[发明专利]一种基于机器视觉的隔离开关合闸操作到位的判断方法

权利要求书

1.一种基于机器视觉的隔离开关合闸操作到位的判断方法，其特征在于，包括如下步骤：

步骤S1、首先利用深度学习算法，通过现场采集大量样本进行训练，获取训练模型；

步骤S2、基于深度学习模型，实现刀闸的初步定位和状态判断，此处状态主要分为刀闸臂接触和刀闸臂分开两个状态；

步骤S3、提取刀闸图像特征，包括刀闸的形状、尺寸以及周围物体特征，进一步确定刀闸位置；

步骤S4、利用步骤S2和步骤S3实现刀闸精确定位；

步骤S5、根据刀闸定位信息获取刀闸位置坐标，并提取刀闸所在局部区域的边缘线；

步骤S6、在刀闸运动过程中，计算刀闸两臂边缘线间的角度，根据角度和深度学习分类结果对刀闸状态进行判断；

步骤S7、为方便用户直观观测刀闸的实时状态，在检测过程中会在刀闸视频中实现显示刀闸边缘线、刀闸角度以及开合状态。

2.根据权利要求1所述的一种基于机器视觉的隔离开关合闸操作到位的判断方法，其特征在于，所述步骤S1中获取训练模型的方法为：

S11、首先现场采集刀闸各个状态下的图像作为训练样本，主要包括不用角度、不同状态、不同形状和不同环境的刀闸图像，以保证训练得到的模型具有更强的适应性；

S12、根据刀闸的不同状态对刀闸图像进行标记；

S13、利用Faster-RCNN方法进行模型训练，获取训练模型；

S14、利用SSD方法进行模型训练，获取训练模型。

3.根据权利要求1所述的一种基于机器视觉的隔离开关合闸操作到位的判断方法，其特征在于，所述步骤S3中提取刀闸图像特征，包括刀闸的形状、尺寸、颜色以及周围物体特征，进一步确定刀闸位置的方法为：

S31、首先根据深度模型定位结果获取刀闸的初步定位位置，然后在该位置的局部区域内对刀闸图像进行轮廓分析，获取刀闸轮廓；

S32、由于刀闸在图像中占据显著位置，所以可以根据已知的刀闸尺寸信息剔除不可能为刀闸的轮廓；

S33、检测刀闸局部区域附近的物体特征，进一步剔除干扰刀闸位置；

S34、基于步骤S32和步骤S33获取确定刀闸位置。

4.根据权利要求1所述的一种基于机器视觉的隔离开关合闸操作到位的判断方法，其特征在于，所述步骤S5中提取刀闸边缘线的方法为：

S51、首先将刀闸图像处理为灰度图像，并对灰度图像进行高斯模糊以减少图像噪声的干扰；

S52、计算降噪后的图像中每个像素点的梯度值和方向，对每个像素点的梯度值进行非极大值抑制，得到图像边缘点集合；

S53、采用双阈值方法获得图像的边缘阵列，并进行边缘连接；

S54、计算所有边缘线角度，获取所有平行边缘线集合；

S55、遍历所有平行边缘线集合，剔除干扰边缘线，获取刀闸边缘线集合：

（1）计算背景和前景图像方向；

（2）计算边缘线方向；

（3）根据前景图像方向剔除干扰边缘线，获取刀闸边缘线集合；

S56、获取所有刀闸边缘线。

5.根据权利要求1所述的一种基于机器视觉的隔离开关合闸操作到位的判断方法，其特征在于，所述步骤S6中计算刀闸两臂边缘线间的角度，并根据角度对刀闸状态进行判断的方法为：

S61、在刀闸由开到合或由合到开过程中，获取刀闸两臂的边缘线；

S62、计算两臂边缘线间的夹角；

S63、将刀闸状态分为三种，刀闸边缘线角度小于3度时判定刀闸为合状态，刀闸边缘线角度为3-15度时判定刀闸为虚合状态，刀闸边缘线角度大于15度时判定刀闸为开状态；

S64、根据刀闸两臂角度实时显示刀闸开/合状态。