论文部分内容阅读
当前变电站大都采用无人值守的方式,对于变电站中的一些不安全因素,完全靠远方监控中心的监控人员人工盯着,这样难免会由于人的疏忽而出现纰漏,而且在出现故障后,现场检修人员往往需要花费大量的时间和精力进行巡检工作来查找故障点。变电站场景中都悬挂有各类警示牌以警示人们,以免发生危险;固定位置摆放的消防器材可以在发生火情时及时进行取用灭火;绝缘子对高压设备起到重要的电气绝缘和机械固定作用。而警示牌的脱落、消防器材的搬离、绝缘子的破损都会妨碍变电站的安全运行。因此,我们需要一套工作场景安全检测系统,对变电站中的这些常见安全隐患进行智能监控,及时发现故障并进行预警,弥补人工监控可能造成的疏忽,并且可以通过对故障点的有效定位,节省检修人员现场定位的时间。本文设计了一种基于机器视觉的工作场景安全监测系统,该系统包含警示牌脱落的监测、消防器材搬离的监测、绝缘子破损的监测。在警示牌脱落和消防器材搬离监测中,根据警示牌和消防器材的在变电站场景中独特的颜色和形状特征,提出了基于颜色的图像分割和基于形状的ROI提取的识别策略并完成了警示牌和消防器材的准确识别,在这个识别的基础之上对识别定位到的部位进行监控,以检测区域内的警示牌是否出现脱落,消防器材是否被搬离。在绝缘子破损监测中,提出了一种基于HOG特征和SVM分类器的绝缘子识别定位方法,对于SVM分类器过于依赖样本数量的问题,先对图像进行了分割和形态学处理,再送入SVM进行分类检测,以实现绝缘子识别定位;基于该定位信息,再采用仿射变换对绝缘子伞裙弧度进行校正,最后根据绝缘子独特的形状特征,以其灰度统计图所展现出的波峰波谷相间分布的规律作为特征判据识别出了绝缘子的破损部位。最后在对系统进行了多角度测试并验证了警示牌脱落监测、消防器材搬离监测和绝缘子破损监测等各个模块的可行性与系统的可靠性。