基于機(jī)器視覺應(yīng)用的電力設(shè)備識(shí)別技術(shù)研究

許臻，吳王強(qiáng)，羅雪紅，朱大偉，陳相吾

（1.陜西省地方電力（集團(tuán)）有限公司渭南供電分公司，陜西渭南，714000；2.陜西能源研究院有限公司，陜西西安，710061）

機(jī)器視覺技術(shù)近年來的迅猛發(fā)展，為巡檢工作提供了有效的技術(shù)支持。眾所周知，巡檢進(jìn)程中會(huì)生成海量的圖像信息，人工檢測(cè)的力量畢竟有限，難以針對(duì)這些海量的圖像信息進(jìn)行篩選，而通過機(jī)器視覺技術(shù)的應(yīng)用，能夠全面提高信息數(shù)據(jù)的處理效率，在短時(shí)間內(nèi)尋找到相關(guān)的信息內(nèi)容，以此來針對(duì)電力設(shè)備進(jìn)行準(zhǔn)確的識(shí)別，為故障診斷、處理奠定基礎(chǔ)。近年來各種新興技術(shù)的不斷應(yīng)用，機(jī)器視覺技術(shù)也在這個(gè)過程中不斷突破，尤其是深度學(xué)習(xí)、人工智能等新興技術(shù)的應(yīng)用，機(jī)器視覺在各個(gè)領(lǐng)域的應(yīng)用越來越廣泛[1]。對(duì)電力行業(yè)來說，機(jī)器視覺是推進(jìn)電力系統(tǒng)智能化建設(shè)的重要技術(shù)，基于機(jī)器視覺進(jìn)行電力設(shè)備識(shí)別，能夠?yàn)殡娏ο到y(tǒng)提供穩(wěn)定、實(shí)時(shí)的監(jiān)測(cè)支持，對(duì)電力系統(tǒng)安全、穩(wěn)定運(yùn)行具有重要的意義。

1 基于機(jī)器視覺的圖像處理與識(shí)別目標(biāo)提取技術(shù)

圖像處理技術(shù)作為模式識(shí)別領(lǐng)域當(dāng)中至關(guān)重要的一部分，其是機(jī)器視覺技術(shù)應(yīng)用的基礎(chǔ)所在。從當(dāng)前機(jī)器視覺發(fā)展動(dòng)態(tài)來看，常用的基于機(jī)器視覺的模式識(shí)別流程如圖1所示。

圖1 機(jī)器視覺處理流程

從當(dāng)前廣泛應(yīng)用的圖像識(shí)別技術(shù)來看，具體的識(shí)別過程主要包含以下幾個(gè)部分：首先，圖像獲取。綜合利用各種傳感器，如光學(xué)攝像機(jī)，讓系統(tǒng)能夠獲取與視覺世界完全對(duì)應(yīng)的二維圖像信息。其次，圖像預(yù)處理。系統(tǒng)針對(duì)原始圖像進(jìn)行預(yù)處理，包括二值化、灰度化、變換、去噪、增強(qiáng)、變換等，使得預(yù)處理完成的成像質(zhì)量可以滿足后期各種處理。再者，特征提取。從表面上來看，圖像特征呈現(xiàn)為一維的數(shù)字向量，而向量當(dāng)中的數(shù)字組合能夠針對(duì)圖片當(dāng)中的內(nèi)容進(jìn)行描述[2]。綜合利用幾何學(xué)、統(tǒng)計(jì)學(xué)實(shí)施處理，選擇性提出能夠盡可能完整表達(dá)識(shí)別對(duì)象內(nèi)在特征的相關(guān)描述算子，最終獲取圖像特征向量[3]。最后，識(shí)別與分類。通過選擇科學(xué)的及其學(xué)習(xí)分類器，針對(duì)圖片進(jìn)行分類處理，最終完成圖像識(shí)別的任務(wù)。

■1.1 圖像預(yù)處理

基于機(jī)器視覺應(yīng)用的電力設(shè)備識(shí)別技術(shù)，圖像一般是通過視頻采集卡、工業(yè)攝像機(jī)、光電轉(zhuǎn)換設(shè)備等設(shè)施進(jìn)行采集，然后針對(duì)相關(guān)信息進(jìn)行儲(chǔ)存，抑或是直接同步到遠(yuǎn)程系統(tǒng)當(dāng)中。因?yàn)殡娏υO(shè)備本身所處的外部環(huán)境相對(duì)較為復(fù)雜，各種外部干擾因素，會(huì)導(dǎo)致信號(hào)傳輸產(chǎn)生負(fù)面影響，導(dǎo)致圖像質(zhì)量受到影響[4]。與此同時(shí)，圖像采集設(shè)備存在問題，都會(huì)導(dǎo)致最終圖像質(zhì)量較差，如不良曝光問題、噪點(diǎn)問題等。圖像質(zhì)量過低，不僅會(huì)對(duì)人類視覺產(chǎn)生影響，對(duì)機(jī)器視覺同樣會(huì)造成負(fù)面影響[5]。因此，針對(duì)圖像預(yù)處理就成為機(jī)器視覺識(shí)別的關(guān)鍵所在，綜合利用圖像去噪，全面提升圖像的細(xì)節(jié)部分，使得信噪比得以顯著提升，讓圖片信息變得更為清晰、干凈，為后續(xù)機(jī)器視覺識(shí)別奠定良好的基礎(chǔ)。根據(jù)當(dāng)前常用的圖像預(yù)處理技術(shù)來看，主要包含圖像灰度化、圖像分辨、圖像去噪、邊緣檢測(cè)、圖像增強(qiáng)、數(shù)學(xué)形態(tài)學(xué)處理等。

■1.2 圖像特征提取

門型隔離開關(guān)位于背景相對(duì)較為復(fù)雜的變電站環(huán)境，變電站內(nèi)部各式各樣的電氣設(shè)備也非常復(fù)雜，同時(shí)各個(gè)電氣設(shè)備的外形較為類似，相互之間又存在遮擋現(xiàn)象，導(dǎo)致識(shí)別難度非常高。要想滿足上述復(fù)雜環(huán)境下的電力設(shè)備識(shí)別，首要任務(wù)在于針對(duì)刀閘實(shí)施分析處理，尋找到能夠有效描述身份特征的算子，然后實(shí)施特征提取[6]。對(duì)于該特征算子的要求主要在于兩個(gè)方面：一方面，選擇的特征要可以針對(duì)設(shè)備進(jìn)行精準(zhǔn)的描述，同時(shí)可以與其他電氣設(shè)備進(jìn)行區(qū)分。另一方面，特征提取必須要滿足機(jī)器視覺識(shí)別過程的實(shí)時(shí)性要求，同時(shí)要能夠滿足準(zhǔn)確率方面的要求。圖像特征作為圖像內(nèi)容的一種表達(dá)式，其是進(jìn)行圖像識(shí)別的重中之重。從當(dāng)前廣泛應(yīng)用的圖像特征來看，主要包含輪廓、顏色、紋理等。

2 基于機(jī)器視覺應(yīng)用的電力設(shè)備識(shí)別系統(tǒng)設(shè)計(jì)

為進(jìn)一步分析基于機(jī)器視覺應(yīng)用的電力設(shè)備識(shí)別系統(tǒng)，本研究以電氣控制柜壓板開關(guān)狀態(tài)識(shí)別為例進(jìn)行分析。眾所周知，電氣控制柜開關(guān)作為電力設(shè)備當(dāng)中不可或缺的一部分，實(shí)現(xiàn)電氣控制柜壓板開關(guān)狀態(tài)識(shí)別，無疑是基于機(jī)器視覺應(yīng)用的電力設(shè)備識(shí)別系統(tǒng)全面應(yīng)用的基礎(chǔ)[7]。從基于機(jī)器視覺應(yīng)用的電力設(shè)備識(shí)別系統(tǒng)所需的設(shè)備來看，主要包含圖像處理器、光源、鏡頭等，詳細(xì)設(shè)計(jì)方案如下：

■2.1 基于機(jī)器視覺應(yīng)用的電力設(shè)備識(shí)別系統(tǒng)架構(gòu)

基于機(jī)器視覺應(yīng)用的電氣控制柜壓板開關(guān)識(shí)別系統(tǒng)主要包含圖像采集系統(tǒng)、目標(biāo)開關(guān)位置識(shí)別、狀態(tài)識(shí)別算法等功能，詳細(xì)結(jié)構(gòu)如圖2所示。

圖2 電氣控制柜壓板開關(guān)識(shí)別系統(tǒng)架構(gòu)圖

2.1.1 圖像信息采集與開關(guān)信息收集

針對(duì)電氣控制柜壓板開關(guān)進(jìn)行圖像數(shù)據(jù)采集通常可以引入兩種方案：其一，基于導(dǎo)航機(jī)器人完成自動(dòng)采集，通過在電力柜前方進(jìn)行機(jī)器人導(dǎo)軌的安裝，同時(shí)為機(jī)器人設(shè)置監(jiān)測(cè)相機(jī)，基于實(shí)時(shí)拍攝模式來獲取相關(guān)數(shù)據(jù)，最終利用網(wǎng)絡(luò)將對(duì)應(yīng)的信息傳輸?shù)綑C(jī)器視覺處理器。另外一種則是直接利用智能前端采集數(shù)據(jù)，通過在智能前端中植入機(jī)器視覺技術(shù)，通過前端處理以后將對(duì)應(yīng)的信息傳輸?shù)较到y(tǒng)。

2.1.2 開關(guān)位置監(jiān)測(cè)與狀態(tài)識(shí)別

電氣控制柜壓板開關(guān)識(shí)別系統(tǒng)獲取的信息當(dāng)中不僅包含開關(guān)，同時(shí)也包含標(biāo)簽信息。從當(dāng)前較為主流的目標(biāo)監(jiān)測(cè)算法來看，當(dāng)前都是基于深度學(xué)習(xí)模型來建立機(jī)器視覺，通過卷積神經(jīng)網(wǎng)絡(luò)針對(duì)電氣控制柜壓板開關(guān)圖像的對(duì)應(yīng)特征圖進(jìn)行識(shí)別，接著通過上述特征圖實(shí)施分類處理，使得開關(guān)狀態(tài)識(shí)別任務(wù)能夠直接轉(zhuǎn)化為二分類任務(wù)[8]。

2.1.3 后期結(jié)果處理及報(bào)警

基于機(jī)器視覺應(yīng)用的電力設(shè)備識(shí)別技術(shù)研發(fā)，主要目的在于針對(duì)人力成本進(jìn)行有效的控制，同時(shí)提升電力設(shè)備識(shí)別的精準(zhǔn)度。因此，對(duì)于基于機(jī)器視覺應(yīng)用的電氣控制柜壓板開關(guān)識(shí)別系統(tǒng)來說，后期結(jié)構(gòu)處理及報(bào)警同樣是至關(guān)重要的環(huán)節(jié)，系統(tǒng)需要根據(jù)監(jiān)控獲取的圖像信息進(jìn)行綜合判斷，以此來進(jìn)行結(jié)果處理?；跈C(jī)器視覺應(yīng)用的電氣控制柜壓板開關(guān)識(shí)別系統(tǒng)進(jìn)行結(jié)果處理的第一步任務(wù)在于去重，接著實(shí)施排序操作處理，分貝將識(shí)別結(jié)果與電控制柜上面的開關(guān)進(jìn)行對(duì)應(yīng)。去重的主要目標(biāo)在于獲取檢測(cè)結(jié)果的歐氏距離，基于經(jīng)驗(yàn)閉值的設(shè)置，判斷兩個(gè)檢查結(jié)果之間是否存在重復(fù)問題，最終保留目標(biāo)預(yù)測(cè)概率相對(duì)較大的檢測(cè)結(jié)果。倘若漏檢的比例高于提前設(shè)置的閾值，即證明該次識(shí)別結(jié)果無效，應(yīng)當(dāng)再次進(jìn)行識(shí)別。系統(tǒng)最后將排序結(jié)果與開關(guān)識(shí)別進(jìn)行融合之后，將相關(guān)信息傳輸?shù)较到y(tǒng)當(dāng)中，保障系統(tǒng)設(shè)置與處理結(jié)果之間能夠保持一致，倘若存在偏差，系統(tǒng)可以直接進(jìn)行報(bào)警[9]。

■2.2 目標(biāo)開關(guān)位置識(shí)別

針對(duì)目標(biāo)開關(guān)位置所進(jìn)行的識(shí)別涉及以下兩個(gè)流程：其一是針對(duì)目標(biāo)開關(guān)實(shí)施定位；其二是針對(duì)目標(biāo)開關(guān)狀態(tài)實(shí)施監(jiān)測(cè)識(shí)別?；跈C(jī)器視覺應(yīng)用的電氣控制柜壓板開關(guān)識(shí)別系統(tǒng)，主要是采用RPN網(wǎng)絡(luò)，其可以劃分為卷積神經(jīng)網(wǎng)絡(luò)、RPN網(wǎng)絡(luò)，卷積神經(jīng)網(wǎng)絡(luò)的作用在于針對(duì)圖像特征圖進(jìn)行提取輸入，RPN網(wǎng)絡(luò)則是針對(duì)提取完成的特征圖實(shí)施區(qū)域監(jiān)測(cè)。綜合參考基于機(jī)器視覺應(yīng)用的電氣控制柜壓板開關(guān)識(shí)別系統(tǒng)，可以設(shè)定5層卷積輸出大小為39×39×256的特征圖，最終保障系統(tǒng)整體的識(shí)別質(zhì)量。

■2.3 目標(biāo)開關(guān)狀態(tài)識(shí)別

正如上文所述，基于機(jī)器視覺應(yīng)用的電氣控制柜壓板開關(guān)識(shí)別系統(tǒng)主要是利用二分類卷積神經(jīng)網(wǎng)絡(luò)完成識(shí)別，最終利用模型參數(shù)的完善，針對(duì)開關(guān)狀態(tài)進(jìn)行準(zhǔn)確的判斷。因此，對(duì)于目標(biāo)開關(guān)狀態(tài)的識(shí)別，主要流程如圖3所示。

圖3 電氣控制柜壓板開關(guān)狀態(tài)識(shí)別流程

2.3.1 訓(xùn)練樣本集制作

圖像分類是針對(duì)開關(guān)狀態(tài)進(jìn)行識(shí)別的先決條件，圖像分類當(dāng)前是參考已經(jīng)給定的圖像屬性級(jí)別開展計(jì)算工作，因?yàn)殡娖鞴駢喊迮判蚨鄠€(gè)開關(guān)目標(biāo)，必須要利用計(jì)算法把不同排列方向的開關(guān)實(shí)施定位分割處理，并將其作為卷積神經(jīng)網(wǎng)絡(luò)的輸入。實(shí)際在圖片分類方面能夠把斷開狀態(tài)的圖片用“0”進(jìn)行開頭，閉合狀態(tài)的開關(guān)圖片則用“1”表示。在此基礎(chǔ)上，為進(jìn)一步保障識(shí)別的精準(zhǔn)度，還應(yīng)當(dāng)盡可能采集多個(gè)光照、多個(gè)角度的圖片信息。

2.3.2 開關(guān)狀態(tài)識(shí)別網(wǎng)絡(luò)模型

為針對(duì)模型本身的準(zhǔn)確性進(jìn)行檢驗(yàn)，可以選擇1000張開關(guān)圖片當(dāng)中訓(xùn)練集，當(dāng)中閉合與斷開圖片完全相同，采用SGD（Stochastic Gradient Descent）作為訓(xùn)練的優(yōu)化算法，相應(yīng)的學(xué)習(xí)策略制作為步進(jìn)學(xué)習(xí)，基礎(chǔ)學(xué)習(xí)率設(shè)置為0.01，每歷經(jīng)300個(gè)迭代次數(shù)，基礎(chǔ)學(xué)習(xí)率減小一個(gè)數(shù)量級(jí)，最終選擇CPU模式針對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。此外，為進(jìn)一步機(jī)器視覺識(shí)別系統(tǒng)的智能化程度，還可以將深度學(xué)習(xí)融入到系統(tǒng)中來，通過基于變換色彩空間訓(xùn)練集的深度學(xué)習(xí)訓(xùn)練，進(jìn)一步提升系統(tǒng)的靈敏度、精確度，并在能夠在不斷應(yīng)用的過程中提升系統(tǒng)的智能化水平[10]。

3 結(jié)語

圖4 基于變換色彩空間訓(xùn)練集的深度學(xué)習(xí)流程

市場(chǎng)對(duì)電力供應(yīng)的需求、穩(wěn)定性呈現(xiàn)為不斷增長(zhǎng)的趨勢(shì)，變電站數(shù)量也呈現(xiàn)為逐年增長(zhǎng)的勢(shì)頭，對(duì)電力設(shè)備穩(wěn)定性的要求越來越高。電力設(shè)備故障診斷作為保障電網(wǎng)穩(wěn)定運(yùn)行的基礎(chǔ)性工作，面臨不斷增長(zhǎng)的電力設(shè)備與變電站，電力設(shè)備故障診斷正在面臨巨大的挑戰(zhàn)。傳統(tǒng)人工巡檢本身的工作量大，同時(shí)管理成本相對(duì)較高，尤其是面臨當(dāng)前日益復(fù)雜的電力系統(tǒng)，傳統(tǒng)人工診斷模式顯然已經(jīng)無法滿足需求。機(jī)器視覺技術(shù)、人工智能技術(shù)、深度學(xué)習(xí)技術(shù)的不斷發(fā)展，為電力系統(tǒng)智能化管理提供了有效的支持，基于機(jī)器視覺應(yīng)用的電力設(shè)備識(shí)別技術(shù)，能夠進(jìn)一步提升系統(tǒng)識(shí)別的智能化水平、自動(dòng)化水平，實(shí)現(xiàn)遠(yuǎn)程識(shí)別、遠(yuǎn)程監(jiān)控、智能處理的目標(biāo)，為電力行業(yè)高質(zhì)量發(fā)展奠定良好的基礎(chǔ)。