。