气体泄漏在线模式识别方法
【专利摘要】本发明公开了基于图像识别的SF6气体泄漏在线模式识别方法，包括以下步骤：步骤一：采集SF6气体泄漏原始图像；步骤二：对采集的SF6气体泄漏原始图像进行灰度转换，得到SF6气体泄漏原始图像的累积直方图；步骤三：对采集的SF6气体泄漏原始图像进行均值滤波，用均值替代SF6气体泄漏原始图像中的各个像素值；步骤四：利用帧间差分法对图像序列中的连续两帧图像进行差分，然后二值化该灰度差分图像来提取运动信息，设定阈值，最终将符合阈值的像素点凸显出来，识别出SF6气体泄漏特征。本发明可以动态形式将SF6气体泄漏运动轨迹显示出来，实现由人工识别到自动识别的转变，提高工作效率及诊断准确度。
【专利说明】基于图像识别的sf6气体泄漏在线模式识别方法
【技术领域】
[0001] 本发明涉及基于图像识别的sf6气体泄漏在线模式识别方法。
【背景技术】
[0002] 随着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sf 6气体无色无味的物理特征很难 被现场工作人员直接发现，以往采用的刷肥皂泡法定性检漏仪检漏法定量检漏（包扎法挂 瓶法）法等方法，存在着检测灵敏度低、受周围环境影响较大、工作强度大、需停电检测、难 以准确定位泄漏点等明显不足。
[0003] 鉴于上述问题，国内外提出了许多基于光学成像技术的SF6气体泄漏在线检测方 法，可以在不停电情况下，实时监测电气设备中的SF 6泄漏状况，这样不仅保证了设备的安 全稳定运行，同时节省了人力资源。以激光成像检测技术和红外成像检测技术为代表的sf 6 气体泄漏光学成像检测技术，利用3^气体对红外光谱的强吸收特性，使肉眼不能直接观察 到的SF6气体在红外视频上可见，为检测人员提供了一种快速识别泄漏源的技术，该技术现 已成为一种成熟有效的带电测试手段在国内外得到了广泛应用。然而单纯采用红外成像 检漏，无法对泄漏数据进行在线汇总分析，无法提供气体泄漏量化指标，不能发挥数据的价 值。
【发明内容】
[0004] 为解决现有技术存在的不足，本发明公开了基于图像识别的sf6气体泄漏在线模 式识别方法，本申请通过提取气体泄漏特征，在线识别气体泄漏及其泄漏点，实现sf 6气体 泄漏在线自动识别。
[0005] 为实现上述目的，本发明的具体方案如下：
[0006] 基于图像识别的SF6气体泄漏在线模式识别方法，包括以下步骤：
[0007] 步骤一：采集sf6气体泄漏原始图像；
[0008] 步骤二：对采集的SF6气体泄漏原始图像进行灰度转换，得到SF6气体泄漏原始图 像的累积直方图，然后进入步骤三；
[0009] 步骤三：对SF6气体泄漏原始图像的累积直方图进行均值滤波，用均值替代SF 6气 体泄漏原始图像中的各个像素值；
[0010] 步骤四：利用帧间差分法对步骤三中均值滤波后图像序列中的连续两帧图像进行 差分，然后二值化该灰度差分图像来提取运动信息，设定阈值，最终将符合阈值的像素点凸 显出来，识别出SF 6气体泄漏特征。
[0011] 所述步骤二中灰度转换采用直方图均衡化的方法，设h为原图像中第i个灰度 级像素数，n为原图像中所有的像素数，则灰度为i的像素的出现概率是P(i) = rii/nQ =0, 1，…，N-1)，式中，P(i)是原图像直方图的概率分布，N为原图像中的所有灰度级数 (N < 256)，直方图均衡化是通过累积分布函数将原图像的灰度级i映射到新的灰度级C (i) 即形成了原始图的累积直方图，
【权利要求】
1. 基于图像识别的sf6气体泄漏在线模式识别方法，其特征是，包括以下步骤： 步骤一：采集sf6气体泄漏原始图像； 步骤二：对采集的SF6气体泄漏原始图像进行灰度转换，得到SF6气体泄漏原始图像的 累积直方图，然后进入步骤三； 步骤三：对SF6气体泄漏原始图像的累积直方图进行均值滤波，用均值替代SF6气体泄 漏原始图像中的各个像素值； 步骤四：利用帧间差分法对步骤三中均值滤波后图像序列中的连续两帧图像进行差 分，然后二值化该灰度差分图像来提取运动信息，设定阈值，最终将符合阈值的像素点凸显 出来，识别出sf6气体泄漏特征。
2. 如权利要求1所述的基于图像识别的SF6气体泄漏在线模式识别方法，其特征是，所 述步骤二中灰度转换采用直方图均衡化的方法，设h为原图像中第i个灰度级像素数，n为 原图像中所有的像素数，则灰度为i的像素的出现概率是P(i) = rii/na = 0, 1，. . .，N-1)， 式中，P(i)是原图像直方图的概率分布，N为原图像中的所有灰度级数（N< 256)，直方图 均衡化是通过累积分布函数将原图像的灰度级i映射到新的灰度级C(i)即形成了原始图 的累积直方图，《0 = E_UP〇)，参数j为从0开始递增的整数。
3. 如权利要求1所述的基于图像识别的SF6气体泄漏在线模式识别方法，其特征是， 所述步骤三中均值滤波采用的方法为邻域平均法，对待处理的当前像素点（x，y)，选择一个 模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像 素点（x，y)，作为处理后图像在该点上的灰度g(x，y)，
板，M为该模板中包含当前像素在内的像素总个数，f?函数是图像的二维矩阵表示，f(x，y) 是每个矩阵元素。
4. 如权利要求1所述的基于图像识别的SF6气体泄漏在线模式识别方法，其特征是，所 述步骤四中具体为：通过比较图像序列中前后两帧图像对应像素点灰度值的不同，通过两 帧相减，如果相减差值小于差分二值化阈值，可以认为该点无运动物体经过；反之相减差值 大于差分二值化阈值，则认为有物体经过，第k帧和k+1帧图像fk(x，y)，fk+1(x，y)之间的 变化用一个二值差分图像D(x，y)表示：
最终将符合阈值的像素点凸显出来，识别出SF6气体泄漏特征。
5. 如权利要求1所述的基于图像识别的SF6气体泄漏在线模式识别方法，其特征是，所 述步骤一中采集的装置为红外检测仪。
【文档编号】G06K9/62GK104346626SQ201410601675
【公开日】2015年2月11日 申请日期:2014年10月30日 优先权日:2014年10月30日
【发明者】黄金鑫, 牛林, 战杰, 姜杨, 马梦朝, 崔金涛, 何登森, 鲁国涛 申请人:国家电网公司, 国网技术学院