图像识别技术在电力设备监测中的应用

图像识别技术在电力设备监测中的应用

发表时间：2019-06-06T08:55:45.450Z 来源：《电力设备》2019年第3期作者：贾一博[导读] 摘要：在电力设备监测工作中，图像识别技术的应用对于提高监测的效率和质量都有重要的作用。 (内蒙古电力（集团）有限责任公司乌海电业局内蒙古乌海市 016000) 摘要：在电力设备监测工作中，图像识别技术的应用对于提高监测的效率和质量都有重要的作用。文章对电力设备监测中图像识别技术的识别与分析功能以及电力设备异常状态监测进行了分析。

关键词：图像识别技术；电力设备检测；应用

0 引言

随着我国国民经济的快速增长，全社会的用电量猛增，电力系统作为国民经济的重要基础产业，其安全性、可靠性与稳定性是保障国民经济更好更快发展的重要前提。近年来，图像识别技术的不断发展，为电力系统提供了有效帮助。本文结合图像识别技术与行为分析功能，针对电力无线专网应用，建立在线监测的人机交互系统，自动对电力设备的故障做出及时判断[1]，在减少事故发生率的同时，大大提高工作效率。

1.图像识别技术应用于电力设备监测的背景

变电站的正常运行是靠高压设备绝缘检测、继电保护装置等各种系统和装置来维持的，这些系统也保证了变电系统的安全和稳定。目前，在电力设备监测系统的运行方面还存在一定不足和缺陷，例如，在数据传输方面存在一定问题，数据的正常传输会受高压电场的影响。还有一种问题是电信号转换方面的问题，即一些征兆信号和运行参数不容易通过接触测量转换电线信号，即使采用微机监测的方式也很难进行获取。在设备运行线监测方面，目前已经有了遥视系统，遥视系统在电力系统的安全运行方面发挥重要作用。随着电网建设规模的不断增加，变电站数量也急剧增加，所以需要进行监测的目标的数量大大增加，相应的需要传输的数据量也在不断增加，这种情况导致电力调度人员在对电力系统进行监测时，需要对远程图像和数据的进行了分析并作出判断，工作量大大增加。在电力行业的很多专家和学者都在致力于远程图像的采集、传输等研究，如何降低工作人员的工作强度，提高工作效率也是研究的中重点。

为提高电力设备自动监测水平，将图像识别技术应用于电力设实时监测的方案被提出。这种方案的以现有的电力设备视频监测系统为基础，利用图像识别系统作为辅助进行工作。这种系统的优势是不需对原有的系统进行更换，不仅增加了功能，还节省了更换设备的成本，经济性很高。

2.图像识别与分析

图像识别系统对图像识别与分析存在很多困难，会受到很多因素的干扰，引入噪声，导致图像的质量变低，为图像识别和分析带来很大的困难，引入噪声的因素通常有电荷耦合元件的畸变、聚焦效果差等，另外，环境方面的干扰也会使对图像的采集质量造成干扰。图像识别系统的工作的第一步是先对图像进行预处理，之后对图像进行分割，把目标电力设备分割出来，增加识别的精细度。

2.1图像预处理

图像识别系统预处理需分很多步骤，第一步要将收集到的原图像进行灰度化处理，处理后的图像就可以叫做灰度图；第二步是对灰度图进行滤波处理，由于滤波处理对消减噪声很有效果，所以采取滤波来消减图像的噪声，使图像质量得到提高，使系统更容易识别。进行滤波处理所要使用的模板是加入权系数的平滑模板。图像平滑滤波处理的过程所采取的是低通滤波，使用这种方式过滤图像，对高频正信号的过滤效果比较好，但在这一过程中也会使图像的边缘部分的高频噪声被过滤掉，进而导致图像的边缘变得模糊不清，降低图像整体质量。解决这种问题的措施是采用直方图均衡处理，平滑滤波处理与方正图均衡处理相结合，不仅可以图像噪音还避免了边缘模糊化问题。

2.2图像分割

图像分割是指将图像表示为具有物理意义的多连通区域的集合。分割图像需要根据一定的依据，不同的图像在颜色、纹理以及亮度这些特征上都有着一定的差异，因此，可以依据这些特征，对图像进行分割。对图像进行分割可以提高地图像识别和分析的效率，分割的准确性也会影响到后续的工作，为了保证图像识别的质量，要严格把握分割的精度。

对图像分割的依据是图像的颜色、几何性质等，将图像中含义不同的区域分割开，每个区域都有相同的特征。例如，对某一物体的图像进行分割，需要把图像中物体的像素与背景进行分离，区分不同物体的像素，分割形成的区域需要满足三个条件。第一，不同但相邻的两个区域之间要存在明显的差异；第二，分割区域边界要保持完整，有利于定位的精准。 3目标识别

目标识别是指一个特殊目标从其他目标中被区分出来的过程，即要求回答一张图像中是否包含某种物体，判别图像中所包含物体的类别，判别出目标的身份，对其定性。作为高层计算机视觉应用，目标识别在诸多视觉领域得到广泛应用，如大规模图像检索等。本文人机交互系统采用深度学习模型[4，5]。该模型通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。它是一种源于人工神经网络的概念，通过模仿大脑神经元之间的传递和处理信息的模式来解决问题。其思想是堆叠多个层，以实现对输入信息的分级表达，是含多个隐层的多层感知器结构模型[6]。深度学习模型相较传统识别算法而言，节省了大量计算时间，且计算精准，还具有良好的可塑性与普适性，便于未来在线监测系统功能的更新与增加。分割之后的区域应该还要具有均匀性和连通性。均匀性是指区域内的像素点在色彩、纹理等特征上要有相似性，连通性是指在两种区域之间可以进行连接。

4.结束语

通过分析可以看出电力设备运行状态监测工作图像识别技术中图像的识别与分析的过程包括图像预处理和图像分割，电力设备异常状态监测的过程包括变电站图像监测，电力设备状态监测与分析。应用图像识别技术可以很好监测电力设备的运行状况，减少调度人员的工作量，提升电力设备监测的自动化程度。图像是被技术子在电力设备监测中的应用还处于初级阶段，具有非常大的发展前景。

参考文献：

[1]靳涛，辛志勇.图像识别技术在电力设备在线监测中的应用[J].2013，(30)：88-91.

[2]张天捷.图像识别技术在电力设备监测中的应用[J].工业b.2015，(66)：00173-00173.

[3]冯俊.基于图像分析的电力设备故障检测技术研究[J].现代电子技术.2015，(24):7-11.