一种变电站悬挂异物识别方法

本发明涉及变电站安全防护，尤其涉及变电站悬挂异物识别方法。

背景技术：

1、目前，我国电力变电站设备巡检多采用人工巡检方式，即变电站工作人员进入设备区，进行设备巡视。这种巡检方式主要靠的是作业人员的主观的感官定性判断分析，需要工作人员有丰富的工作经验和较高的业务水平。并且也很难做到数据的实时输入管理信息系统。变电站是个高危场所，在恶劣天气下，设备的巡检对工作人员来说存在较大的安全隐患。

2、经检索，公告号cn117495825a的中国专利，公开了一种变电站塔杆异物检测方法，其提出采用深度学习网络结构模型进行训练的方式，对的变电站塔杆上的异物进行不断识别学习，实现提升识别效率的技术方案；

3、公告号cn113052260a的中国专利，公开了基于图像配准和目标检测的变电站异物识别方法及系统，其提出通过目标检测算法，进行图像比对，用于解决目标异物检测算法异物检出率不高等问题的技术方案；

4、然而，对于变电站来说，变电站的很多设备中的悬挂物都会对运行产生影响，如何实现悬挂物的巡检和识别，逐步实现无人值守，自动识别的，实现变电站设备进行全面的异物识别覆盖，是亟需解决的问题。

技术实现思路

1、本发明的目的是为了解决现有技术中存在的缺陷，而提出的变电站悬挂异物识别方法。

2、为了实现上述目的，本发明采用了如下技术方案：

3、一种变电站悬挂异物识别方法，包括以下步骤：

4、s1：通过网络连接变电站监控终端，采集变电站实时图像和已存储的模板图像，对变电站的监控图像进行预处理，将图片调整为统一尺寸，构建变电站图像异物数据集；

5、s2：利用灰度化处理和高斯噪声增强图片数据，后对图片进行特征提取，并对特征提取的图片进行特征融合；

6、s3：使用sift对变电站图像异物数据集中的图像配准定位指定区域，分析并统计指定区域中特征角点的数目；

7、s4：根据特征点数目的分布状态和设定阈值进行异物识别，超过阈值时判定为有异物侵入。

8、进一步地，在步骤s1中，变电站图像异物数据集包括模板图像数据集和巡检图像数据集。

9、进一步地，在步骤s1中的预处理中采用高斯滤波对采集到的图像进行去噪。

10、进一步地，在步骤s4中，采用harris角点来检测指定区域内的特征点分布，其中，某一个点在x方向和y方向上都有明显的导数，即该点在两个方向上都有明显的梯度值，该点认定为特征点。

11、相比于现有技术，本发明的有益效果在于：

12、通过harris特征检测，提取模板图像和巡检图像中指定区域的特征点，对特征点进行统计分析，实现了设备区域有无异物的检测识别。实验结果表明该算法建模简单、运行速度快、准确率高。

13、通实现了变电站中异物检测，提高了工作人员的工作效率和作业人员的安全性，推进了变电站无人值守进程，实现了变电站自动化和智能化。

技术特征：

1.一种变电站悬挂异物识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的变电站悬挂异物识别方法，其特征在于，在步骤s1中，变电站图像异物数据集包括模板图像数据集和巡检图像数据集。

3.根据权利要求1所述的变电站悬挂异物识别方法，其特征在于，在步骤s1中的预处理中采用高斯滤波对采集到的图像进行去噪。

4.根据权利要求1-3任一所述的变电站悬挂异物识别方法，其特征在于，在步骤s4中，采用harris角点来检测指定区域内的特征点分布，其中，某一个点在x方向和y方向上都有明显的导数，即该点在两个方向上都有明显的梯度值，该点认定为特征点。

技术总结
本发明公开了一种变电站悬挂异物识别方法，包括以下步骤：S1：采集数据；S2：利用灰度化处理和高斯噪声增强图片数据，后对图片进行特征提取，并对特征提取的图片进行特征融合；S3：使用SIFT对变电站图像异物数据集中的图像配准定位指定区域，分析并统计指定区域中特征角点的数目；S4：根据特征点数目的分布状态和设定阈值进行异物识别，超过阈值时判定为有异物侵入。通过Harris特征检测，提取模板图像和巡检图像中指定区域的特征点，对特征点进行统计分析，实现了设备区域有无异物的检测识别，推进了变电站无人值守进程，实现了变电站自动化和智能化。

技术研发人员：阮晓鹏,笪贤文,王宗良
受保护的技术使用者：上海电机学院
技术研发日：
技术公布日：2024/9/23