肖立军，莫 玲
(广东电网公司珠海供电局，广东 珠海 519000)
摘 要：随着计算机技术和人工智能技术的发展，模式识别在图像处理中的应用日益广泛。提出一种基于模式识别的继电保护压板状态检定系统。该系统通过建立继电保护压板投退状态的标准图像数据库，实时采集待测继电保护压板图像，采用模式识别方法，基于Mean Shift算法进行图像分割，以向量机决策分类器进行判决。经过国内某500 kV变电站现场实际应用表明，保护压板图像采集方便，压板状态识别准确度高，显著提高了工作效率。
关键词：变电站；保护压板；模式识别；图像处理
继电保护压板出现投退错误将导致继电保护装置误动或拒动，可能引发严重电网事故，是继电保护运行工作中亟待解决的问题。目前，继电保护压板投退状态的检查采用人工方式，不仅工作量大，而且保护压板错投、漏投情况时有发生[1]。
随着计算机视觉技术的发展，图像识别成为未来电力设备运维的重要手段[2-4]。本文对基于模式识别检定保护压板状态进行研究，以提高现场识别保护压板状态的可靠性和工作效率。
模式识别是一种借助计算机对信息进行处理、判别的分类过程。典型的模式识别系统由数据获取、预处理、特征提取、分类决策及分类器设计等5个部分组成,模式识别的基本架构如图1所示。
图1 模式识别的基本架构
根据有无标准样本，模式识别方法分为监督识别和非监督识别。监督识别方法是在已知训练样本所属类别的条件下设计分类器，通过该分类器对待检样本进行识别。训练样本经过预处理、特征选择后进行分类器设计，分类器的性能与样本集的大小、分布等有关。待检样本经过预处理、特征提取后进入分类器，得到分类结果或识别结果。应用于图像处理中的模式识别方法多为有监督模式识别法，如人脸检测、车牌识别等[5]。
保护压板模式识别系统由硬件与软件组成，硬件采用带摄像功能的平板电脑，搭载windows操作系统；软件基于 VC++、opencv 工具进行构建，主要功能模块包括图像拍照、标准数据库和图像分析等。系统结构如图2所示。
图2 系统结构示意图
各模块的主要功能如下。
1)图像拍照。启动摄像头，对准要拍摄的保护压板，按下“拍照保存”，输入“压板型号”，存储为800×600像素图像文件。在图像上“截取图像”，作为基准图元关联相应的动作值。
2)标准数据库。顺序录入保护屏的屏号、压板行数及列数，输入保护屏各压板的投退状态，执行“写入”保存输入结果，作为压板定值。执行“修改”功能，以列表方式显示压板数据库，可根据需要修改各压板的投退状态，并保存修改结果。
3)图像分析。对图像文件进行模式识别，与对应型号的压板数据库进行比较，判定各压板状态是否正确，输出识别结果。
本文基于Mean Shift的图像分割算法作为去除背景、提取目标的方法，将分割后面积较大的区域作为背景区域去除，所有面积较小的区域均作为目标区域输入,以向量机决策分类器进行判决。向量机决策流程如图3所示。
图3 向量机决策流程图
由于保护压板图像的边缘条件不复杂，所以采用常规的图像分割方法，如基于区域、基于阈值以及基于边缘的算法，都能取得良好的分割效果[6-8]。
Mean Shift[9-11] 是一种特征空间分析方法，运用于图像分割时，统一考虑图像的空间信息和色彩(或灰度等)信息，组成一个p+维的向量x=(xs，xr)，其中，xs表示坐标空间(spatia，px，py)；xr表示颜色空间(range：[r，g，b])，若图像为灰度，则p=1，若图像为彩色RGB，则p=3。分别用xi和zi(i=1,…,n)表示原始和分割后的图像。
定义向量：
mh(x)=
(1)
式中，ω(xi)为采样点x的权重。离x近的采样点，xi有较大的权重，即离x越近的采样点对估计x周围的统计特性越有效；反之亦然。
定义核函数来估计x的分布：
(2)
式中，hs、hr可看作分割分辨率，分别代表坐标空间和颜色空间的带宽，其值越大，越多的图像细节就会被忽略；C为归一化常量。
分割的具体步骤如下(对每一个像素点)：1)初始化 j=1，并且使yi,1=xi；2)计算mh(x)；3)把mh(x)赋给x；4)如果‖mh(x)-x‖lt;ε，分割结束，记收敛后的值为yi,c，否则，继续执行1)；5)赋值
分割后的图像区域可以由多种特征表示，包括颜色、边缘、纹理、形状和大小等特征。在本系统中，尽可能地提取丰富的特征信息，并通过设计非线性分类器进行图像区域识别。首先，将颜色直方图作为图像区域特征；然后，采用计算图像区域的大小及形状、并与颜色直方图配合，来对图像区域进行描述。
经过图像分割之后，得到一系列区域，利用模式识别方法，建立一个SVM决策分类器。区域分为2类：一类为压板区域；另一类为非压板区域。设n维训练样本为x1，x2，…，xn，训练样本各个维度的物理意义为图像中的压板区域大小、长轴长度、短轴长度、周长、形心和颜色等特征。采用最优分类界面H为：
ωTx-b=0
(3)
给定训练样本集：
{(x11,y1),(x12,y2),…，(x1n,yn)}-投入
(4)
{(x21,y1),(x22,y2),…，(x2n,yn)}-退出
(5)
式中，yi为某个区域是否为压板的标志位，取值为1或0。1 表示是压板区域；0 表示非压板区域。
设分类界面为平面：
(6)
通过训练，所求的参数λi(i=1,2,…，n) 和b应满足：
(7)
图像分割技术计算速度较快，通常能在一次分割后形成大量小的模态区域。基于彩色直方图区域大小和形状特征的比较结果如图4所示。
图4 压板状态比较结果图
生成的压板矩阵如下：
将此结果与数据库中的对应型号的保护屏压板定值表进行比较，生成测试结果。结果表明，所有压板状态都达到了很好的识别，能够满足现场应用的需求。
经国内某500 kV变电站现场应用表明，本系统可对继电保护压板投退状态进行正确识别。当压板投退错误时，发出错误提示信息，能有效提高工作效率和可靠性；但本系统对现场的光学环境有一定的要求，有待于进一步改进和优化识别算法，以适应各种现场情况。
参考文献
[1] 朱黎.影响变电站设备巡视的因素[J].电力安全技术，2002，8(4) : 23-25．
[2] 吉晏平.变电站设备巡视技术的发展[J].电气工程应用，2010(4) : 30-32．
[3] 鲁守银，钱庆林，张斌，等．变电站设备巡检机器人的研制[J]．电力系统自动化，2006，30(13)：94-98。
[4] 周立辉，张永生，孙勇，等．智能变电站巡检机器人研制及应用[J]．电力系统自动化，2011，35(19)：85-88．
[5] 张新峰，沈兰荪．模式识别及其在图像处理中的应用[J]. 测控技术,2004，23(5)：28-32.
[6] 戴亚文，王三武，王晓良.基于灰度信息的多特征模板匹配法[J]．电测与仪表，2004，41(4)：56-58．
[7] 汪海洋，潘德炉，夏德深．二维Otus自适应阈值选取算法的快速实现[J]．自动化学报，2007，33(9)：968-971．
[8] 李杰，彭月英，元昌安，等．基于数学形态学的细化算法的图像边缘细化[J]．计算机应用，2012，32(2)：514-516．
[9] 陈兆学，赵晓静，聂生东．Mean shift方法在图像处理中的研究与应用[J]．中国医学物理学杂志，2010(27)6：2244-2249．
[10] 汤杨，潘志庚，汤敏，等．基于分级mean shift的图像分割算法[J]．计算机研究与发展，2009，46(9)：1424-1431．
[11] 王晏，孙怡．自适应Mean Shift 算法的彩色图像平滑与分割算法[J]．自动化学报，2010，36(12)：1637-1644.
作者简介：肖立军(1966-)，男，硕士，高级工程师，主要从事变电站智能巡检技术等方面的研究。
收稿日期：2017-08-28
责任编辑 马彤
XIAO Lijun, MO Ling
(Zhuhai Power Supply Bureau of Guangdong Power Grid Co., Ltd., Zhuhai 519000, China)
Abstract： With the development of computer and artificial intelligence, pattern recognition is widely used in the image processing increasingly. In this paper, a state verification system for relaying plate based on pattern recognition is proposed. The standard image database of relaying plate switching state is established, realizing the real-time measured relaying plate image. Using pattern recognition method and Mean Shift algorithm, the image is segmented. And it is based on decision by vector machine classifier. After the actual application of a 500 kV substation in China, it is shown that it’s convenient to acquire relaying plate image, the recognition accuracy of relaying plate state is high, and the work efficiency is improved remarkably.
Key words: substation, relaying plate, pattern recognition, image processing
中图分类号：TU 998.13
文献标志码:A
联系客服
