[发明专利]基于巡检机器人的避雷器识别方法

权利要求书

1.一种基于巡检机器人的避雷器识别方法，其特征在于，包括以下步骤：

步骤1、利用避雷器仪表图像数据集训练Adaboost分类器，并为每个巡检点选取一张在该巡检点拍摄的仪表居中的图像作为模板图像，巡检机器人通过定位导航到达指定巡检点，获取现场避雷器图像用于避雷器检测识别；

步骤2、对待检测的现场避雷器图像进行粗定位和精确定位，筛选目标候选区域得到避雷器图像；

步骤3、提取数字区域，并对数字区域进行倾斜校正，对矫正后的图像使用中值平滑滤波抑制其中的椒盐噪声，然后进行灰度值均衡化与局部自适应二值化，消除由于光照不均匀对图像产生的影响，使数字呈白色，背景呈黑色；

步骤4、采用双向投影法对目标区域进行分割操作，得到单个数字图像；

步骤5、提取单个数字图像中的图像特征，使用模板匹配的方法对单个数字图像进行识别，判断单个数字图像与数字模板的匹配率是否高于设定的阈值，若是，直接执行步骤8，若否，则执行步骤6；

步骤6、将步骤1避雷器仪表图像数据集中的数字部分裁剪出来，对人工神经网络进行训练；

步骤7、调用训练好的人工神经网络重新识别单个数字图像；

步骤8、根据单个数字在图像中的坐标对其进行排序，得到避雷器数字显示部分的读数。

2.根据权利要求1所述的基于巡检机器人的避雷器识别方法，其特征在于，步骤2中对待检测的现场避雷器图像进行粗定位和精确定位，筛选目标候选区域得到避雷器图像的具体步骤为：

步骤2-1、利用梅林傅里叶变换和相位相关技术对待检测图片中的目标避雷器区域进行粗定位；

步骤2-2、利用机器学习的方法对目标避雷器区域进行精确定位，将粗定位图像送入训练过的分类器，得到若干个目标候选区域；

步骤2-3、分别将每个目标候选区域与粗定位目标避雷器区域求交并比参数IOU，将每个目标候选区域图像与模板图像中的避雷器区域图像做感知哈希计算，获得感知哈希指标，计算每个目标候选区域图像与模板图像的互信息指标，筛选目标候选区域得到避雷器。

3.根据权利要求2所述的电力巡检机器人的避雷器识别方法，其特征在于，步骤2-3感知哈希指标、交并比参数IOU和互信息指标I(G_(X),H_(Y))的具体计算方法分别为:

(1)将目标候选区域图像与模板图像缩放到同一大小，进行余弦变换，选取余弦变换后的图像左上角的低频区域，去除坐标(0,0)的直流分量得到特征向量，计算目标候选区域图像与模板图像的特征向量的汉明距离，作为感知哈希指标；

(2)交并比参数IOU具体计算公式为：

式中，C为粗定位目标断路器区域，n_i为目标候选区域；

(3)互信息指标I(G_(X),H_(Y))的计算公式为：

G_(X)、H_(Y)分别为模板图像与候选图像灰度像素的数目，W、H分别为候选区域图像宽、高。

4.根据权利要求2所述的电力巡检机器人的避雷器识别方法，其特征在于，步骤2-3中筛选目标候选区域得到避雷器的具体方法为：

将每一候选区域的交并比IOU、互信息、感知哈希pHash三种指标做加权求出该候选区域的置信度,其中D为一常数：

Confidence＝1-(pHash+1/I(G_(X),H_(y)))/(IOU+D)

按照所有候选区域的置信度从大到小排序，求出置信度最大的区域，该区域作为备选检测结果，若备选检测结果的IOU满足同时小于设定阈值thresholdIOU且(pHash+1/I(G_(X),H_(Y)))大于阈值thresholdA时，将步骤2-2确定的粗定位目标避雷器区域作为最终目标，否则以备选检测结果作为最终目标。