一种基于图像处理的电气设备漏电检测方法技术

本发明专利技术公开一种基于图像处理的电气设备漏电检测方法，涉及图像处理领域，采用的方法是：通过调用机器人的视觉系统采集待测电气设备漏电图像，将采集到的电气设备漏电图像输入到电气设备分析模型运用PHP算法进行对比，图像对比一致时，电气设备无故障，图像对比不一致时，电气设备可能存在故障进行下一步分析处理；对采集图像运用维纳滤波去除运动模糊，然后使用小波变换方法去除采集图像损坏区域噪声块和细节影响，再用形态学方法去除图像损坏区域的噪声点，提取出清晰地损坏区域图像；通过无线传输模块将处理过的电气设备漏电图像发送到云端检测服务器进行分析，判断电气设备是否存在漏电。本发明专利技术提高了电气设备漏电检测的可靠性和安全性。的可靠性和安全性。的可靠性和安全性。

【技术实现步骤摘要】
一种基于图像处理的电气设备漏电检测方法


[0001]本专利技术涉及电气设备漏电检测方法，具体涉及一种基于图像处理的电气设备漏电检测方法。

技术介绍

[0002]电力设备是保证配电网正常运行的重要部分，这些设备在运行过程中，一旦出现问题，直接影响电力电网的安全，严重时，出现电气火灾或者危及生命安全。尤其在高压开关柜中，当其内设置的一二次隔离开关、电压互感器、电流互感器、耦合器、绝缘子等部件出现漏电时，将直接造成无法估计的严重后果，因此就需要对电气设备进行漏电检测。
[0003]现有技术在电力设备漏电检测方面，仍存在许多不足。最原始的方法是采用万用表进行检测，这种方法在低压设备中应用简单快捷，但是在高压设备就很难检测，方法也不安全；另一种方法采用设备监测，通过获取电气设备的漏电信息，进而获取漏电谱线，直接分析电气设备漏电问题，这种方法一旦检测设备出现故障，就难以实现漏电检测。

技术实现思路

[0004]针对上述技术的不足，本专利技术公开一种基于图像处理的电气设备漏电检测方法，能够运用图像处理的方法检测电气设备是否漏电。
[0005]为了实现上述技术效果，本专利技术采用以下技术方案：一种基于图像处理的电气设备漏电检测方法：步骤一：通过调用机器人的视觉系统采集待测电气设备漏电图像；步骤二：将采集到的待测电气设备漏电图像输入到电气设备分析模型运用PHP算法进行对比，所述电气设备分析模型包含预先电气设备的图像样本，得到所待测电气设备图像的识别结果，当图像对比一致时，电气设备无故障，当图像对比不一致时，电气设备可能存在故障进行下一步分析处理；步骤三：对采集到的待测电气设备漏电图像运用维纳滤波去除运动模糊，然后使用小波变换方法去除采集图像损坏区域大部分的噪声块和细节影响，再用形态学方法去除图像损坏区域的噪声点，提取出清晰地损坏区域图像；步骤四：通过无线传输模块将采集分析出的电气设备漏电图像发送到云端监测服务器进行分析，判断电气设备是否存在漏电；所述机器人的视觉系统包含工业相机、工业镜头和照明光源。
[0006]工业相机实际作为一个光电转换装置，即将图像传感器所接收到的光学信号转换成计算机所能处理的电信号；其中光电转换装置采用CMOS图像传感器，CMOS图像传感器基于半导体制造技术，具有良好的集成性、低功耗、低成本等优点，CMOS工业相机精度为1mm，帧速为5—10fps/s，像元尺寸为2.2μm，像素深度为8bit，工作温度在0
°
C~+45
°
C之间，可以自动曝光、自动白平衡，支持Gamma和锐化，优化采集图像的亮度和边缘清晰度，所拍摄的图像质量更好。
[0007]工业镜头将物体成像在相机传感器的光敏面上，通过调节镜头焦距，使物体的成像面和传感器的靶面重合，使物体清晰的成像在传感器的光敏面上；工业镜头接口采用CS接口镜头，与CS接口摄像头配合使用，镜头总长203.3mm，口径为70mm，景深1
‑
5.9mm，像方视野32.5mm，物方视野36.3mm，工作距离110mm，焦距为2.8
‑
12mm。
[0008]照明光源光照强度适宜、光照均匀稳定，可以使图像背景和目标具有高对比度，机器视觉光源有LED光源、光纤光源、高频荧光灯等，本方法中采用高频率LED光源，可以从340nm到950nm范围内集成6种不同的波长，自动化控制LED光强，分辨率为0.1%，大大降低了外界自然环境光对图像的影响，提高系统的识别准确率和检测精度。
[0009]所述PHP算法对比图像一致的原理为：将采集图像转化为的缩略图，根据算法得到这64个像素的哈希值，将采集到的待测电气设备漏电图像的哈希值与预先电气设备图像样本的哈希值进行比较，哈希值不一样，则，若则图像对比一致，电气设备无故障，若，则图像对比不一致，进行下一步分析处理；PHP算法步骤如下：PHP算法步骤：S1.将采集图像缩小为的尺寸；S2.将缩小的采集图像变为灰度图像；S3.计算每个像素的灰度平均值；S4.与平均值进行比较，大于等于为1，小于为0，得到指纹；S5.将采集图像和预先电气设备图像的指纹依次进行比较，相同，若则图像对比一致，电气设备无故障，若，则图像对比不一致。
[0010]在本专利技术进一步的技术方案中，机器人图像处理系统主要是维纳滤波、小波变换和形态学处理。
[0011]在本专利技术进一步的技术方案中，所述维纳滤波方法利用滤波信息来弥补滤波弱点，对噪声有很好的抵抗性；维纳滤波求出能使原图像和复原图像的平均二乘误差最小的复原法，首先求像素点的邻域内的平均值和方差值。
[0012]平均值公式如公式（1）：（1）方差值公式如公式（2）：（2）公式（1）、（2）中，S为原图像中的邻域，为像素点
所对应的灰度值，表示领域的取值；维纳滤波估计公式为：（3）公式（3）中，为在滤波前的灰度值，为滤波后的灰度值，为白躁声方差；运用维纳滤波方法可以有效去除机器人获取的损坏区域图像中的运动模糊，相较传统滤波，经过维纳滤波处理后的图像对比度和清晰度更高。
[0013]在本专利技术进一步的技术方案中，所述小波变换方法兼顾图像频域和空间信息，具有多分辨率，可以在时域、频域上提取信号的局部特征实现噪声块和细节的去除；定义小波时必须满足以下两个条件；（4）公式（4）中，为小波母函数，L为图像像素点，R为像素点集合；（5）公式（5）中，为傅里叶变换，C为小波函数；在满足上述两个条件后，用a表示尺度参数，b表示位移参数，当且时，通过小波函数的伸缩与平移，可以获得以下函数：（6）公式（6）称为依赖尺度参数、位移参数的连续小波，简称为小波，公式（6）中，a表示尺度参数，b表示位移参数，表示任一时刻； 的小波变换表示为：（7）公式（7）中，a表示尺度参数，b表示位移参数，且，表示任一时刻，为傅里叶变换；小波变换具有良好的可逆性，小波逆变换可以表示为：（8）
公式（8）中，a表示尺度参数，b表示位移参数，且，C为小波函数，表示任一时刻，为傅里叶变换；经过小波变换后，图像的噪声信号出现在高频区域，噪声能量对应着幅值较小的小波系数，要实现对噪声信号的剔除可选取适当的阈函数，将绝对幅值小于阈值的小波系数设置为0，将绝对幅值大于阈值的小波系数作为实际信号保持，再由阈值变换函数映射新估计的小波系数，最后通过小波逆变换获得降噪后的图像，阈值确定公式为：小波硬阈值函数公式表示为： (9)公式（9）中，为选取的阈值，表示含噪声图像经过小波分解后的小波系数，硬阈值函数保留所有绝对幅值大于阈值的信号，把绝对幅值小于阈值的信号设为0，从而实现图像噪声点的剔除与原始信号的保护。
[0014]在本专利技术进一步的技术方案中，所述形态学方法使用特定的结构元素提取图像中有用的图像分量，先通过闭运算对图像连接边缘，闭运算公式定义为： (10)公式（10）中，A是采集图像，B是结构元素，闭运算就是用结构元素B对采集图像A进行膨胀，再用结构元素B对图像A膨胀的结果进行腐蚀；对闭运算后的图像再采用开运算去除噪声点，开运算公式定义为：（11）公本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像处理的电气设备漏电检测方法，包括以下步骤：步骤一：通过调用机器人的视觉系统采集待测电气设备漏电图像；步骤二：将采集到的待测电气设备漏电图像输入到电气设备分析模型运用PHP算法进行对比，所述电气设备分析模型包含预先电气设备的图像样本，得到所待测电气设备图像的识别结果，当图像对比一致时，电气设备无故障，当图像对比不一致时，电气设备存在故障进行下一步分析处理；步骤三：对采集到的待测电气设备漏电图像运用维纳滤波去除运动模糊，然后使用小波变换方法去除采集图像损坏区域大部分的噪声块和细节影响，再用形态学方法去除图像损坏区域的噪声点，提取出清晰地损坏区域图像；步骤四：通过无线传输模块将采集分析出的电气设备漏电图像发送到云端监测服务器进行分析，判断电气设备是否存在漏电。2.根据权利要求1所述的一种基于图像处理的电气设备漏电检测方法，其特征在于：机器人的视觉系统包含工业相机、工业镜头和照明光源；工业相机作为光电转换装置，将图像传感器所接收到的光学信号转换成计算机能处理的电信号；光电转换装置采用CMOS图像传感器，CMOS图像传感器精度为1mm，帧速为5—10fps/s；工业镜头将物体成像在相机传感器的光敏面上，通过调节镜头焦距，使物体的成像面和传感器的靶面重合，使物体清晰的成像在传感器的光敏面上；镜头接口采用1/3英寸的CS接口镜头，与CS接口摄像头配合使用，焦距为2.8
‑
12mm；照明光源光照强度适宜、光照均匀稳定，使图像背景和目标具有高对比度， LED光源可以从340nm到950nm范围内集成6种不同的波长，分辨率为0.1%。3.根据权利要求1所述的一种基于图像处理的电气设备漏电检测方法，其特征在于：其中PHP算法对比图像一致的方法为：将采集图像转化为的缩略图，根据算法得到这64个像素的哈希值，将采集到的待测电气设备漏电图像的哈希值与预先电气设备图像样本的哈希值进行比较，哈希值不一样，则，若则图像对比一致，电气设备无故障，若，则图像对比不一致，进行下一步分析处理；PHP算法步骤如下：PHP算法步骤：S1.将图片缩小为的尺寸；S2.将小图片变为灰度图像；S3.计算每个像素的灰度平均值；S4.与平均值进行比较，大于等于为1，小于为0，得到指纹；S5.将两个图片的指纹一次进行比较，相同，若则图像对比一致，电气设备无故障，若，则图像对比不一致。4.根据权利要求1所述的一种基于图像处理的电气设备漏电检测方法，其特征在于：维纳滤波方法利用滤波信息来弥补滤波弱点；维纳滤波求出能使原图像和复原图像的平均二乘误差最小的复原法，首先求像素点的邻域内的平
均值和方差值；平均值公式如公式（1）：（1）方差值公式如公式（2）：（2）公式（1）、（2）中，S为原图像中的邻域，为像素点所对应的灰度值，表示领域的取值；维纳滤波估计公式为：（3）公式（3）中，为在滤波前的灰度值，为滤波后的灰度值，为白躁声方差。5.根据权利要求1所述的一种基于图像处理的电气设备漏电检测方法，其特征在于：小波变换方法兼顾图像频域信息和空间信息，对图像进行降噪处理；定义小波时必须满足以下两个条件；（4）公式（4）中，为小波母函数，L为图像像...

【专利技术属性】
技术研发人员：温如旭，
申请(专利权)人：深圳凯升联合科技有限公司，
类型：发明
国别省市：