变电站通信电源蓄电池电解液泄露识别方法与流程

本发明涉及一种变电站通信电源蓄电池电解液泄露识别方法，属于变电站通信技术领域。

背景技术：

由于变电站数量多，所需维护的蓄电池组数量多、放电时间长，维护人员少等原因，每年需要投入大量的人力、物力开展维护工作，由于运维人员有限、工作繁重，导致大部分蓄电池组得不到有效的维护。而蓄电池电解液泄露严重影响电网的安全稳定运行，因此，采用自动化的技术手段实现对变电站通信电源蓄电池电解液泄露的自动识别，以有效提高巡查工作效率，降低人员巡查工作量，有效提高变电站运行的安全可靠性具有十分重要的意义。

技术实现要素：

本发明的目的在于提供一种变电站通信电源蓄电池电解液泄露识别方法，克服现有技术识别准确度低的不足，实现对通信电源蓄电池电解液泄露的自动识别。

本发明的目的通过以下技术方案予以实现：

一种变电站通信电源蓄电池电解液泄露识别方法，包括以下步骤：

1)对获取到的蓄电池的原始图片进行均值滤波处理；

2)对均值滤波处理后的图片的每个像素，当像素r、g、b三个颜色分量值均高于200时，设置该像素点的值为r＝255，g＝255，b＝255；

3)计算均值滤波处理后的图片的每个像素的三个颜色分量的平均差值，计算方法如下：

avg＝(r+g+b)/3

avg_d＝((avg-r)+(avg-g)+(avg-b))/3

上式中的avg为平均值，avg_d为平均差值，当平均差值avg_d大于50时，设置该像素点的值为r＝255，g＝255，b＝255；

4)将不满足上述步骤2)、步骤3)条件的像素值设置为r＝0，g＝0，b＝0；

5)将上述步骤处理后的图片转换为灰度图片；

6)对灰度图片采用3×3像素区域的图像膨胀算法处理；

7)对进行图像膨胀算法处理后的图片查找白色像素点的区域，形成外部轮廓区域；

8)计算每个外部轮廓区域的面积，当面积小于图片大小的1/50时，忽略该区域；

9)针对上述步骤中查找到的每个外部轮廓区域，将每个外部轮廓区域范围对应至原始图片区域范围；

10)在原始图片中的每个区域范围内，根据每个像素rgb分量值进行处理，当r>g+10，并且g>b+30时，设置该像素值为r＝255，g＝255，b＝255；

11)在原始图片中的每个区域范围内，根据每个像素rgb分量值进行处理，当像素r、g、b三个颜色分量值均高于200时，设置该像素点的值为r＝0，g＝0，b＝0；

12)上述步骤10)、11)处理结果中的黑色像素值的像素点和白色像素值的像素点分别表示了蓄电池壳体和正负极壳体；

13)根据上一步骤形成的图片，计算每个区域中白色像素的个数超过区域总像素个数的2/50时，表示存在蓄电池电解液泄露。

本发明的目的还可以通过以下技术措施来进一步实现：

前述变电站通信电源蓄电池电解液泄露识别方法，其中步骤1)所述均值滤波处理包括以下步骤：

令sxy表示中心点在(x,y)处，大小为m×n的滤波器窗口，计算窗口区域的像素均值，然后将均值赋值给窗口中心点处的像素，公式如下：

其中，g(s,t)表示原始图像，f(x,y)表示均值滤波后得到的图像。

前述变电站通信电源蓄电池电解液泄露识别方法，其中步骤6)所述图像膨胀算法处理包括以下步骤：

(1)获得灰度图片的源图像的像素；

(2)创建一幅大小与源图像相同，所有像素置黑的目标图像；

(3)为防止越界，不处理最左边、最右边、最上边和最下边的像素，从第2行、第2列开始检查源图像中的像素点，如果3×3像素区域结构元素中只要有一个点是白色，则将目标图像中的当前像素点置为白色；

(4)循环执行步骤(3)，直至处理完源图像；

(5)所得的目标图像即为膨胀结果。

前述变电站通信电源蓄电池电解液泄露识别方法，还包括步骤14)：

根据步骤12)形成的图片，计算每个区域中白色色像素的个数超过区域总像素个数的1/50并且小于2/50时，表示可能存在蓄电池电解液泄露，进行提示报警。

与现有技术相比，本发明的有益效果是：根据颜色特征识别出图片中蓄电池壳体外表面和正负极壳盖的特征对象，其次分割出图片中的蓄电池壳体外表面和正负极壳盖的特征区域，再采用rgb颜色特征和灰度特征相结合的方法，识别出蓄电池壳体外表面和正负极壳盖处在图片中的位置，最后根据蓄电池壳体外表面和正负极壳盖在图片中的对称特征，排除其他干扰，从而根据蓄电池壳体外表面和正负极壳盖的rgb颜色特征值和灰度特征值，判断出变电站通信电源蓄电池壳体外表面和正负极壳盖是否存在电解液泄露。

本发明的方法具备可靠的抗干扰能力，能够有效规避由于图片抖动、模糊等干扰现象，具有较高的准确性和实用性，同时，也具备广泛的环境适应性。本发明的方法易于实现和应用，主要应用于变电站通信电源蓄电池电解液泄露识别，对电网智能化水平的发展和提高具有促进作用。

附图说明

图1是本发明的方法流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明。

如图1所示为变电站通信电源蓄电池电解液泄露识别方法流程图，本方法主要包括四个处理步骤：图片预处理及基于颜色特征的对象识别、对象特征区域的图片分割、rgb颜色特征和灰度特征相结合的蓄电池壳体和正负极壳体识别、根据多特征判据蓄电池电解液泄露识别。

为了在监控图像中识别蓄电池，所述的图片预处理及基于颜色特征的对象识别处理步骤包括：

(1)对获取到的蓄电池的原始图片进行均值滤波处理；

均值滤波处理可以去除均匀噪声和高斯噪声，令sxy表示中心点在(x,y)处，大小为m×n的滤波器窗口。算术均值滤波器就是简单的计算窗口区域的像素均值，然后将均值赋值给窗口中心点处的像素：

其中，g(s,t)表示原始图像，f(x,y)表示均值滤波后得到的图像。基于上述公式，可以对蓄电池的原始图片进行均值滤波处理。

(2)针对滤波处理后的图片，针对图片中的每个像素，当像素r、g、b三个颜色分量值均高于200时，设置该像素点的值为r＝255，g＝255，b＝255；

(3)计算处理后图片的每个像素的三个颜色分量的平均差值，计算方法如下：

avg＝(r+g+b)/3

avg_d＝((avg-r)+(avg-g)+(avg-b))/3

上式中的avg为平均值，avg_d为平均差值，当平均差值avg_d大于50时，设置该像素点的值为r＝255，g＝255，b＝255；

(4)将不满足上述两个条件的像素值设置为r＝0，g＝0，b＝0。

为了在监控图像中将蓄电池图像切割出来，获得其外部轮廓，所述的对象特征区域的图片分割包括：

1)将上一步骤处理结果的图片转换为灰度图片；

2)对灰度图片采用3×3像素区域的图像膨胀算法处理，处理如下函数处理流程：

(1)获得源图像的像素；

(2)创建一幅大小与源图像相同，所有像素置黑的目标图像；

(3)为防止越界，不处理最左边、最右边、最上边和最下边的像素，从第2行、第2列开始检查源图像中的像素点，如果3×3像素区域结构元素中只要有一个点是白色，则将目标图像中的当前像素点置为白；

(4)循环步骤(3，直至处理完源图像；

(5)所得的目标图像即为膨胀结果。

3)对膨胀处理后的图片查找白色像素点的区域，形成一系列的外部轮廓区域；

4)计算每个轮廓区域的面积大小，当面积大小小于图片大小的1/50时，忽略该区域。

通过上述处理得到蓄电池图像的外部轮廓。

为了在蓄电池图像中区分蓄电池壳体和正负极壳体，所述的rgb颜色特征和灰度特征相结合的蓄电池壳体和正负极壳体识别方法包括以下步骤：

(1)针对上一步骤中查找到的每个轮廓区域，将每个轮廓区域范围对应至原图区域范围；

(2)在原图中的每个区域范围内，根据每个像素rgb分量值，当r>g+10，并且g>b+30时，设置该像素值为r＝255，g＝255，b＝255；

(3)在原图中的每个区域范围内，根据每个像素rgb分量值，当像素r、g、b三个颜色分量值均高于200时，设置该像素点的值为r＝0，g＝0，b＝0；

(4)上述两个处理结果中的黑色像素值和白色像素值分别表示了蓄电池壳体和正负极壳体特征。

所述的根据多特征判据蓄电池电解液泄露识别方法包括：

(1)根据上一步骤形成的图片，计算每个区域中白色像素的个数超过区域总像素个数的2/50时，表示存在蓄电池电解液泄露；

(2)根据上一步骤形成的图片，计算每个区域中白色色像素的个数超过区域总像素个数的1/50并且小于2/50时，表示可能存在蓄电池电解液泄露，这时可进行提示报警，由人工进一步判断识别，以防止漏检。

本发明的方法需要的计算机硬件最低配置为：p4、3.0gcpu、2g内存的pc机，在此配置水平的硬件上，采用c/c++语言编程实现本方法。操作系统可基于windows或linux的各类操作系统。

除上述实施例外，本发明还可以有其他实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围内。