具体形状特征,本课题中采用了模板匹配的方法进行了识别试验,在识别的过程中与颜色特征识别的方法相结合,这样大大减少了匹配时的计算规模,提高了识别速度,保证了识别的实时性。最后采用纹理特征对断路器和隔离开关进行了分析和识别,由于二者存在相近的纹理特征,本文结合形状特征的分析有效的区别开了断路器和隔离开关。Р(5)变电站电力设备异常的检测Р从采集到的变电站图像中识别出电力设备后,电力设备的图像区域就是进行检测的重点区域(感兴趣的区域)。通过对电力设备的图像检测区域进行分析处理,并且与电力设备正常运行时处理后的图像进行分析比较,采用减法运算检测设备图像的状态是否发生了改变,运算公式为Р Р当设备处于正常的运行状态时,当前图像无异常,此时式子值很小或者为0。当电力设备有外观的损坏、放电现象以及设备漏油等故障时,在图像中表现为图像某部分发生了突变,如产生了毛刺、突起的边缘或新增一些伪轮廓等,此时式子的值会突变,不为0。由此得出电力设备的运行状态是否出现了异常,发出报警信号。Р本文运用图像处理与模式识别的多种算法识别和分析了变电站电力设备,并判断出了电力设备的运行状态,在分析过程中运用Lab Windows/CVI编程实现。该软件提供了基本的图像处理功能,并且与C语言兼容,实现起来比较容易。目前,图像处理与智能识别技术都处在飞速发展的阶段,该技术在社会多个领域中取得了显著的成果,如交通、工业、农业、医学等都有很成功的应用。相比之下,在电力系统中的应用则显得非常落后,结合目前电力系统状态监测中的一些实际问题,提出计算机视觉在电力系统中的应用必将引起电力系统的一次监测技术革新,有助于提高电力系统的自动化水平。同时,随着现代计算机科学技术的不断发展,图像处理与识别理论与算法的不断完善,必将涌现出更多的新理论、新思想,它们必将会对电力系统的监测和控制技术的进步产生广泛的影响,有着广阔的应用前景。
全文预览