隨著無(wú)人值守變電站數(shù)量的迅速增長(zhǎng),依賴于巡視人員人工監(jiān)視的傳統(tǒng)遙視方式,很難做到全面準(zhǔn)確巡檢,給設(shè)備安全運(yùn)行帶來(lái)各種隱患。目前基于機(jī)器視覺(jué)的遙視系統(tǒng)、智能巡檢機(jī)器人、無(wú)人機(jī)等巡檢系統(tǒng)在電網(wǎng)、鐵路等領(lǐng)域進(jìn)入快速發(fā)展階段,但當(dāng)前應(yīng)用的系統(tǒng)還存在許多共性問(wèn)題,例如視覺(jué)監(jiān)控系統(tǒng)分析方法單一并且自動(dòng)化與智能化水平不足,不能滿足電氣設(shè)備智能化監(jiān)測(cè)的要求。本文根據(jù)上述問(wèn)題,在傳統(tǒng)紅外診斷分析方法的基礎(chǔ)上,分別以紅外、可見(jiàn)光下的圖像分析為主線,針對(duì)當(dāng)前機(jī)器視覺(jué)平臺(tái)立體巡檢系統(tǒng)中:復(fù)雜背景下電氣設(shè)備紅外圖像的精確分割與溫度場(chǎng)統(tǒng)計(jì)分析問(wèn)題、紅外圖像下電氣設(shè)備類型及其故障狀態(tài)識(shí)別與分類問(wèn)題、現(xiàn)場(chǎng)指針儀表定位與精確識(shí)別問(wèn)題,進(jìn)行深入的算法優(yōu)化與改進(jìn)研究。主要內(nèi)容如下:(1)針對(duì)復(fù)雜背景下電氣設(shè)備紅外圖像的精確分割與溫度場(chǎng)統(tǒng)計(jì)分析問(wèn)題,提出了一種結(jié)合模糊集理論和k-means算法的改進(jìn)方法。首先,根據(jù)灰度級(jí)直方圖估計(jì)k值,利用直方圖均衡化和模糊集理論進(jìn)行圖像增強(qiáng)。然后通過(guò)k-means算法結(jié)合數(shù)學(xué)形態(tài)學(xué)的運(yùn)算再進(jìn)行圖像分割。最后對(duì)分割后的圖像進(jìn)行溫度場(chǎng)的統(tǒng)計(jì)分析。實(shí)驗(yàn)結(jié)果表明:該方法使文中圖像分割的四種評(píng)價(jià)指標(biāo)都有較大提升,并且提高了分割精度,增強(qiáng)了設(shè)備溫度場(chǎng)的細(xì)節(jié)表現(xiàn)能力。實(shí)驗(yàn)滿足了紅外圖像精確分割與溫度場(chǎng)的深入統(tǒng)計(jì)分析的要求,增強(qiáng)了目標(biāo)圖像分割效果。(2)針對(duì)紅外圖像下電氣設(shè)備類型及其故障狀態(tài)識(shí)別問(wèn)題,設(shè)計(jì)了一種FastPCA、PHOG特征加權(quán)融合的紅外圖像下電氣設(shè)備類型及故障識(shí)別系統(tǒng)。首先,討論了PCA、HOG特征提取方法、SVM及其改進(jìn)方法,提出了基于FastPCA、PHOG特征的加權(quán)融合混合描述子,設(shè)計(jì)了一種FastPCA與PHOG兩種特征加權(quán)融合的紅外圖像下電氣設(shè)備類型及故障識(shí)別系統(tǒng),然后應(yīng)用參數(shù)優(yōu)化工具進(jìn)行參數(shù)優(yōu)化,最后搭建了識(shí)別與分類軟件平臺(tái)。實(shí)驗(yàn)結(jié)果表明:該算法識(shí)別準(zhǔn)確率得到大幅提升,并且具有較高的魯棒性。實(shí)現(xiàn)了紅外圖像下電氣設(shè)備類型及其故障狀態(tài)的準(zhǔn)確識(shí)別,提高了識(shí)別系統(tǒng)的可靠性和穩(wěn)定性。(3)除紅外診斷方法外,為提高可見(jiàn)光下指針儀表的自動(dòng)匹配和讀數(shù)識(shí)別水平,針對(duì)變電所儀表匹配的精度與速度問(wèn)題,提出了基于SURF+FLANN交叉驗(yàn)證算法的儀表檢測(cè)改進(jìn)算法;在儀表指針識(shí)別方面,利用LOG變換對(duì)圖像增強(qiáng),結(jié)合累計(jì)概率霍夫變換對(duì)指針進(jìn)行檢測(cè),搭建了儀表定位與讀數(shù)識(shí)別系統(tǒng)。實(shí)驗(yàn)結(jié)果表明,算法改進(jìn)后儀表指針角度識(shí)別檢測(cè)誤差范圍小于3%,并且提高了圖像特征檢測(cè)匹配的魯棒性;提高了儀表定位與讀數(shù)識(shí)別系統(tǒng)的精度與魯棒性。本文針對(duì)機(jī)器視覺(jué)巡檢平臺(tái)中的三個(gè)突出問(wèn)題,分別提出了改進(jìn)算法,并通過(guò)Matlab和C++語(yǔ)言進(jìn)行實(shí)驗(yàn)驗(yàn)證和系統(tǒng)搭建。實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法在精度、速度、魯棒性等方面達(dá)到了實(shí)驗(yàn)預(yù)期效果。
【學(xué)位單位】：石家莊鐵道大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TM63;TP391.41
【部分圖文】：

1.1 課題的研究背景與意義截至 2016 年底，國(guó)家鐵路總公司高鐵運(yùn)營(yíng)里程超過(guò) 2.29 萬(wàn)公里，電氣化鐵路總里程超過(guò) 8.031 萬(wàn)公里，成就輝煌，但是隨著牽引變電所數(shù)量、巡檢里程的俱增，巡檢任務(wù)日益繁重。牽引供電系統(tǒng)的變電所作為電氣化鐵路供電系統(tǒng)中的心臟，要求它具有高度的可靠性，且必須保證不間斷地向機(jī)車供電。在變電所無(wú)人值守化的發(fā)展形勢(shì)下，隨著無(wú)人值守變電所的數(shù)量不斷增加，導(dǎo)致巡檢工作量、巡檢壓力迅速增加。并且由于關(guān)鍵設(shè)備巡檢不到位（漏檢、誤檢）每年造成巨大的經(jīng)濟(jì)損失，并且在崎嶇山區(qū)、高壓、高輻射等危險(xiǎn)性環(huán)境中人工巡檢風(fēng)險(xiǎn)大、效率低。人工巡視已經(jīng)不能滿足現(xiàn)代智能變電站的巡檢要求，利用結(jié)合機(jī)器視覺(jué)技術(shù)的巡檢方法可以輔助巡檢人員對(duì)于危險(xiǎn)環(huán)境、多頻次重復(fù)性工作、突發(fā)狀況等情況作出及時(shí)巡檢；并且有利于促進(jìn)巡檢標(biāo)準(zhǔn)的統(tǒng)一和多方法立體巡檢體系的形成。當(dāng)前變電所巡檢，工作人員根據(jù)巡檢經(jīng)驗(yàn)和知識(shí)對(duì)現(xiàn)場(chǎng)采集的電氣設(shè)備紅外、可見(jiàn)光圖像進(jìn)行分析和判斷[1]，但大量圖像與視頻缺少后臺(tái)自動(dòng)化分析功能。

.1 機(jī)器視覺(jué)在無(wú)人值守變電所巡檢中的應(yīng)用研究現(xiàn)狀隨著電氣設(shè)備智能化監(jiān)測(cè)與預(yù)測(cè)性維護(hù)的快速發(fā)展，機(jī)器視覺(jué)作為人展的重要分支，在工業(yè)監(jiān)測(cè)領(lǐng)域的應(yīng)用不斷升溫。機(jī)器視覺(jué)技術(shù)就是產(chǎn)品獲�。t外、可見(jiàn)光等）圖像信號(hào)，經(jīng)過(guò)圖像處理平臺(tái)提取特征特征判斷與診斷的多學(xué)科綜合技術(shù)。下面從國(guó)家政策、國(guó)內(nèi)外企業(yè)研，分析機(jī)器視覺(jué)技術(shù)在無(wú)人值守變電所中的應(yīng)用概況�！笆濉币詠�(lái)，國(guó)家電網(wǎng)大力推動(dòng)“堅(jiān)強(qiáng)智能電網(wǎng)”的建設(shè)。智能設(shè)也極大地推動(dòng)了基于遙視系統(tǒng)的智能分析、智能巡檢機(jī)器人、無(wú)人如圖 1-3 所示）的技術(shù)進(jìn)步與市場(chǎng)需求。其中在變電站智能巡檢機(jī)器人長(zhǎng)期來(lái)看，我國(guó)巡檢機(jī)器人潛在市場(chǎng)規(guī)模超過(guò)百億。例如，山東魯能有限公司自主研發(fā)設(shè)計(jì)的智能巡檢機(jī)器人已服務(wù)于全國(guó) 500 多個(gè)變電相關(guān)統(tǒng)計(jì)報(bào)告，2016 年前電力巡檢車市場(chǎng)，山東魯能智能占據(jù) 50%以額、浙江國(guó)自約 30%，其它公司如：新松、深圳朗馳欣創(chuàng)、大立等，開(kāi)拓電力巡檢機(jī)器人市場(chǎng)。

如下圖 2-2 所示，處理后的變壓器紅外圖像直方圖的修正關(guān)系式為Trprrrkrs()()d0= = （0 ≤r ≤1）中，T(r)為變換函數(shù)，T(r)需滿足 1≥T(r)≥0，pr(r)為圖像概率密度函度級(jí)， nNk、 為像素?cái)?shù)、總像素?cái)?shù)，該式在數(shù)字圖像處理中離散形式s()()00jkirkiikkPrNnT r === ==（0 ≤ r≤1,k=0,1,2…L 1）j
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊艷召;王建平;王庫(kù);李寒;;一種基于SURF的變電站開(kāi)關(guān)分合儀表識(shí)別算法[J];自動(dòng)化應(yīng)用;2015年08期

2 劉甲甲;李柏林;羅建橋;李立;;融合PHOG和MSLBP特征的鐵路扣件檢測(cè)算法[J];西南交通大學(xué)學(xué)報(bào);2015年02期

3 賈世杰;郜瑞芹;;基于PHOG特征及支持向量機(jī)的彎道自動(dòng)檢測(cè)[J];計(jì)算機(jī)工程與設(shè)計(jì);2014年07期

4 李佳;盛業(yè)華;張卡;段平;;變圓域羅盤(pán)特征圖像匹配[J];光學(xué)精密工程;2014年05期

5 王曉飛;聶生東;王遠(yuǎn)軍;;改進(jìn)的K-均值聚類算法及其在腦組織分割中的應(yīng)用[J];中國(guó)醫(yī)學(xué)物理學(xué)雜志;2014年02期

6 韓燁;劉志剛;韓志偉;楊紅梅;;基于SIFT特征匹配的高速鐵路接觸網(wǎng)支撐裝置耳片斷裂檢測(cè)研究[J];鐵道學(xué)報(bào);2014年02期

7 段紹輝;丁慶;夏晶;金立軍;;基于紅外圖像識(shí)別的電氣設(shè)備溫升檢測(cè)[J];機(jī)電工程;2014年01期

8 張彥;姚建剛;毛田;鄒濤;龔磊;;WebGIS紅外熱像零值絕緣子在線檢測(cè)系統(tǒng)[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2013年04期

9 李小紅;謝成明;賈易臻;張國(guó)富;;基于ORB特征的快速目標(biāo)檢測(cè)算法[J];電子測(cè)量與儀器學(xué)報(bào);2013年05期

10 房樺;蔣濤;李紅玉;羅浩;李健;楊國(guó)慶;;一種適用于智能變電站巡檢機(jī)器人的雙針儀表讀數(shù)的識(shí)別算法[J];山東電力技術(shù);2013年03期

相關(guān)博士學(xué)位論文 前2條

1 藺麗華;基于紅外成像的變電站設(shè)備安全預(yù)警關(guān)鍵技術(shù)研究[D];西安科技大學(xué);2014年

2 李佐勝;紅外熱像檢測(cè)絕緣子污穢等級(jí)的關(guān)鍵技術(shù)研究[D];湖南大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 臧文佳;基于內(nèi)容的視頻拷貝檢測(cè)方法研究[D];南京理工大學(xué);2017年

2 譚孝元;基于紅外成像技術(shù)的零值絕緣子檢測(cè)[D];西南交通大學(xué);2016年

3 謝新文;基于計(jì)算機(jī)視覺(jué)的電氣化鐵路絕緣子識(shí)別技術(shù)的研究[D];西南交通大學(xué);2016年

4 楊洋;電氣設(shè)備紅外圖像分析與處理[D];北京交通大學(xué);2015年

5 呂俊;基于場(chǎng)景約束的高壓設(shè)備紅外識(shí)別技術(shù)研究與應(yīng)用[D];安徽大學(xué);2015年

6 高幸;基于SVM的圖像分類與標(biāo)注方法的研究[D];北京交通大學(xué);2015年

7 楊春友;基于膚色分割和PCA的支持向量新穎檢測(cè)的人臉檢測(cè)研究[D];西南交通大學(xué);2013年

8 陳小丹;圖像配準(zhǔn)與拼接技術(shù)的研究[D];揚(yáng)州大學(xué);2013年

9 王哲;基于壓縮感知的運(yùn)動(dòng)目標(biāo)跟蹤算法的研究[D];昆明理工大學(xué);2013年

10 王娟;基于紅外圖像的膠囊缺陷檢測(cè)研究[D];中國(guó)計(jì)量學(xué)院;2013年

本文編號(hào)：2865316