[发明专利]基于区域生长法的变电站设备红外图像分类识别方法

说明书

本发明涉及一种基于区域生长法的变电站设备红外图像分类识别方法，对变电站巡检机器人监控系统采集的变电站设备红外图像进行分类识别，包括以下步骤：获取红外图像中的最高温度点区域；利用Otsu法确定区域生长法的最优分割阈值；将最高温度点区域作为区域生长法的种子点，以最优分割阈值作为区域生长法的约束，基于8‑连通方向编码的边界跟踪法完全提取出目标设备的轮廓；根据目标设备的轮廓计算获得目标设备的Hu形状特征向量；将归一化后的Hu形状特征向量输入训练好的BP神经网络中，获得目标设备的设备名称。与现有技术相比，本发明具有识别迭代步数少、精度高、易于拓展使用等优点，具有一定的应用价值。

技术领域

本发明涉及变电站巡检机器人监控系统中变电设备红外热像图的热缺陷诊断问题，尤其是涉及一种基于区域生长法的变电站设备红外图像分类识别方法。

背景技术

电网的巡检维护作业是电网安全可靠运行的基本保障，是电网持续稳定供电的根本保证。随着移动机器人技术与自动化技术的发展，将机器人技术与电力应用相结合，为电网的维护提供了新的巡检方式。随着计算机技术和自动化技术的发展，利用变电站巡检机器人对变电站设备进行巡检成为推进少人或无人智能变电站进程的重要手段，利用移动机器人对变电站设备巡检已成为电力公司和科研单位的研究热点。目前变电站巡检机器人已在500～1 000kV各电压等级变电站得到示范应用，该巡检方式可有效解决人工巡检存在的缺陷或隐患等问题。

在变电站巡检机器人例行设备状态检测中，红外图像诊断技术可以实现设备不用停运、不用取样、不用解体等情况下的状态检修工作，对巡检机器人传送到后台监控系统的变电设备红外图像进行处理，从而对电力设备所存在的隐患和缺陷进行定位、最终实现定量的故障诊断。红外图像诊断技术越来越成为变电站状态检修的关键技术，在弥补因人为因素带来的状态检修的缺陷方面发挥重要作用。

在实际变电站巡检机器人监控系统中，可通过红外图像中设备的轮廓识别出目标设备的名称，但现有监控系统中针对图像中目标设备分类识别问题，往往存在分不出、错分、无法分等问题。而针对红外图像的识别问题，目标特征的选取直接影响到分类识别的准确度，进而影响到红外热诊断技术的应用，而对于性能优、易于实现的特征向量的选取上缺少统一参考标准。总体来说，变电站巡检机器人监控系统中红外图像的目标设备轮廓分割、特征提取尚没有统一的标准，仅通过图像分割和识别的效果来衡量其的好坏，影响了红外图像的识别准确度。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于区域生长法的变电站设备红外图像分类识别方法。

本发明的目的可以通过以下技术方案来实现：

一种基于区域生长法的变电站设备红外图像分类识别方法，对变电站巡检机器人监控系统采集的变电站设备红外图像进行分类识别，包括以下步骤：

1)获取红外图像，对该红外图像进行图像增强预处理，利用最小二乘法拟合所述红外图像YUV格式中亮度值与实际温度值之间的线性关系，获得红外图像中的最高温度点区域；

2)利用Otsu法确定区域生长法的最优分割阈值；

3)将所述最高温度点区域作为区域生长法的种子点，以所述最优分割阈值作为区域生长法的约束，基于8-连通方向编码的边界跟踪法寻找下一个待合并的目标像素，直至完全提取出目标设备的轮廓；

4)根据所述目标设备的轮廓计算获得目标设备的Hu形状特征向量，并进行归一化；

5)将归一化后的Hu形状特征向量输入训练好的BP神经网络中，获得目标设备的设备名称。

进一步地，步骤1)中，所述图像增强预处理包括中值滤波处理和阈值滤波处理。

进一步地，步骤1)中，所述最高温度点区域通过以下方式获得：