基于YCbCr 顏色分割與特征分析的變電站壓板狀態(tài)識(shí)別*

周 凱 羅朝豐 胡志堅(jiān) 嚴(yán)利雄 畢如玉 鄧 科 李煜磊

(1.國網(wǎng)湖北省電力有限公司檢修公司 武漢 430050；2.國網(wǎng)浙江省電力有限公司湖州供電公司 湖州 313000；3.武漢大學(xué)電氣與自動(dòng)化學(xué)院 武漢 430072)

1 引言

隨著智能變電站的不斷發(fā)展，現(xiàn)場巡檢機(jī)器人承載的任務(wù)越來越多，數(shù)據(jù)分析越來越繁瑣，對(duì)功能需求也越來越強(qiáng)大[1]。對(duì)于變電站的眾多保護(hù)壓板實(shí)時(shí)識(shí)別是巡檢機(jī)器人一項(xiàng)必不可少的工作[2]。

目前對(duì)于扭角式壓板的研究比較深入。文獻(xiàn)[3]運(yùn)用聚類分割扭角式壓板圖像，構(gòu)造壓板狀態(tài)指標(biāo)作為證據(jù)，將多個(gè)狀態(tài)指標(biāo)依據(jù)證據(jù)理論進(jìn)行融合識(shí)別扭角式壓板狀態(tài)，所提方法在光照不好的情況下仍能較好地識(shí)別壓板。文獻(xiàn)[4]提出了一種利用顏色模板對(duì)壓板的位置和顏色進(jìn)行匹配的方法來識(shí)別壓板狀態(tài)，該方法對(duì)扭角式壓板識(shí)別率很高。文獻(xiàn)[5]提出先進(jìn)行邊緣細(xì)化，再通過Houch 方法檢測圓弧、直線、斜線判斷壓板類型，最后確定狀態(tài)。文獻(xiàn)[6]也提出了一種RGB 顏色提取分割算法，通過形態(tài)特征分析識(shí)別扭腳式壓板。

對(duì)于插拔式壓板狀態(tài)識(shí)別，目前國內(nèi)外主要是通過圖像處理技術(shù)和深度學(xué)習(xí)的方法來識(shí)別。文獻(xiàn)[7]對(duì)壓板圖像使用RGB 顏色聚類算法來分割壓板圖像，定位出壓板的位置，最后對(duì)壓板做最小外接矩形處理，檢測出壓板的開關(guān)狀態(tài)。文獻(xiàn)[8]使用邊緣檢測的方法找出圖片中每個(gè)開關(guān)的位置，然后使用Hough 變換來檢測開關(guān)的角度，判斷壓板開關(guān)的關(guān)合。文獻(xiàn)[9]中通過對(duì)壓板圖像的特征點(diǎn)進(jìn)行提取，獲取足夠多的樣本，然后使用卷積神經(jīng)網(wǎng)絡(luò)對(duì)壓板開和關(guān)的樣本進(jìn)行訓(xùn)練，識(shí)別壓板的狀態(tài)。

對(duì)于插拔式壓板狀態(tài)識(shí)別還可以進(jìn)一步優(yōu)化，這些識(shí)別方法還沒有充分考慮到環(huán)境的復(fù)雜性和巡檢機(jī)器人識(shí)別壓板的實(shí)時(shí)性以及計(jì)算機(jī)的硬件水平。例如，采用邊緣檢測的方法對(duì)于壓板圖片的質(zhì)量要求極高，且需要圖像正面垂直拍攝，對(duì)于一些有陰影或者是光照強(qiáng)度不夠的圖片無法識(shí)別；采用顏色模板雖然方法很新穎，但是對(duì)于一些因?yàn)榕臄z角度問題帶來的畸變圖片識(shí)別率不高；采用RGB顏色聚類的方法對(duì)于圖像的分割處理速度影響很大，效率不高且圖像分割出來的效果不好；采用效果比較理想的機(jī)器學(xué)習(xí)來識(shí)別壓板狀態(tài)的方法對(duì)計(jì)算機(jī)的硬件要求很高，巡檢機(jī)器人承載任務(wù)重，硬件水平有限，而且有些特殊環(huán)境下的樣本無法完全獲取，遇到特殊環(huán)境壓板的狀態(tài)識(shí)別率很低，而事故又往往多發(fā)于環(huán)境特殊的情況下。

為了進(jìn)一步提高巡檢機(jī)器人對(duì)現(xiàn)場壓板識(shí)別的一般性、高效性和準(zhǔn)確性，本文提出了一種基于YCbCr顏色分割與特征分析的變電站壓板狀態(tài)識(shí)別方法。基本步驟是先對(duì)采集到壓板圖像進(jìn)預(yù)處理；然后將圖片轉(zhuǎn)換至YCbCr顏色空間中進(jìn)行顏色特征分割，獲得二值化圖片，接著進(jìn)行形態(tài)學(xué)處理，提取連通域、形態(tài)特征分析以及最小外接矩形定位；最后根據(jù)矩形的長高比和偏轉(zhuǎn)角度結(jié)合判斷出壓板的投退狀態(tài)。通過試驗(yàn)測試表明，所提方法對(duì)變電站繼電保護(hù)室中的插拔式壓板識(shí)別快、識(shí)別率高。

2 圖像預(yù)處理

現(xiàn)場采集到的大多不是正面垂直拍攝的壓板圖像，而是更加符合實(shí)際情況的帶有一定光線差和角度畸變的圖像，因此有必要對(duì)采集到的圖像進(jìn)行預(yù)處理，對(duì)其進(jìn)行圖像邊緣銳化、畸變矯正以及簡化圖像的數(shù)據(jù)[10]。

2.1 高斯高通濾波處理

對(duì)于保護(hù)柜上壓板，同一種類型壓板的顏色基本相同，但受到光照以及反射光的影響，使得不同區(qū)域壓板以及背景顏色差異較大；為了消除這種光照給圖像分割帶來的影響，同時(shí)也為了銳化圖像的輪廓特征，對(duì)圖像進(jìn)行高斯高通濾波處理。該算法通過增強(qiáng)反射函數(shù)的頻譜成分，同時(shí)削弱照明函數(shù)成分，可以使圖像中的目標(biāo)區(qū)域輪廓更加鮮明，不同區(qū)域?qū)Ρ榷仍鰪?qiáng)，圖像亮度更加均勻[11]。圖1 為濾波處理后的對(duì)比結(jié)果圖。

圖1 高斯高通濾波增強(qiáng)前后圖像對(duì)比圖

2.2 基于透視變換的圖像畸變矯正

對(duì)于巡檢機(jī)器人采集到的畸變圖像，直接進(jìn)行壓板定位識(shí)別，會(huì)因畸變程度不同導(dǎo)致識(shí)別困難，因此采用透視變換的方法對(duì)畸變圖像進(jìn)行矯正。該方法先在保護(hù)屏柜壓板區(qū)域4 個(gè)頂點(diǎn)貼上輔助標(biāo)簽，并確定4 個(gè)頂點(diǎn)的像素坐標(biāo)，然后獲取畸變圖像中輔助標(biāo)簽的像素坐標(biāo)，接著將8 個(gè)像素點(diǎn)坐標(biāo)代入式(1)、(2)，求出透視變換矩陣，最后經(jīng)過反透視變換得到矯正后的僅包含開關(guān)圖像的正視圖[9]。將壓板圖像的非目標(biāo)部分切除后，最終定位到壓板區(qū)域。圖2 為原圖和矯正后圖。

圖2 保護(hù)壓板的矯正前后圖

式中，(u,v) 為變換前頂點(diǎn)像素坐標(biāo)，(x,y) 為經(jīng)過校正變換后的頂點(diǎn)像素坐標(biāo)a11、a12、a13、a21、a22、a23、a31、a32、a33為變換矩陣系數(shù)。

3 基于YCbCr 顏色空間分割技術(shù)

為便于提取出壓板在“開”與“閉”狀態(tài)下的特征，實(shí)現(xiàn)對(duì)壓板狀態(tài)的識(shí)別，本文通過引入YCbCr顏色空間分離法對(duì)圖像的有效色塊進(jìn)行分割，圖像分割后進(jìn)行形態(tài)學(xué)處理，最后提取圖像的連通域。

3.1 YCbCr 顏色空間

壓板圖像有著極為明顯的顏色特征，可以用色彩空間來表示不同顏色之間的關(guān)系，常見的顏色空間有RGB 顏色空間和HSV 顏色空間。RGB 顏色空間模型中，色彩由色調(diào)、亮度和飽和度混合描述，R、G、B 三分量之間具有很強(qiáng)的關(guān)聯(lián)性，對(duì)于一種顏色屬性，在光照強(qiáng)度不同的情形下，R、G、B 的數(shù)值變化很大，因此受光照條件的影響，特定的顏色難以根據(jù)確定的閾值在RGB 顏色空間模型中進(jìn)行分割[12]。HSV 顏色模型中H、S、V 分別表示色調(diào)、色飽和度和亮度，此模型能夠?qū)崿F(xiàn)亮度分離，但HSV 顏色空間中S、V 兩個(gè)分量為R、G、B 三個(gè)分量的非線性變換，導(dǎo)致計(jì)算量較大；且在特殊點(diǎn)處受R、G、B 三個(gè)分量的變化影響非常大，在亮度值和飽和度低的情況下依據(jù)R、G、B 三個(gè)分量計(jì)算出來的H 分量可靠性不高[13]。

YCbCr顏色空間是國際無線電咨詢委員會(huì)提出的一種顏色空間模型，在該模型中亮度信息獨(dú)立于色度信息，顏色空間由Y、Cb、Cr三個(gè)分量組成，其中Y、Cb、Cr三個(gè)分量分別代表亮度分量、藍(lán)色色度分量和紅色色度分量，使用此種顏色模型能夠有效避免亮度因數(shù)對(duì)色彩特征的影響，且Y、Cb、Cr三個(gè)分量都是R、G、B 三個(gè)分量的線性變換，計(jì)算較為簡便[14]。因此本文選擇基于YCbCr顏色空間模型對(duì)壓板的顏色特征區(qū)域進(jìn)行分割。其中YCbCr顏色空間的轉(zhuǎn)換如式(3)所示

3.2 壓板顏色特征分割

根據(jù)國家電網(wǎng)公司的相關(guān)規(guī)定，在原則上跳閘壓板采用紅色標(biāo)識(shí)，保護(hù)功能壓板采用黃色標(biāo)識(shí)，備用壓板采用淺駝色，壓板下方標(biāo)識(shí)牌與壓板對(duì)應(yīng)同色，因此可以基于YCbCr顏色空間對(duì)巡檢機(jī)器人采集到的真彩色壓板圖像進(jìn)行顏色特征提取[15]，獲取只含有壓板和標(biāo)識(shí)牌的圖像，提取的流程如下所示。

步驟1：讀取輸入圖片像素點(diǎn)g(x,y) 的R、G、B 分量數(shù)值。

步驟2：通過式(3)轉(zhuǎn)換公式，由R、G、B 三分量的值獲取像素點(diǎn)g(x,y) 的Y、Cb、Cr分量數(shù)值。

步驟3：若g(x,y) 滿足式(4)中紅色gr(x,y) 和黃色gy(x,y) 中Cb、Cr范圍，則令像素點(diǎn)g(x,y) 的灰度值為255；若都不滿足，令其灰度值為0。

步驟4：按從左到右從上到下的順序依次進(jìn)行步驟1～3 直至掃描結(jié)束，獲取包含壓板和標(biāo)識(shí)牌的二值化圖像，圖2 的提取結(jié)果如圖3 所示。

圖3 提取有效壓板的結(jié)果圖

如圖4～7 所示，本文通過大量試驗(yàn)數(shù)據(jù)獲得紅色壓板在YCbCr顏色空間中Cb的范圍為(100, 120)，Cr的范圍為(0, 20)；黃色壓板在YCbCr顏色空間中Cb的范圍為(59, 95)，Cr的范圍為(-5, 4)。

圖4 紅色壓板Cb 分布直方圖

圖5 紅色壓板Cr 分布直方圖

圖6 黃色壓板Cb 分布直方圖

圖7 黃色壓板Cr 分布直方圖

3.3 形態(tài)學(xué)濾波處理

圖像分割處理后不可避免會(huì)存在一些干擾域，如圖8 所示，正方形框內(nèi)為外部孤立點(diǎn)，圓形框內(nèi)為內(nèi)部小缺口。這些干擾域，特別是外部孤立點(diǎn)，將會(huì)對(duì)后續(xù)的壓板識(shí)別帶來很大的影響。為解決此問題，采用形態(tài)學(xué)濾波的方法對(duì)分割結(jié)果圖進(jìn)行開運(yùn)算和閉運(yùn)算處理[16]。

圖8 含干擾域的壓板圖

開運(yùn)算是指先對(duì)圖像進(jìn)行腐蝕處理，再對(duì)圖像進(jìn)行膨脹處理。采用開運(yùn)算的作用是消除小的外部孤立點(diǎn)，斷開相鄰連通域之間的粘連，平滑壓板標(biāo)識(shí)牌的形狀邊界，且基本不改變其面積。形態(tài)學(xué)開運(yùn)算的定義為

式中，f?b表示通過結(jié)構(gòu)元素b對(duì)圖像f進(jìn)行開運(yùn)算，f bΘ 表示通過腐蝕算子b對(duì)f進(jìn)行腐蝕運(yùn)算，f⊕b表示通過結(jié)構(gòu)元素b對(duì)f進(jìn)行膨脹運(yùn)算。

閉運(yùn)算是指先對(duì)圖像進(jìn)行膨脹處理，再對(duì)圖像進(jìn)行腐蝕處理。采用閉運(yùn)算的作用是可以填充壓板標(biāo)識(shí)牌內(nèi)部的小空洞，連接其內(nèi)部斷開的縫隙，平滑目標(biāo)物的邊界，且基本不改變其面積。形態(tài)學(xué)閉運(yùn)算的定義為

式中，f·b表示通過結(jié)構(gòu)元素b對(duì)圖像f進(jìn)行閉運(yùn)算。圖8 經(jīng)開運(yùn)算閉運(yùn)算后的結(jié)果如圖9 所示。

圖9 形態(tài)學(xué)處理后的結(jié)果圖

3.4 圖像連通區(qū)域的提取

采用8 連通的種子填充算法對(duì)壓板的連通域進(jìn)行提取，同時(shí)也是對(duì)連通域進(jìn)行標(biāo)記的過程[17]。8連通域是指對(duì)于一個(gè)像素點(diǎn)A，如果在它的上、下、左、右、左上、左下、右上或者右下時(shí)，右下有一個(gè)相同的像素點(diǎn)B，則認(rèn)為A、B是連通的。以圖10 為例進(jìn)行說明，提取步驟如下所示。

圖10 連通區(qū)域提取結(jié)果圖

步驟1：按照從上到下、從左到右的順序掃描壓板圖像，直到掃描到像素為1 的點(diǎn)A(x，y)。

步驟2：以點(diǎn)A(x，y)作為種子，并且賦予一個(gè)一個(gè)標(biāo)簽1。

步驟3：將以A(x，y)8 連通相連的所有像素點(diǎn)賦予為與A相同的標(biāo)簽1。

步驟4：對(duì)賦予標(biāo)簽1 的所有像素點(diǎn)重復(fù)步驟3，直到所有的像素點(diǎn)都不存在8 連通相連的點(diǎn)結(jié)束。

步驟5：重復(fù)步驟1～4，但跳過已經(jīng)標(biāo)簽過的像素點(diǎn)，且每次結(jié)束重新掃描時(shí)標(biāo)簽數(shù)加1，直到掃描結(jié)束。掃描結(jié)束后可提取到圖像中的所有連通域。

4 壓板形態(tài)特征分析

二值化圖像中標(biāo)識(shí)牌區(qū)域不是本文研究重點(diǎn)，還會(huì)增加壓板識(shí)別的工作量?？紤]到環(huán)境的復(fù)雜性，如拍攝時(shí)反光導(dǎo)致的出現(xiàn)部分較大的偽目標(biāo)光斑，以及拍攝距離太遠(yuǎn)導(dǎo)致的壓板圖像粘連和模糊等問題，本文將通過對(duì)壓板連通域的面積和邊界信息等多個(gè)維度的形態(tài)特征進(jìn)行分析，從眾多連通域中剔除非目標(biāo)區(qū)域，準(zhǔn)確提取出有效壓板區(qū)域。

4.1 基于連通域邊界信息分析的標(biāo)識(shí)牌剔除

對(duì)經(jīng)過顏色提取的壓板和標(biāo)識(shí)牌的二值圖進(jìn)行分析后發(fā)現(xiàn)，壓板連通域和標(biāo)識(shí)牌連通域在邊界長度和寬度上有很大的不同，體現(xiàn)在壓板連通域的邊界長度明顯比其邊界寬度要小很多，而標(biāo)識(shí)牌的邊界長度明顯比其邊界寬度大很多，以此特征可對(duì)二值圖像中的標(biāo)識(shí)牌區(qū)域進(jìn)行剔除。具體如下

式中，ΔXi表示第i個(gè)連通域的邊界長度，ΔiY表示第i個(gè)連通域的邊界寬度。因壓板和標(biāo)識(shí)牌的邊界長度與邊界寬度信息差異較為明顯，以2 作為判斷壓板和標(biāo)識(shí)牌的閾值。按式(7)對(duì)圖像進(jìn)行處理，當(dāng)連通域的邊界大于閾值2 時(shí)，則為標(biāo)識(shí)牌區(qū)域，將其置為背景區(qū)域；當(dāng)小于閾值2，則為壓板區(qū)域，將其保留。標(biāo)識(shí)牌剔除后的結(jié)果如圖11 所示。

圖11 標(biāo)識(shí)牌剔除后圖

4.2 基于壓板形態(tài)特征分析的非目標(biāo)區(qū)域去除

由于拍攝時(shí)反光或者其他干擾物造成的圖片中含有一些較大的光斑，當(dāng)對(duì)圖片進(jìn)行顏色提取時(shí)無法杜絕這些有色干擾光斑，形態(tài)學(xué)處理只能剔除很小的孤立點(diǎn)。因此可采用面積特征分析判斷是否為干擾光斑。干擾光斑一般比壓板有效區(qū)域小很多，且圖像中大部分應(yīng)為有效壓板區(qū)域，可通過對(duì)每個(gè)連通域區(qū)域的面積與平均面積進(jìn)行比較分析進(jìn)行篩選。具體如下

式中，S i為提取壓板圖像中每一個(gè)連通域的面積。n表示該二值圖像中連通域的個(gè)數(shù)。S(re-max3andmin3)i表示排除掉三個(gè)最大面積的連通域和三個(gè)最小連通域后的剩下每一個(gè)連通域面積。之所以要排除三個(gè)最大面積的連通域和三個(gè)最小面積的連通域，是因?yàn)榭紤]到可能會(huì)出現(xiàn)標(biāo)識(shí)牌相連造成單個(gè)連通域面積過大和單個(gè)干擾光斑連通域面積過小，對(duì)求取平均面積造成影響。乘以70%作為判斷的裕度，最后當(dāng)連通域的像素面積小于閾值平均面積的70%時(shí)，即可視為干擾光斑，大于等于閾值時(shí)視為有效壓板區(qū)域。處理的結(jié)果如圖12 所示。

圖12 含干擾光斑處理結(jié)果圖

4.3 基于極限腐蝕算法的粘連連通域分割

由于環(huán)境的復(fù)雜性，當(dāng)拍攝距離較遠(yuǎn)、拍攝角度偏移較大時(shí)，使得獲取的壓板圖像形狀產(chǎn)生一定的畸變，以及由于極度光照條件造成拍攝的圖片質(zhì)量不高，導(dǎo)致通過顏色提取分割出來的壓板以及標(biāo)識(shí)牌出現(xiàn)連通域粘連的情況，通過第4.1 節(jié)和第4.2節(jié)的方法，只能剔除掉標(biāo)識(shí)牌與標(biāo)識(shí)牌相連的情況，對(duì)于壓板與標(biāo)識(shí)牌粘連、壓板與壓板粘連的連通域，通過對(duì)連通域的邊界長度與邊界寬度的比值分類，無法做到有效剔除。針對(duì)此種情形，本文提出一種基于極限腐蝕算法對(duì)粘連連通域進(jìn)行分割的方法，有利于對(duì)質(zhì)量不好的圖像進(jìn)行分割。

4.3.1 粘連連通域的初步判定

由于粘連連通域的面積為兩個(gè)相鄰連通域的面積之和，一般比正常單個(gè)連通域的面積大得多，且粘連連通域大多出現(xiàn)在分割較大的兩個(gè)單獨(dú)連通域之間。因此可以通過對(duì)連通域的面積信息分析，初步判斷出為相連連通域的區(qū)域。具體如下

式中，Si為提取壓板圖像中每一個(gè)連通域的面積。S(re-max3andmin3)i表示排除掉三個(gè)最大面積的連通域和三個(gè)最小連通域后的剩下每一個(gè)連通域面積，目的是減少極小值和極大值對(duì)平均面積的過度影響。k表示該二值圖像中連通域的個(gè)數(shù)。乘以1.5 作為判斷的閾值。當(dāng)連通域的面積小于平均面積的1.5倍時(shí)，判斷為壓板區(qū)域保留，當(dāng)連通域面積大于平均面積的1.5 倍時(shí)，初步判斷為粘連連通域。

4.3.2 極限腐蝕算法再判定

極限腐蝕算法最初運(yùn)用于細(xì)胞粘連分割的情形，實(shí)現(xiàn)對(duì)粘連細(xì)胞的分割，由極限腐蝕后獲取粘連連通域的種子點(diǎn)，如圖13 所示[18]?？紤]到質(zhì)量較差的圖片分割出來的連通域面積參差不齊，因此只依據(jù)面積信息初步判斷出來的粘連連通域，也有可能是個(gè)別分割效果不理想的較大單獨(dú)連通域，為此進(jìn)行極限腐蝕算法再判定，再判定的流程如圖14所示。

圖13 粘連細(xì)胞種子點(diǎn)獲取圖

圖14 極限腐蝕算法再判定流程圖

獲取初步判斷的粘連連通域，以半徑為2 的圓形結(jié)構(gòu)元素對(duì)目標(biāo)連通域不斷進(jìn)行腐蝕，單獨(dú)連通域經(jīng)極限腐蝕處理后不會(huì)發(fā)生裂解，只出現(xiàn)一個(gè)種子點(diǎn)，而粘連連通域經(jīng)極限腐蝕處理后會(huì)發(fā)生裂解出現(xiàn)兩個(gè)種子點(diǎn)，由此可判斷出是較大單獨(dú)連通域還是粘連連通域。對(duì)于單獨(dú)連通域判定為壓板進(jìn)行保留；對(duì)于確定為粘連連通域的連通域，進(jìn)行分割處理，步驟如下所示。

步驟1：對(duì)連通域進(jìn)行極限腐蝕，在此過程中，粘連連通域L會(huì)逐漸裂解為兩個(gè)連通域L1、L2。

步驟2：繼續(xù)對(duì)這兩個(gè)連通域進(jìn)行腐蝕，面積較小的連通域會(huì)被率先腐蝕為一個(gè)種子點(diǎn)，保留種子點(diǎn)。

步驟3：繼續(xù)對(duì)較大的連通域進(jìn)行腐蝕，直到此連通域最終只剩下兩個(gè)種子點(diǎn)。

步驟4：獲取種子點(diǎn)的像素坐標(biāo)(x1,y1)，(x2,y2)，通過種子點(diǎn)的坐標(biāo)判斷粘連連通域的類型。

步驟5：當(dāng)(x1-x2)2-(y1-y2)2＞ 0時(shí)，種子點(diǎn)呈現(xiàn)左右分布，判斷為壓板與壓板粘連，則保存裂解后產(chǎn)生的連通域L1、L2；當(dāng)(x1-x2)2-(y1-y2)2＜0時(shí)，種子點(diǎn)呈現(xiàn)上下分布，判斷為壓板與標(biāo)識(shí)牌粘連，此時(shí)再對(duì)y1、y2的大小進(jìn)行判定。

步驟6：當(dāng)y1>y2時(shí)，判定L1為處在下方的連通域，L2為標(biāo)識(shí)牌，則剔除L1保留L2；當(dāng)y1

圖15 壓板標(biāo)識(shí)牌粘連處理結(jié)果圖

5 壓板定位與狀態(tài)識(shí)別

5.1 基于連通域最小外接矩形處理的壓板定位

本文采用簡單最小外接矩形和面積最小外接矩形對(duì)圖像中連通域處理，獲取每個(gè)外接矩形的頂點(diǎn)坐標(biāo)[19]。簡單外接矩形的邊界平行于x軸和y軸，可以精確得出連通域的長寬比[20]。面積最小外接矩形可以方便獲取壓板的偏轉(zhuǎn)角度。兩種外接矩形定位結(jié)果如圖16 所示。

圖16 最小外接矩形定位結(jié)果圖

5.2 壓板狀態(tài)識(shí)別

從壓板的定位結(jié)果中發(fā)現(xiàn)，簡單最小外接矩形框有兩種，分別對(duì)應(yīng)著壓板的“開”和“關(guān)”兩種狀態(tài)，如圖17a 所示。面積最小外接矩形框有兩種，對(duì)應(yīng)壓板的兩種狀態(tài)，如圖17b 所示。

圖17 壓板及標(biāo)識(shí)牌的外接矩形類型

結(jié)合兩種外接矩形的四種類型對(duì)壓板的狀態(tài)進(jìn)行識(shí)別。簡單外接矩形對(duì)外接矩形的長和寬做比，采用閾值對(duì)比值分類；面積最小外接矩形計(jì)算外接矩形與豎直方向的傾角，采用閾值對(duì)傾角分類。最后結(jié)合兩種方法的分類結(jié)果綜合判斷出保護(hù)壓板的投退狀態(tài)。具體步驟如下所示。

步驟1：利用式(10)按從左到右從上到下的順序求出每個(gè)簡單最小外接矩形的長寬比Bi

式中，Xj1、Yj1為簡單外接矩形框左上角頂點(diǎn)的橫縱坐標(biāo)；Xj4、Yj4為簡單外接矩形框右下角的橫縱坐標(biāo)。

步驟2：利用式(11)按從左到右從上到下的順序依次計(jì)算每個(gè)面積最小外接矩形的傾角αi。

式中，X1m、1mY表示面積最小外接矩形框左上角頂點(diǎn)的橫縱坐標(biāo)；Xm3、Ym3表示面積最小外接矩形框左下角頂點(diǎn)的橫縱坐標(biāo)。

步驟3：結(jié)合步驟1 和步驟2 求得的Bi和αi，通過對(duì)數(shù)據(jù)進(jìn)行分析，獲得有關(guān)Bi的散點(diǎn)圖和αi的散點(diǎn)圖，如圖18、19 所示。當(dāng)Bi的閾值設(shè)為0.6 時(shí)，分類效果較好，αi閾值設(shè)為10°時(shí)，分類效果較好。

圖18 長寬比的散點(diǎn)分布圖

圖19 偏轉(zhuǎn)角的散點(diǎn)分布圖

步驟4：設(shè)立閾值進(jìn)行分類。綜合閾值分類的結(jié)果，按式(12)對(duì)壓板的投退狀態(tài)進(jìn)行識(shí)別。

式(12)中第一種情況：Bi＜0.6且αi＜ 10°和第三種情況Bi＞0.6且αi＞ 10°，是典型的壓板為閉合和打開狀態(tài)的特征。 第三種情況：Bi＜0.6且αi＞ 10°，即簡單外接矩形的長寬比很小，但面積最小外接矩形的傾角較大，判定為開狀態(tài)。這是因?yàn)楝F(xiàn)場工作人員擰壓板時(shí)，操作不規(guī)范，導(dǎo)致壓板已經(jīng)打開，但是壓板偏移程度不夠。第四種情況：Bi＞0.6且αi＜ 10°，即簡單外接矩形的長寬比很大，但面積最小外接矩形的傾角較小，判定為閉狀態(tài)。這是因?yàn)楫?dāng)兩個(gè)壓板連通域粘連時(shí)，采用極限腐蝕算法將兩個(gè)壓板分割開，但分隔開的連通域依然存在向兩邊衍生的部分，同時(shí)經(jīng)過腐蝕處理會(huì)使簡單外接矩形寬度減小，導(dǎo)致長寬比變大。對(duì)圖16 進(jìn)行外接矩形的識(shí)別結(jié)果如表1 所示。

表1 壓板狀態(tài)識(shí)別結(jié)果

6 試驗(yàn)分析

為了充分證明本文所提方法識(shí)別壓板狀態(tài)的準(zhǔn)確性、高效性和一般性，本文進(jìn)行了試驗(yàn)，采用的硬件平臺(tái)為Intel Core i7-10700CPU。軟件平臺(tái)采用Matlab2019 語言實(shí)現(xiàn)。

6.1 不同分割方法對(duì)比分析

將本文方法與傳統(tǒng)RGB 聚類分割方法的識(shí)別結(jié)果作對(duì)比，體現(xiàn)本文方法識(shí)別壓板狀態(tài)的準(zhǔn)確性和一般性。現(xiàn)使用兩張壓板圖像，一張清晰的圖像和一張模糊的圖像。識(shí)別結(jié)果如表2 所示。分割結(jié)果如表3 所示。

表2 不同方法壓板識(shí)別結(jié)果

表3 壓板分割結(jié)果評(píng)價(jià)

針對(duì)表2 中四張圖片進(jìn)行分割效果評(píng)估。評(píng)估的標(biāo)準(zhǔn)分為兩種：一種為分割正確率Ti，計(jì)算分割出正確的連通域數(shù)Li與總有效目標(biāo)連通域數(shù)Ni的百分比，如式(13)所示；一種為分割錯(cuò)誤率Fi，計(jì)算分割出的錯(cuò)誤連通域數(shù)Ei與總有效目標(biāo)連通域Ni的比值，如式(14)所示。

各參數(shù)的求取原則如下所示。

分割正確連通域數(shù)Li為分割圖像中與壓板和標(biāo)識(shí)牌相關(guān)聯(lián)的連通域個(gè)數(shù)，當(dāng)出現(xiàn)多個(gè)標(biāo)識(shí)牌連接在一起形成一個(gè)連通域時(shí)，歸為一個(gè)正確連通域數(shù)；當(dāng)出現(xiàn)一個(gè)壓板或標(biāo)識(shí)牌被分割為多個(gè)連通域時(shí)，歸為一個(gè)正確連通域數(shù)；因有后續(xù)的形態(tài)學(xué)處理，若為外部孤立點(diǎn)則不計(jì)數(shù)。

總有效目標(biāo)連通域數(shù)Ni為分割前原圖中有效壓板的個(gè)數(shù)和分割后標(biāo)識(shí)牌連通域個(gè)數(shù)的和。標(biāo)識(shí)牌間距離較近，容易出現(xiàn)多個(gè)標(biāo)識(shí)牌連通域粘連，但粘連標(biāo)識(shí)牌后續(xù)剔除較為簡單，為了統(tǒng)計(jì)方便，所以統(tǒng)計(jì)分割后標(biāo)識(shí)牌連通域的個(gè)數(shù)。

錯(cuò)誤連通域數(shù)Ei為分割圖像中與標(biāo)識(shí)牌和壓板位置無關(guān)的連通域。當(dāng)出現(xiàn)兩個(gè)有效壓板被分割為一個(gè)連通域時(shí)，記為一個(gè)錯(cuò)誤連通域；當(dāng)出現(xiàn)一個(gè)壓板被分割為m個(gè)連通域時(shí)，錯(cuò)誤連通域數(shù)為m- 1；當(dāng)出現(xiàn)與壓板和標(biāo)識(shí)牌區(qū)域無關(guān)的連通域時(shí)，記為錯(cuò)誤連通域；若為外部孤立點(diǎn)則不計(jì)數(shù)。

從表3 的分割結(jié)果可以看出，當(dāng)為清晰圖片時(shí)，本文方法和RGB 聚類分割的方法分割結(jié)果都較好，但本文方法分割出來的噪聲更少。當(dāng)為模糊的圖片時(shí)，本文方法分割正確率可達(dá)94.1%，分割錯(cuò)誤率為0%；而RGB 聚類分割正確率僅有88.2%，且分割錯(cuò)誤率高達(dá)29.4%?？梢缘贸霰疚姆椒ǚ指顗喊鍏^(qū)域更加精確，而RGB 聚類方法容易分割出很多非目標(biāo)區(qū)域，這是因?yàn)楫?dāng)采用RGB 聚類分割方法時(shí)容易受到光照因數(shù)的影響。由此可體現(xiàn)出本文方法受光照因數(shù)的影響較小。

6.2 不同識(shí)別方法對(duì)比試驗(yàn)

本文采用簡單外接矩形的長高比和面積最小外接矩形融合的方法對(duì)壓板狀態(tài)識(shí)別。為體現(xiàn)本文識(shí)別方法的一般性，與傳統(tǒng)直接使用簡單外接矩形長寬比的方法作對(duì)比。試驗(yàn)的壓板為更符合一些現(xiàn)場實(shí)際情況下，由于操作的人為性導(dǎo)致某些壓板打開時(shí)偏轉(zhuǎn)程度較小。試驗(yàn)壓板的簡單最小外接矩形和面積最小外接矩形如圖20 所示。最小外接矩形的長寬比iB結(jié)果如表4 所示。最小外接矩形的傾角iα如表5 所示。不同識(shí)別方法結(jié)果對(duì)比如表6 所示。

表4 壓板簡單最小外接矩形的長寬比Bi

表5 壓板面積最小外接矩形的偏轉(zhuǎn)角度αi

表6 不同識(shí)別方法結(jié)果對(duì)比

圖20 最小外接矩形定位圖

從表6 的對(duì)比結(jié)果中可知，對(duì)于3 號(hào)壓板，兩種方法的識(shí)別結(jié)果不同。由于3 號(hào)壓板的偏移程度比較小，導(dǎo)致只使用長寬比的方法識(shí)別錯(cuò)誤，但本文方法考慮到偏移程度小的原因，對(duì)此情況加入傾角識(shí)別。通過本試驗(yàn)體現(xiàn)出本文識(shí)別方法更符合復(fù)雜的環(huán)境，更具有一般性。

6.3 識(shí)別率和識(shí)別效率試驗(yàn)

為進(jìn)一步討論本文所用方法識(shí)別的準(zhǔn)確性，對(duì)采集到的50 張保護(hù)柜上壓板狀態(tài)圖像進(jìn)行識(shí)別?？紤]到會(huì)出現(xiàn)將壓板狀態(tài)識(shí)別錯(cuò)誤和非壓板連通域出現(xiàn)，以及兩個(gè)壓板區(qū)域識(shí)別為一個(gè)壓板的情況。本文從識(shí)別正確率Pi和識(shí)別錯(cuò)誤率Qi兩個(gè)方面進(jìn)行識(shí)別評(píng)估，正確率和錯(cuò)誤率計(jì)算公式如式(15)、(16)所示。最終獲取的壓板識(shí)別率結(jié)果如表7 所示。

表7 壓板識(shí)別率和平均運(yùn)行時(shí)間

式中，Di為識(shí)別正確的外接矩形的個(gè)數(shù)；Zi為有效壓板的個(gè)數(shù)；Vi為識(shí)別錯(cuò)誤的壓板數(shù)與非壓板區(qū)域的最小外接矩形數(shù)之和。

由表7 可得出，對(duì)于一般采集的大量圖像，本文識(shí)別正確率高達(dá)99.8%，錯(cuò)誤率0.5%；而RGB聚類分割正確率只有94.2%，錯(cuò)誤率1.1%。因此本文采用的方法比傳統(tǒng)RGB 聚類分割壓板圖片方法的識(shí)別更準(zhǔn)確、效率更高。

7 結(jié)論

針對(duì)復(fù)雜光照環(huán)境變電站壓板狀態(tài)識(shí)別率不高的情形，本文改進(jìn)了一般的RGB 顏色分割算法，降低了光照因素的干擾，并通過形態(tài)特征分析，實(shí)現(xiàn)了壓板狀態(tài)識(shí)別，重要?jiǎng)?chuàng)新點(diǎn)和相關(guān)技術(shù)總結(jié)如下。

(1) 提出了一種基于YCbCr顏色空間的顏色提取技術(shù)，將亮度信息與顏色信息分離開來，相比傳統(tǒng)RGB 顏色提取方法，能夠避免光照因素對(duì)圖像分割的影響，使得本文分割方法對(duì)復(fù)雜光照環(huán)境的適應(yīng)性更強(qiáng)。

(2) 采用顏色特征分離技術(shù)分割壓板，能夠直接提取有效壓板，剔除備用壓板，大大減小了壓板識(shí)別的工作量，提高了壓板識(shí)別的效率。

(3) 利用壓板和標(biāo)識(shí)牌的面積特征，直接去除了圖像中的標(biāo)識(shí)牌，簡化了圖像中的信息，提高了識(shí)別的效率。利用壓板和干擾光斑的面積特征，去除了圖像中的干擾小光斑，提高了壓板定位的精確性，為壓板識(shí)別準(zhǔn)確性奠定了基礎(chǔ)。

(4) 針對(duì)模糊圖片容易分割出粘連連通域，本文提出了一種極限腐蝕算法。通過極限腐蝕算法獲得的種子點(diǎn)個(gè)數(shù)判斷出是否為粘連連通域，依據(jù)種子點(diǎn)像素坐標(biāo)判斷出粘連連通域的類型，并完成對(duì)粘連連通域的分割，實(shí)現(xiàn)了對(duì)模糊圖像的分割處理，提高對(duì)模糊圖像壓板狀態(tài)的識(shí)別率。

(5) 針對(duì)現(xiàn)場實(shí)際中，某些壓板由于工作人員操作不標(biāo)準(zhǔn)，導(dǎo)致開關(guān)打開，但壓板的偏轉(zhuǎn)程度較小的情況，此時(shí)采用一般外接矩形長寬比方式容易判斷錯(cuò)誤。本文在長寬比判別的基礎(chǔ)上，采用長寬比與壓板傾角相結(jié)合的方法識(shí)別壓板，提高了壓板識(shí)別的一般性。