基于计算机视觉技术的电力指针式仪表自动读数算法研究

0引言

电力指针式仪表是变电站内最常见的测量和控制设备,承担着电压参数测定、避雷器检测、电能质量监测等重要功能。指针式仪表结构简洁、示数准确、可靠性高,尤其是在高温高压、粉尘等恶劣环境下,此类仪表比数字式仪表表现得更加稳定和耐用。然而,在这些恶劣的工作环境下,传统的人工读表方式效率低下且准确性不足。因此,随着电力自动化、智能化水平的不断提高,研究电力指针式仪表自动读数技术显得尤为重要。

在诸如电力巡检机器人等智能电力终端上搭载电力指针式仪表自动读数技术,不仅能大幅提高数据采集的效率和准确性,还能有效减少人为误差,确保数据的客观性,从而为电力系统的安全稳定运行提供有力保障。

目前,随着计算机视觉技术的飞速进步,电力指针式仪表自动读数技术多依赖于图像处理、模式识别和人工智能算法,技术过程通常是摄像头捕捉仪表盘图像,结合先进的图像处理算法(如均值滤波、灰度化、霍夫变换等),识别表盘和指针位置,利用角度法计算读数,进而完成仪表读数的自动化采集工作^[1-3]。

因此,本文预先对采集到的指针式仪表图片进行滤波降噪和灰度化处理,使用霍夫圆检测到仪表盘轮廓,并应用霍夫直线算法拟合仪表盘刻度线和指针,最后通过角度法计算仪表盘读数,旨在为电力指针式仪表自动读数技术的发展提供理论支持和技术参考,推动电力系统的智能化升级。

1 电力指针式仪表自动读数技术

基于计算机视觉技术的电力指针式仪表自动读数流程如图1所示。

1.1 滤波与灰度化

智能终端配备高分辨率摄像头,通过拍摄电力指针式仪表盘完成图像采集。接下来是图像的预处理操作,包括滤波和灰度化,其中,滤波用于去除图像中的噪声,灰度化则是将彩色图片转为灰度图,以减少计算量和复杂度。

常用的滤波算法有均值滤波、高斯滤波、双边滤波等,在自动读数场景中,考虑到原始图像中指针、仪表刻度线与盘面的轮廓和色彩分明,所以,为更好地保留图像中的边缘信息与色彩信息,本文采用双边滤波^[4]。

双边滤波是一种非线性滤波技术,它考虑了空间邻域和像素值相似性两个因素,通过权重函数将空间域和强度域的信息结合在一起,从而在平滑图

像的同时保留边缘。其原理如下:

式中:x_i为原图中的像素点位置;x为双边滤波处理后图像中的像素点位置;Ω为空间域;I_filtered(x)为经双边滤波处理后x位置对应的强度值,即像素值;I(x_i)为原图中xi位置对应的强度值;|x-x_i|为两位置之间的欧几里得距离;|I(x)-I(x_i)|为两像素值之间的差异; W_p为归一化系数;σ₁和σ₂分别为空间域和强度域的标准差。

图2展示了原始图像经双边滤波处理后的效果。

1.2 仪表盘检测

为了精准定位仪表盘的位置和轮廓,本文采用霍夫圆变换方法^[5]。霍夫圆变换是一种基于累积投票 的参数空间变换方法,适用于检测图像中的圆形轮廓。

基于霍夫圆变换的仪表盘轮廓定位算法流程如下:

1)边缘检测。

使用Canny边缘检测提取边缘点。

2)参数空间投票。

对于每一个边缘点(x,y)和假设圆半径r,计算所有可能圆心(a,b):

a=x-rcosθ   (2)

b=y-rsinθ   (3)

式中:θ为从边缘点(x,y)到圆心(a,b)的方向角,表示圆心相对于边缘点的位置角度。为了覆盖完整的圆周,将θ的取值范围设为0到360°。

3)累积器数组。

创建一个累积器数组,每个边缘点对应一个特定的 (a,b,r)组合,每次在参数空间中确定一个可能的(a,b,r)组合时,在累积器数组的对应位置加1。

4)定位仪表盘。

找出累积器数组中值最大的点,这些点对应的(a,b,r)参数即检测到的仪表盘参数。

5)裁剪仪表盘。

根据矩形左下、右上坐标 (a-r,b-r)(a+r,b+r),裁剪出仪表盘。

图3展示了基于霍夫圆变换定位仪表盘轮廓的效果。

1.3 霍夫直线拟合指针和刻度

在仪表盘图片中准确识别仪表盘上的指针和刻度线,采用霍夫直线变换方法^[6],算法流程如下:

1)边缘检测。

使用Canny边缘检测提取边缘点。

2)霍夫直线变换。

将图像坐标空间转换为霍夫参数空间(可视为极坐标空间)。在极坐标系中,直线可表示为:

ρ=xcosθ+ysinθ   (4)

式中:ρ为原点到直线的垂直距离;θ为直线与x轴的夹角。

3)累积器数组

创建累积器数组,每个边缘点(x,y)对应一个特定的(ρ,θ)组合。每次在参数空间中确定一个可能的(ρ,θ)组合时,在累积器数组的对应位置上加1。

4)定位直线

找出累积器数组中值最大的点,这些点对应的(ρ,θ)参数即检测到的直线参数(指针和刻度线)。

5)区分指针和刻度线

根据检测到的直线参数(ρ,θ),将直线从霍夫参数空间转换为图像坐标空间,表示为:

圆心附近出发且延伸至仪表盘轮廓区域的长直线为指针,围绕仪表盘圆周排列的短直线为刻度线。

图4展示了基于霍夫直线变换的指针和刻度拟合效果。

1.4 角度法读数

将仪表盘的圆心作为指针的回转中心,起始刻度线延伸且连接回转中心的直线为水平轴,假设指针与表盘轮廓线的交点为(x_p,y_p),则指针与水平线的夹角θ_p计算为:

θ_p=arctan(|y_p-b|/|x_p-a|)   (6)

式中:(a,b)为仪表盘的回转中心。

将指针角度θp映射到刻度范围内:

刻度值=θ_p ×max—num/angle   (7)

式中:max—num为仪表盘最大示数;angle为仪表盘刻度范围的角度。

考虑到仪表盘零刻度位置,需要对指针读数进行修正。因此,假设0刻度在θ位置,仪表盘实际读数res为:

res=(θ_p-θ)×max—num/angle   (8)

通过上述步骤,算法可以精确地识别仪表盘轮廓并检测指针和刻度线的位置,再基于指针与刻度线的角度关系,即可获得仪表盘的读数。这种方法可以显著提高电力指针式仪表自动读数的效率和准确性。

2 实验结果与分析

为了测试本文所研究的电力指针式仪表自动读数技术的有效性,采集了变电所内110kv滁东线584线路避雷器A组、B组、C组等30张不同示数进行实验,仪表盘如图5所示。

使用绝对误差T和相对误差δ衡量读数精度,计算公式如下:

T=|res-y|   (9)

δ=T/y    (10)

式中:res为算法读数;y为人工读数。

部分电力指针式仪表自动读数结果如表1所示。

实验结果表明,本文所提的电力指针式仪表自动读数的平均绝对误差为0.02,平均相对误差为1.8%,自动读数能有效适应各种复杂环境,且准确性符合应用预期。

3结束语

为解决电力指针式仪表在复杂环境下自动读数问题,本文提出了一种基于计算机视觉技术的自动化读数方法。该方法包含对原始图像进行双边滤波与灰度化的预处理操作、霍夫圆变换定位仪表盘边缘、霍夫直线拟合指针和刻度线以及角度法计算读数等四大关键步骤。采集滁州变电站内避雷器组图像对自动读数方法进行验证,实验结果表明,该方法在复杂环境下仍具有高精度,可实现对传统人工读数方式的有效替代,有助于赋能电力智能化巡检以及推动电力系统的智能化升级。不过,霍夫变换仍存在计算复杂度较高的特性,后续将优化圆盘和指针定位算法,以进一步提高系统的实时性。

[参考文献]

[1]刘宏利,张志伟,邵磊,等.基于深度学习的指针式仪表示数读取方法[J/0L].天津理工大学学报:1—8(2024—05—15)[2024—06-03]. https://kns.cnki.net/kcms2/Article/  AbstrAct? v=5l3vb1p—-rheDuGnbki3YHNqogA7iipi7xEe-  4qivNuSYAHmKJ5s30F8tLk65Q8fk7YoHIJvvqcvc2cFtoxnJ- QjQYSrAFoiQAvggwgFw-1Xg5iv5j15LEDPFAH6NvnJ— kj86h- ktvxHvloAqvZi7xhwZ0cAsticJpEz-trfsA0Yfxv5vFhsiIx- L08rthz0-Nqg&uniplAtform=NZKPT&lAnguAge=cHS.

[2]赵丽娜.基于机器视觉的电力指针式仪表的自动识读技术研究[D].保定:华北电力大学,2023.

[3]张建寰,曾亮,刘涛,等.户外巡检机器人指针式仪表识别方法研究[J].仪表技术与传感器,2023(11):51-56.

[4]赵德鹏,刘永生,赵涵.基于统计滤波与双边滤波的点云降噪算法[J].现代机械,2024(2):35-3g.

[5]程浩然,钱新博,蒋林,等.一种激光SLAM中基于图与图匹配的回环检测方法 [J/0L].武汉科技大学学报:1-10(2024-05-28)[2024-06-05].https : //kns.cnki.net/kcms2/Article/AbstrAct?v=5l3vb1p—-rhI1ju2buc2A-SogrvrkrADLZ3tJIK-INuvr-P1ZEuPi8HB7w—4w0L6qX-AsP-bgw0Q6Sg-FMDDYpkLNAqTThDSiuuLgqk8mlgEGkXGMXTvZnM-ggDiA1AX0Ew23Ns3dqtYoRJYmZABFGkSphtQcAEAS-exuozY-rhgjJutXgvit—RRI0cvewPl—jxr&uniplAtform=NZKPT&lA-nguAge=cHS.

[6]聂子博,曹建军,翁年凤,等.基于直线生成的卷积霍夫线段检测[J].计算机技术与发展,2024,34(5):30-36.

2024年第20期第19篇