一种基于红外视频的SF6气体泄漏自动检测方法与流程

文档序号:11621274
一种基于红外视频的SF6气体泄漏自动检测方法与流程

本发明涉及一种基于红外视频的SF6气体泄漏自动检测方法。



背景技术:

随着变电站内SF6设备数量的增多及运行时间的增长,SF6气体泄漏故障一直是影响电力设备正常运行及威胁现场工作人员人身安全的重要问题。由于SF6气体无色、无味的物理特征,很难被现场工作人员直接发现,寻求一种安全、及时、有效的SF6泄漏检测方法显得尤为重要。以往SF6泄漏检测技术大多属于被动检测法,主要包括刷肥皂泡法、定性检漏仪检测法、定量检测(包扎法、挂瓶法)等方法,这些方法存在着灵敏度低、受周围环境影响较大、需停电检测等缺点。近几年,以先进性的红外探测技术为原理的SF6泄漏检测技术开始在变电站设备巡检中推广应用,这种方法无需断电、安全可靠、查漏准确,但该检测方式主要是固定检测点、专人单台设备多角度长时间监测,不仅耗时耗力,而且还有可能由于检测人员疲劳等因素出现漏检,造成设备的安全隐患。

目前智能巡检机器人已经在国内变电站开始推广应用,并取得了良好的效果,有效地提升了变电站运行和管理的智能化水平。机器人可以替代人工完成一些设备外观及发热情况的检测,但目前机器人云台只装设了可见光摄像机与红外测温仪,使得变电站巡检机器人功能受到了限制,变电站内一些设备的巡检任务仍然需要人工完成,制约了智能机器人的推广应用。



技术实现要素:

本发明为了解决上述问题,提出了一种基于红外视频的SF6气体泄漏自动检测方法,本发明通过巡检机器人携带的SF6红外成像仪对可能发生SF6泄漏的螺栓、法兰等位置进行红外视频采集,根据采集的红外视频图像,首先采用图像增强算法对采样帧图像进行图像增强,然后通过不同帧图像间的多特征图像比对,检测图像中发生变化区域,最后根据图像变化区域的检测,判断该监测点是否存在SF6气体泄漏。

为了实现上述目的,本发明采用如下技术方案:

一种基于红外视频的SF6气体泄漏自动检测方法,对可能发生SF6泄漏的位置进行视频采集,基于特征点配准方法完成不同帧图像的对齐,采用图像增强算法对采样帧图像进行图像增强,以首帧图像为比对模板,对不同帧图像采用多特征融合比较的方法进行图像比对,查找相邻帧图像之间的差异,记录帧图像间内容发生变化的区域,根据图像变化区域的检测,判断该监测点是否存在SF6气体泄漏。

进一步的,利用SF6气体检测红外成像仪对可能发生SF6泄漏的位置进行红外视频采集。

进一步的,在变电站巡检机器人云台上安装SF6气体检测红外成像仪,利用变电站巡检机器人自主运动到设备监测点。

这种设计可以使得巡检机器人在巡检过程中就进行了SF6气体泄漏检测。

对机器人采集到的红外视频进行抽帧采样,得到一系列图像,按采样顺序对图像进行编号,并采用图像配准算法对该组图像进行对齐。

将对齐的图像由RGB彩色空间转换到Lab空间,采用非线性图像增强算法对图像进行增强处理。

进一步的,对于图像对齐的步骤具体包括:

(1)读取采集的某一段avi视频,获取该视频总的帧数N,然后每隔若干帧图像抽取一帧,按照抽帧的顺序对图像进行排序;

(2)将图像进行灰度化处理,图像由3通道RGB图像变为单通道灰度图;

(3)对每幅图像的ORB特征点检测,以第一幅图像为基准图像,通过特征点匹配算法计算其余图像和参考图像的变换矩阵;

(4)将其余图像以变换矩阵进行投影变换,完成其余图像与参考图像的配准。

对图像进行增强处理的具体步骤包括:

(i)将图像由RGB彩色空间按下面方法变换到Lab彩色空间;

(ii)取图像Lab彩色空间的亮度通道图像,采用非线性图像增强算法对亮度通道图像进行增强,将气体的灰度范围内的像素映射到设定区间;

(iii)将配准后的图像组中的每一副图像按步骤(i)、(ii)步骤进行图像增强处理,得到增强后的一组图像。

所述步骤(i)中,对RGB彩色空间的各通道图像通过gamma函数进行色调编辑,提高图像对比度,通过映射,原图像变换到XYZ空间,进而变换到Lab彩色空间。

对相邻帧图像采用多特征融合比较的方法进行图像比对的具体方法为:

(I)将增强处理后的图像经大小变换尺寸变为640×480像素,得到一组图像;

(II)以图像为模板图像,对图像以40×40像素大小的方格对图像进行栅格化,每个图像分为16×12个栅格图像块;

(III)取图像中对应的图像块,分别提取方向梯度直方图特征和平均绝对值偏差特征;

(IV)分别将对应的图像块中的方向梯度直方图特征与平均绝对值偏差特征进行归一化,采用特征层串联融合方法对归一化的特征值进行特征融合,得到全特征;

(V)根据步骤(IV)求得的图像块全特征,利用余弦相似度计算全特征间的差异度;

(VI)前期需要针对不同内容的图像样本进行比对实验,确定图像内容发生变化的先验余弦相似度阈值,若两图像块间的差异度θ>T,则记录当前图像块发生变化;

(VII)图像和图像对应16×12个栅格图像块都经过(III)~(VI)步骤计算,记录整幅图像中发生变化的图像框位置中心点集合;

(VIII)按顺序取图像组中每一幅图像,按(II)~(VII)步骤计算,记录每幅图像中发生变化的图像框中心点集合。

所述步骤(III)中,的方向梯度直方图特征的提取方法为:

(3-1)将40×40像素的图像块I进行灰度化,采用Gamma校正法对输入图像进行颜色空间的标准化;

(3-2)计算图像每个像素的梯度,将图像划分为小的单元图,大小为10×10像素,将单元图cell的梯度方向360度分成9个方向块,统计每个cell的梯度直方图,令所有的图像块block无重叠;

(3-3)一个图像块block内所有单元图cell特征描述符首尾相连便得到该图像块block的1×36维的HOG特征,将图像I内4个图像块block的HOG特征首尾相连便得到表示该图像1×144维的HOG特征向量。

所述步骤(III)的平均绝对值偏差特征的提取方法为:

(3-a)将40×40像素的图像块进行灰度化,将图像栅格化分为16个10×10像素不重叠的小图像块,分别计算每一个小图像块的平均绝对值偏差值;

(3-b)将这个16个小图像块的平均绝对值偏差值按顺序连接起来,构成1×16维的特征向量。

所述步骤(IV)的特征融合算法计算公式为:

其中,F为融合后特征,f1,f2为待融合的两个分特征,α,β分别为HOG和AAD两个特征的权值。

根据帧图像间变化区域的统计分析判断该视频中是否存在SF6泄漏的异常的具体步骤包括:综合记录的集合得到所有图像框中心点坐标集合,统计该集合中各坐标点的个数;若个数大于设定值,记录坐标点,并以坐标点为中心点,在图像组每幅图像上标注40×40的红色图像框,标注该图像中出现SF6气体泄漏故障位置,对当前位置进行SF6泄漏报警。

与现有技术相比,本发明的有益效果为:

(1)本发明提出了一种基于巡检机器人搭载SF6红外探测仪的SF6泄漏自动检测方法,取代人工携带设备现场检测方法,减轻了电力巡检人员的工作负担,提高了安全性;

(2)本发明通过基于多特征融合的图像比对算法,提取视频不同帧之间发生变化的区域,标注存在SF6气体泄漏位置;

(3)本发明使得巡检机器人具备了SF6气体泄漏功能,解除了变电站巡检机器人功能的限制。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。

图1为本发明的算法流程图;

图2为本发明的图像增强结果图。

具体实施方式:

下面结合附图与实施例对本发明作进一步说明。

应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

一种基于红外视频SF6气体泄漏自动检测方法,包括以下步骤:

(1)在变电站巡检机器人云台上安装SF6气体检测红外成像仪,机器人自主运动到设备监测点,利用SF6检测红外成像仪对可能存在SF6泄漏的螺栓、法兰等位置进行拍摄,采集并保存该位置设备的红外视频;

(2)对机器人采集到的红外视频进行抽帧采样,得到一系列图像,按采样顺序对图像进行编号,并采用图像配准算法对该组图像进行对齐;

(3)图像对齐后,将图像由RGB彩色空间转换到Lab空间,采用非线性图像增强算法对图像进行增强处理;

(4)对相邻帧图像采用多特征融合比较的方法进行图像比对,查找相邻帧图像之间的差异,记录帧图像间内容发生变化的区域。

(5)根据帧图像间变化区域的统计分析判断该视频中是否存在SF6泄漏的异常。

所述步骤(1)中,安装在机器人云台的SF6泄漏检测红外成像仪的参数为:

当巡检机器人移动到监测点后,通过控制云台调整红外成像仪对准电力设备可能存在SF6泄漏的位置,打开红外成像仪,持续拍摄1分钟,保存为avi格式的视频。

所述步骤(2)中,具体步骤包括:

(2-1)读取采集的某一段avi视频,获取该视频总的帧数N,然后每隔10帧图像抽取一帧,按照抽帧的顺序用数字1,2…,n对图像进行排序,得到图像I1,I2,…,In,其中n=N/10,这里“/”为除法取整符号;

(2-2)将图像进行灰度化处理,图像由3通道RGB图像变为单通道灰度图;

(2-3)对每幅图像的ORB特征点检测,以图像I1为基准图像,通过特征点匹配算法计算图像I2,I3,…,In和参考图像1的变换矩阵H2,H3,…,Hn

(2-4)将图像I2,I3,…,In以变换矩阵H2,H3,…,Hn进行投影变换,完成图像I2,I3,…,In与I1的配准;

所述步骤(3)中,具体步骤包括:

(3-1)将图像由RGB彩色空间按下面方法变换到Lab彩色空间,设r,g,b为图像的三个通道,取值范围为[0,255]。首先对各通道图像通过gamma函数进行色调编辑,提高图像对比度,变换公式为;

其中

然后通过映射[X,Y,Z]T=M*[R,G,B]T,原图像变换到XYZ空间,其中M为映射矩阵,定义为

最后经过下面计算公式变换到Lab彩色空间

L=116f(Y/Yn)-16

a=500[f(X/Xn)-f(Y/Yn)]

b=200[f(Y/Yn)-f(Z/Zn)]

其中

Xn=95.047,Yn=100,Zn=108.883

(3-2)取图像Lab彩色空间的L(亮度)通道图像IL,采用非线性图像增强算法对图像IL进行增强,增强后的图像为IE,将气体的灰度范围内的像素映射到区间[0,255]。如下式所示:

其中,IL(x,y)是图像IL在像素点(x,y)处的灰度值,IE(x,y)是增强后图像IE在像素点(x,y)处的灰度值,γ是决定图像在灰度范围[50,200]区间亮度分布参数,此处参数γ设置为2.75。

(3-3)将配准后的图像组中的每一副图像按上述步骤进行图像增强处理,得到增强后的一组图像

所述步骤(4)中,具体步骤包括:

(4-1)将增强处理后的图像经大小变换尺寸变为640×480像素,得到一组图像

(4-2)以图像为模板图像,取图像然后两幅图像以40×40像素大小的方格对图像进行栅格化,每个图像分为16×12个栅格图像块;

(4-3)取两幅图像中对应的图像块记为分别提取方向梯度直方图特征(Histogram of Oriented Gradient,HOG)和平均绝对值偏差特征(average absolute deviation,AAD);

(4-4)别将中的方向梯度直方图特征fH与平均绝对值偏差特征fA进行归一化,得到归一化特征和然后采用特征层串联融合方法对和进行特征融合,得到全特征F1和F2

(4-5)根据步骤(4-4)求得的图像块融合特征F1和F2,利用余弦相似度计算F1和F2间的差异度θ,计算公式为:

其中,k=276,为F1和F2的特征维数;

(4-6)前期需要针对不同内容的图像样本进行比对实验,确定图像内容发生变化的先验余弦相似度阈值T=0.3,若两图像块间的差异度θ>T,则记录当前图像块发生变化;

(4-7)图像和图像对应16×12个栅格图像块都经过(4-3)~(4-6)步骤计算,记录整幅图像中发生变化的图像框位置中心点集合{(xmid,ymid)},xmid为图像框中心点水平方向坐标,ymid为图像框中心点垂直方向坐标,该集合记为

(4-8)按顺序取图像组中每一幅图像,按(4-2)~(4-7)步骤计算,记录每幅图像中发生变化的图像框中心点集合,分别记为

所述步骤(4-3)的方向梯度直方图特征的提取方法为:

首先,将40×40像素的图像块I进行灰度化,采用Gamma校正法对输入图像进行颜色空间的标准化;

然后,计算图像每个像素的梯度(包括大小和方向)接下来将图像划分为小的单元图(cells),大小为10×10像素,将单元图cell的梯度方向360度分成9个方向块,统计每个cell的梯度直方图,即形成每个单元图cell的1×9维特征描述符,将2×2个cell组成一个图像块block,为减少特征维数,令所有的图像块block无重叠;

一个图像块block内所有单元图cell特征描述符首尾相连便得到该图像块block的1×36维的HOG特征,将图像I内4个图像块block的HOG特征首尾相连便得到表示该图像1×144维的HOG特征向量。

所述步骤(4-3)的平均绝对值偏差特征的提取方法为:

首先,将40×40像素的图像块进行灰度化,然后将图像栅格化分为16个10×10像素不重叠的小图像块,分别计算每一个小图像块的平均绝对值偏差值;设H为其中的一个10×10图像块,平均绝对值偏差值δ定义为:

其中,K为图像块H的像素点个数,取值为100,f(x,y)为图像块H内像素点(x,y)的灰度值,μ为图像块H内的像素灰度均值,这样便得到了其中一个小图像块的平均绝对值偏差值;

最后,将这个16个小图像块的平均绝对值偏差值按顺序连接起来,就构成了一个1×16维的特征向量。

所述步骤(4-4)的特征融合算法计算公式为:

其中,F为融合后特征,f1,f2为待融合的两个分特征,α,β分别为HOG和AAD两个特征的权值,这里α=0.3,β=0.7。

所述步骤(5)中,具体步骤包括:

(5-1)综合步骤(4)中记录的集合得到所有图像框中心点坐标集合i∈{2,3,…,n},统计该集合中各坐标点的个数,记为

(5-2)若记录坐标点并以坐标点为中心点,在图像组每幅图像上标注40×40的红色图像框,标注该图像中出现SF6气体泄漏故障位置,对当前位置进行SF6泄漏报警,此处Tp=5。

以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1