[发明专利]一种避雷器仪表读数的自动识别方法

说明书

本发明公开了一种避雷器仪表读数的自动识别方法，将避雷器仪表的识别分为区域分割和读数识别两部分；首先利用连通域检测算法和矩形拟合算法将仪表表盘分割成多个区域；然后利用先验知识检测这些区域，保留代表指针区域和数字区域的连通域；再次对两个连通域进行最小面积矩形拟合，得到两个具有偏转角度的矩形；根据角度对图像进行旋转校正，然后从校正图像中分割出指针和数字区域；最后，分别利用角度法和卷积神经网络法对指针区域和数字区域进行读数识别。本发明能够同时完成指针读数识别和数字读数识别，能够对图像进行有效的校正，提高读数的精确度。

技术领域

本发明属于图像识别技术领域，特别涉及一种避雷器仪表读数的自动识别方法。

背景技术

避雷器是变电站内专门用于限制雷电过电压或操作过电压的一种电气设备，内部含有一个电阻值随电压发生变化的阀片。在额定电压下，阀片电阻值很大，相当于一个绝缘体，此时流过该阀片的电流值很小且稳定；当两端电压超过阈值后，阀片被导通，会有很大的电流通过阀片，然后倒入大地，这样就避免了大电流冲击其他并联的设备，以此完成过电压保护；当电压恢复时，阀片状态恢复为绝缘，电流值也随之恢复。阀片在经受过电压冲击后，很可能受损，因此需要经常检测避雷器的工作状况。

为了便于检测避雷器的工作状况，设备上配置有一个避雷器仪表。仪表表盘上含有指针和数字两个读数区域：指针的读数代表流过避雷器的电流值，数字读数代表该避雷器受到雷击次数(经受过电压冲击的次数)。电流值的大小和避雷器异常状况直接相关，是巡检时需要记录的关键数据；为确保避雷器能够正常工作，在其受到过电压冲击后，需要进行一次彻底的人工检查，因此，雷击次数同样需要记录。目前，这种记录工作仍然由人工完成，这种方式一方面容易出现漏检，另一方面记录的数据和真实数据容易出现较大偏差。因此，需要一种自动化的仪表识别记录过程。

目前的仪表识别，所处理的对象都是具有单一读数区域的仪表。对于指针式仪表的识别，常用的方法是通过直线拟合检测表盘上的指针，然后利用角度信息和先验知识计算读数。这种方法适用于指针长度与表盘长度接近且指针颜色纹理较明显的仪表；当仪表位置较正时，指针读数比较精确，但是当拍摄的仪表出现倾斜时，识别的结果往往偏差较大。因此，不适合处理变电站内摆放位置不一的仪表，且对于避雷器仪表的指针识别失效。

对于数字式仪表的识别，方法较多，包括模板匹配法、统计决策法、BP神经网络法等。其中，模板匹配法是通过将待识别的数字和模板库中的模板数字进行比较，以相似度最大的那一个模板所对应的数字作为识别结果；该方法在识别印刷数字时效果很好，但是易受噪声干扰，不适合识别室外仪表。统计决策法难以反映数字中的细小特征，所以使用较少。BP神经网络法能够在训练过程中不断地学习和修改各级参数，从而达到对训练样本极佳的分类效果；但是它过度依赖于输入特征向量的选取。此外，目前所研究的数字式仪表，不需要进行区域的分割，重点都在分类识别上；而避雷器仪表中的数字区域较小，需要在分割后才能处理，所以要对现有的方法进行改进。

发明内容

本发明的目的是为了提供一种自适应强的、能够同时完成指针读数识别和数字读数识别的避雷器仪表读数的自动识别方法。

为此，本发明的技术方案是：一种避雷器仪表读数的自动识别方法，包括以下步骤：

1)图像预处理：利用高斯金字塔下采样图像，将输入的仪表图像降低分辨率，然后将彩色图像转换为灰度图像，并对灰度图像进行滤波处理；

2)区域分割：根据仪表识别区域的特点，确定图像分割的具体流程如下：

a1)边缘提取和形态学处理；使用Canny算子进行边缘检测，得到一个二值图像，然后利用膨胀处理连接断裂的边缘；

a2)连通域检测；以像素的8领域为邻接关系，寻找并标记图像中的连通域，整幅图像将被分成N个连通域；

a3)计算每个连通域的外接矩形；包含某个连通域的所有像素点的正矩形就是这个连通域的外接矩形；