CN102722166B - 变电站设备智能视觉检测系统及状态检测方法 - Google Patents

Abstract

本发明公开了一种变电站巡检机器人视觉系统及状态检测方法，它包括运动控制模块，所述运动控制模块上设有云台控制模块，云台控制模块通过视觉伺服模块与图像采集模块相连，图像采集模块通过图像传输模块与图像智能分析系统相连，图像智能分析系统包括设备分类模块、刀闸状态识别模块、高压断路器识别模块、仪表读数模块和外观异常识别模块，图像智能分析系统的各模块与综合分析模块连接，综合分析模块与变电站信息控制系统接口模块相连。本发明自动分析设备当前状态，涵盖了变电站设备日常巡视工作的所有检测内容；实现周期巡检方式到基于状态的巡检方式的转变；完成对变电站设备状态的自动识别和记录，大大降低工作人员的参与度。

Description

变电站设备智能视觉检测系统及状态检测方法

技术领域

    本发明涉及一种智能视觉检测系统及检测方法。尤其涉及一种变电站设备智能视觉检测系统及状态检测方法。

背景技术

近些年来，中国的国民经济的高速持续发展，电力作为各行业发展的基础，输电线路长度和变电站数量紧跟着急剧上升。传统的电力设备巡检工作，依靠人工定期巡视设备状态，保证变电站日常安全运行。随着用电量日益增加，变电站数量的增多，人工巡检效率低下、检测质量分散、与现有信息系统无连接等矛盾日益显著，显然人工巡检已经不能满足时代发展的需求。

特别是在高原、戈壁等特殊地理条件或如大风、雾天、冰雪、冰雹、雷雨等极端天气发生后，造成人工无法及时巡检，并且受条件限制巡检存在较大安全风险，此时变电站一旦发生意外事故，决策者因无法及时获取直观的现场信息，往往会贻误最佳处理事故的时机，造成不必要的经济损失甚至人员伤亡等重大的事故。电力设备的运维自动化和现代化已日益显示出其迫切性。

随着科学技术的发展，智能变电站建设技术越来越成熟，无人值守变电站成为可能。电力机器人能代替或辅助人工进行巡检，提高工作效率，降低劳动强度，减少作业风险，已经成为国家电网对智能变电站建设的规范内容之一。

视觉检测系统作为机器人的重要组成部分，在代替人工巡视过程中，占据了十分重要的地位。视觉检测系统，主要基于视觉传感器，如CCD、CMOS等，获取电力设备的图像信息，通过对图像进行处理、分析，检测出设备当前的状态。

现有的基于变电站巡检机器人的视觉检测系统，存在以下几个特点：

（1）功能单一。现有的电力设备视觉检测系统，往往只具备几个特殊设备的检测功能，如中国专利申请号200610080730.2-电力高压断路器开关合分状态的自动图像识别与监测方法、中国专利申请号201110216378.1-基于红外检测的变电站刀闸模式识别方法，等专门针对断路器与刀闸的状态检测方法。显然，上述几个特殊设备的状态检测，无法满足实现对变电站所有设备状态的检测，继而也无法实现完全代替人工巡视的功能。

（2）仅依靠单幅图像检测结果判断设备状态，可靠性差。现有的视觉检测模块，只将单幅图像的设备状态检测结果给出，并没有参考人工巡检时，从多个角度确认设备状态的巡检方式。因此，图像检测的结果就直接影响了机器人状态检测的可靠性，而由于室外环境下，图像质量、光照影响等多种因素导致，较难实现图像检测的完全可靠。因此，单纯依靠单幅图像处理结果，现有的视觉检测系统的可靠性无法保证。

（3）图像信息采集方式对机器人定位精度依赖性大。现有的视觉检测方式，大都采用固定点检测，即机器人每次巡检都会停靠在固定位置，设定云台到固定位置进行设备图像的采集，由于机器人移动平台机械误差、云台重复定位误差等因素，目标设备不能保证准确的出现在图像视野范围内，这是导致视觉检测失败的一个重要因素。

（4）缺少智能分析功能。现有的视觉检测系统，大都采用状态检测完成功后，仍需要人工根据工作票信息与历史记录判断状态是否正确，且与变电站信息管理系统结合度不高，无法实现现场检测结果到信息管理系统的自动更新。

由于现有视觉检测系统的上述问题，较难实现变电站所有设备的状态的可靠的自动检测工作，检测精度和稳定性都有待提高，使得变电站设备状态依赖机器人检测的可靠性无法保证，从而对变电站安全运行埋下了隐患。如何解决上述缺陷，实现一套具备变电站所有设备自动检测功能、且具有高可靠性、高精度的视觉检测系统，成为一个十分迫切的课题。

发明内容

本发明的目的是为克服上述现有技术的不完整，提供一种基于变电站巡检机器人平台的变电站设备智能视觉检测系统及检测方法。它功能全面，涵盖了所有变电站重要设备的自动巡检功能；具备视觉伺服功能，不依赖于云台和移动设备系统精度；还可以根据历史信息和关联设备状态进行综合分析，直接给出报警信息，无需工作人员通过实时监控、手动记录等方式巡视变电站设备。

为实现上述目的，本发明采用下述技术方案：

一种变电站巡检机器人视觉系统，它包括运动控制模块，所述运动控制模块上设有云台控制模块，云台控制模块通过视觉伺服模块与图像采集模块相连，图像采集模块通过图像传输模块与图像智能分析系统相连，图像智能分析系统包括设备分类模块、刀闸状态识别模块、高压断路器识别模块、仪表读数模块和外观异常识别模块，图像智能分析系统的各模块与综合分析模块连接，综合分析模块与变电站信息控制系统接口模块相连。

所述图像智能分析系统通过设备类型识别模块自动识别设备类型，并将图像输入到对应的识别模块中；在对应识别模块状态检测完成后，将结果输入到综合分析模块中，通过与历史数据对比分析、关联设备状态对比分析，得到最终检测结果和预警信息，最后将设备状态信息和状态是否正常的判断结果，通过变电站信息系统接口模块与变电站自有信息系统中，供变电站工作人员使用。

所述仪表读数模块，对图像信号采集设备获取的仪表图像采用类圆形指针式仪表读数方法，自动提取类圆形区域，提取仪表指针位置，给出仪表当前指数。

所述刀闸状态识别模块，对图像信号采集设备获取的刀闸图像信心进行处理与分析，自动识别刀闸的闭合、断开、闭合不到位三种情况；

所述高压断路器识别模块，通过图像信号采集设备获取的断路器图像进行识别，主要利用基于模板匹配的方法来判断断路器的分、合状态；

所述外观异常识别模块，主要对设备上具有悬挂物、设备表面存在放电痕迹、油渍类情况进行检测。

所述运动控制模块还包括移动平台和控制移动平台移动的运动控制器；所述云台控制模块包括云台和云台控制器，云台控制器控制云台转动角度；所述视觉伺服模块利用图像信号采集设备获取的当前图像与预先采集的模板图像进行对比分析，获得云台调整量，继而调整云台姿态，保证设备图像完整出现在图像中，为后续的设备状态识别提供充分的信息；图像传输模块包括无线路由器、信号接收基站，将压缩编码后的图像信息通过无线网络传输到的后台处理模块中。

 一种利用变电站巡检机器人视觉系统的状态检测方法，步骤如下：

（1）控制基于变电站巡检机器人运动控制平台移动到指定位置，通过视觉伺服模块对图像采集模块进行调整以保证设备图像完整出现在图像中，然后通过图像采集模块获取待检测设备的清晰图像；

（2）将采集到的图像信息，先进行压缩编码，再通过图像传输模块传输到图像智能分析系统中；

（3）图像智能分析系统的设备类型识别模块根据刀闸、高压断路器、仪表，对图像进行分类，并自动将设备的图像送入对应的识别模块；

（4）刀闸状态识别模块、高压断路器识别模块、仪表读数模块以及变压器外观异常识别模块分别将各自的当前图像与相关联的设备历史图像通过综合分析模块进行一致性分析，最终将设备状态信息和预警信息传输至变电站信息系统接口模块；

（5）变电站信息系统接口模块将检测和分析结果转换成变电站信息系统识别的数据类型，传输至上位机的变电站信息管理系统中；

（6）工作人员直接对判断结果进行监控。

所述步骤（3）中，设备分类模块的自动分类主要通过机器停靠位置的配置信息，获取当前待检测的设备类型，从而自动确定要进入的检测模块。该方法简单、可靠、易实现。

所述步骤（4）中，刀闸状态识别模块判断刀闸状态，自动识别刀闸的闭合、断开、闭合不到位三种情况；

高压断路器识别模块判断高压断路器状态，判断高压断路器的分、合状态；

仪表读数模块判断仪表状态，自动识别仪表的指针位置，给出仪表当前指数；

外观异常识别模块识别设备是否具有悬挂物、设备表面存在放电痕迹、油渍等情况外观异常状态。

所述仪表读数模块判断仪表状态的具体过程为：

（1）把移动机器人采集的仪表图像灰度化，二值化；

（2）利用Canny算法提取设备二值图像的边缘信息；利用边缘点使用最小二乘法拟合椭圆；对获得的椭圆进行过滤，剔除掉被拟合成椭圆的非椭圆图像，得到表盘区域及表盘圆心位置；

（3）在获得表盘图像区域内使用基于Hough变换的直线提取算法提取指针，参考表盘圆心，进而得到指针的角度；

（4）提取数据库中对应目标仪表的指针角度与示数之间的关系计算步骤（3）所得角度对应的示数。

所述步骤（4）中，综合分析模块的分析过程为：利用变电站设备分布信息，自动将相关联的设备的状态记录，保存，并进行一致性分析；通过该模块，将当前设备状态纵向的与历史状态对比，横向的与相连设备进行状态比对，综合分析该设备的状态，并给出分析结果，对于出现状态异常的设备进行报警提示，其具体步骤为：

（1）根据变电站日常巡检任务，将相关联的设备巡视内容进行关联； 

（2）根据相关设备状态顺序控制关系，在关联的末端任务执行完成后，对关联任务中各个设备的一致性进行判断；

（3）对于产生异常的设备状态，与前二次检测的历史数据进行对比，结合工作票顺序，进行一致性分析，确定是否发生异常。

本发明的有益效果： 

（1）该系统首次涵盖了变电站所有巡检设备的状态检测功能，并提出了仪表自动检测算法，提出了一种设备类型自动识别算法，自动识别设备类型，真正实现完全自动化检测变电站内各种设备状态；

（2）提出了一种基于图像的视觉伺服算法，自动根据目标图像位置，实现云台的自动伺服，保证目标图像完整的出现在视野范围内，提高了整体的检测精度；

（3）提出了将检测结果自动与历史数据和相关联的设备状态一致性检验算法，增加了状态检测的可靠性，并直接给出报警信息，真正实现了向基于状态的巡检方式的转变；

（4）基于本智能视觉检测系统提出的设备状态综合分析模块，变电站日常设备巡检任务，完全可由机器人代替，工作人员的工作内容从全部日常检测转换到只对出现预警的设备进行排查，大大提高了工作效率；

（5）基于该智能视觉检测系统，变电站巡检机器人具备高精度、高可靠性的自动巡检方式，为变电站安全运行，减少安全事故，给予了稳固的技术保障，为电力行业安全、稳定发展奠定了基础。

 附图说明

图1为变电站设备智能视觉检测系统的结构示意图。

其中，1.图像采集模块，2.云台控制模块，3.视觉伺服模块，4.图像传输模块，5. 图像智能分析系统，6.设备类型识别模块，7.刀闸状态识别模块，8.高压断路器识别模块，9. 仪表读数模块，10.外观异常识别模块，11.综合分析模块，12.变电站信息系统接口模块，13.运动控制模块。

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。

如图1所示，一种变电站巡检机器人智能视觉检测系统，包括图像采集模块1，云台控制模块2，视觉伺服模块3，图像传输模块4，综合分析模块11，变电站信息系统接口模块12，运动控制模块13；其中，运动控制模块13上设有云台控制模块2，云台控制模块2经视觉伺服模块3与图像采集模块1连接，图像采集模块1与图像传输模块4连接，图像传输模块4与图像智能分析系统5连接，图像智能分析系统5与综合分析模块11连接，综合分析模块11与变电站信息系统接口12连接。图像信息经图像采集模块1采集后通过图像传输模块4与图像智能分析系统5相连。所述图像智能分析系统5包括设备类型识别模块6，刀闸状态识别模块7、高压断路器识别模块8、仪表读数模块9和外观异常识别模块10。

所述图像采集模块1包括图像信号采集设备和图像编解码设备，图像信号采集设备可以采用单目摄像机或CCD工业相机，图像编码设备负责将图像模拟信号进行压缩编码。

所述运动控制模块13包括移动平台和控制移动平台移动的运动控制器。

所述云台控制模块2包括云台、云台控制器，云台控制器可以设定、保存、控制云台转动角度。图像采集模块1中的图像信号采集设备搭载到云台上，云台控制器来控制云台水平、垂直方向的转动角度，从而控制相机的姿态，灵活的拍摄多个角度的不同的设备。

所述视觉伺服模块3利用图像信号采集设备获取的当前图像与预先采集的模板图像进行对比分析，获得云台调整量，继而调整云台姿态，保证设备图像完整出现在图像中，为后续的设备状态识别提供充分的信息。该系统采用的结构是采用中国授权专利号ZL201020685635.7所述的结构。基于视觉伺服功能，变电站巡检机器人到达固定检测点，可以自主根据当前图像信息，调整云台，使得目标图像完全出现在视野范围内。消除了由于云台系统误差和移动平台系统误差造成的目标偏出视野范围以外的情况，提高了检测精度和可靠度。

所述图像传输模块4包括无线路由器、信号接收基站，将压缩编码后的图像信息通过无线网络传输到的后台处理模块中。该系统采用的结构是采用中国授权专利号 201110005671.3所述的无线通讯模块结构。

所述图像智能分析系统5通过设备类型识别模块6自动识别设备类型，如刀闸、高压断路器、仪表等类型图像，自动将图像输入到对应的识别模块中。在对应识别模块状态检测完成后，将结果输入到综合分析模块11中，通过与历史数据对比分析、关联设备状态对比分析，得到最终检测结果和预警信息。最后将设备状态信息和状态是否正常的判断结果，通过变电站信息系统接口模块12与变电站自有信息系统中，供变电站工作人员使用。

所述设备类型识别模块6自动识别设备类型，主要通过机器停靠位置的配置信息，获取当前待检测的设备类型，从而自动确定要进入的检测模块。

所述刀闸状态识别模块7，对图像信号采集设备获取的刀闸图像进行处理与分析，自动识别刀闸的闭合、断开、闭合不到位三种情况。该系统采用的结构是采用中国授权专利号2011102163781所述结构和方法。

所述高压断路器识别模块8，通过图像信号采集设备获取的断路器图像进行识别，主要利用基于模板匹配的方法来判断断路器的分、合状态。该系统采用的结构是采用中国授权专利号201110216396X所述结构和方法。

所述仪表读数模块9，对图像信号采集设备获取的仪表图像采用类圆形指针式仪表读数方法，自动提取类圆形区域，提取仪表指针位置，给出仪表当前指数。本模块通过手动提取目标仪表模板，标记目标仪表刻度与角度的对应关系，存入数据库，具体方法包括以下几个步骤：

（1）把移动机器人采集的仪表图像灰度化，二值化；

（2）利用Canny算法提取设备二值图像的边缘信息；利用边缘点使用最小二乘法拟合椭圆；对获得的椭圆进行过滤，剔除掉被拟合成椭圆的非椭圆图像，得到表盘区域及表盘圆心位置；

（3）在获得表盘图像区域内使用基于Hough变换的直线提取算法提取指针，参考表盘圆心，进而得到指针的角度；

（4）提取数据库中对应目标仪表的指针角度与示数之间的关系计算步骤（3）所得角度对应的示数。

该方法基于现有巡检机器人检测方式，基于固定检测点，同时采用视觉伺服功能，大大提高了仪表识别的可靠性和灵活性，优于现有仪表检测手段。

所述外观异常识别模块10，是指通过分析设备表面可见信息，检测悬挂物、放电痕迹、油渍等设备表面异常情况，此类情况对变电站安全运行存在较大的安全隐患，是变电站巡检的重要内容之一。该系统采用的结构是采用中国授权专利号ZL 201020555312.6所述结构和方法。

所述综合分析模块11利用变电站设备分布信息，自动将相关联的设备的状态记录，保存，并进行一致性分析。通过该模块，可以将当前设备状态纵向的与历史状态对比，横向的与相连设备进行状态比对，综合分析该设备的状态，并给出分析结果，对于出现状态异常的设备进行报警提示。该模块具体实现方法：

（1）根据变电站日常巡检任务，将相关联的设备巡视内容进行关联， 

（2）根据相关设备状态顺序控制关系，在关联的末端任务执行完成后，对关联任务中各个设备的一致性进行判断；

（3）对于产生异常的设备状态，与前二次检测的历史数据进行对比，结合工作票顺序，进行一致性分析，确定是否发生异常。

所述变电站信息系统接口模块12将检测到的设备状态和预警信息与变电站MIS系统相连，变电站工作人员可以通过站内信息系统直接了解到当前变电站内各类设备的状态，可以完全代替人工巡检，只根据预警信息来对设备异常进行排查，将大大降低工作人员的劳动强度。

使用上述系统的变电站设备状态检测方法，具体的实施过程如下：

（1）基于变电站巡检机器人运动控制平台移动到特定位置，通过图像采集模块1获取待检测设备的清晰图像，并通过视觉伺服模块3对图像采集模块1进行调整以保证设备图像完整出现在图像中；

（2）将采取到的图像信息，先进行压缩编码，再通过图像传输模块4传输到后台处理器中；

（3）使用设备类型识别模块，自动对设备类型进行分类，并将图像输入到对应的设备状态检测模块；

（4）相应的设备状态检测系统将检测结果传输至综合分析11模块，该模块自动将当前设备状态与历史数据与相关联的设备进行一致性分析，最终将设备状态信息和预警信息传输至变电站信息系统接口模块12；

（5）变电站信息系统接口模块12将检测和分析结果转换成变电站信息系统识别的类型，传输至变电站信息管理系统中；

（6）工作人员直接对判断结果进行监控。

类似的流程，同样适用于高压断路器的识别、仪表读数、设备外观异常识别。

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。

Claims (1)

1.一种基于变电站巡检机器人视觉系统的状态检测方法，其特征是，

所述变电站巡检机器人视觉系统，它包括运动控制模块，所述运动控制模块上设有云台控制模块，云台控制模块通过视觉伺服模块与图像采集模块相连，图像采集模块通过图像传输模块与图像智能分析系统相连，图像智能分析系统包括设备分类模块、刀闸状态识别模块、高压断路器识别模块、仪表读数模块和外观异常识别模块，图像智能分析系统的各模块与综合分析模块连接，综合分析模块与变电站信息控制系统接口模块相连；

所述图像智能分析系统通过设备类型识别模块自动识别设备类型，并将图像输入到对应的识别模块中；在对应识别模块状态检测完成后，将结果输入到综合分析模块中，通过与历史数据对比分析、关联设备状态对比分析，得到最终检测结果和预警信息，最后将设备状态信息和状态是否正常的判断结果，通过变电站信息系统接口模块与变电站自有信息系统中，供变电站工作人员使用；

所述仪表读数模块对图像信号采集设备获取的仪表图像采用类圆形指针式仪表读数方法，自动提取类圆形区域，提取仪表指针位置，给出仪表当前指数；

所述刀闸状态识别模块，对图像信号采集设备获取的刀闸图像信号进行处理与分析，自动识别刀闸的闭合、断开、闭合不到位三种情况；

所述高压断路器识别模块，通过图像信号采集设备获取的断路器图像进行识别，利用基于模板匹配的方法来判断断路器的分、合状态；

所述外观异常识别模块，对设备上具有悬挂物、设备表面存在放电痕迹、油渍类情况进行检测；

所述运动控制模块还包括移动平台和控制移动平台移动的运动控制器；所述云台控制模块包括云台和云台控制器，云台控制器控制云台转动角度；所述视觉伺服模块利用图像信号采集设备获取的当前图像与预先采集的模板图像进行对比分析，获得云台调整量，继而调整云台姿态，保证设备图像完整出现在图像中，为后续的设备状态识别提供充分的信息；图像传输模块包括无线路由器、信号接收基站，将压缩编码后的图像信息通过无线网络传输到后台处理模块中；

所述方法具体步骤如下：   

（1）控制基于变电站巡检机器人运动控制平台移动到指定位置，通过视觉伺服模块对图像采集模块进行调整以保证设备图像完整出现在图像中，然后通过图像采集模块获取待检测设备的清晰图像；

（2）将采集到的图像信息，先进行压缩编码，再通过图像传输模块传输到图像智能分析系统中；

（3）图像智能分析系统的设备类型识别模块根据刀闸、高压断路器、仪表和变压器，对图像进行识别，并自动将设备的图像送入对应的识别模块；

（4）刀闸状态识别模块、高压断路器识别模块、仪表读数模块以及外观异常识别模块分别将各自的当前图像与相关联的设备历史图像通过综合分析模块进行一致性分析，最终将设备状态信息和预警信息传输至变电站信息系统接口模块；

（5）变电站信息系统接口模块将检测和分析结果转换成变电站信息系统识别的数据类型，传输至上位机的变电站信息管理系统中；

（6）工作人员直接对判断结果进行监控；

所述步骤（3）中，设备分类模块的自动分类主要通过机器停靠位置的配置信息，获取当前待检测的设备类型，从而自动确定要进入的检测模块；

所述步骤（4）中，刀闸状态识别模块判断刀闸状态，自动识别刀闸的闭合、断开、闭合不到位三种情况；

高压断路器识别模块判断高压断路器状态，判断高压断路器的分、合状态；

仪表读数模块判断仪表状态，自动识别仪表的指针位置，给出仪表当前指数；

外观异常识别模块识别设备是否具有悬挂物、设备表面存在放电痕迹、油渍类情况外观异常状态；

所述仪表读数模块判断仪表状态的具体过程为：

1）把移动机器人采集的仪表图像灰度化，二值化；

2）利用Canny算法提取设备二值图像的边缘信息；利用边缘点使用最小二乘法拟合椭圆；对获得的椭圆进行过滤，剔除掉被拟合成椭圆的非椭圆图像，得到表盘区域及表盘圆心位置；

3）在获得表盘图像区域内使用基于Hough变换的直线提取算法提取指针，参考表盘圆心，进而得到指针的角度；

4）提取数据库中对应目标仪表的指针角度与示数之间的关系计算过程3）所得角度对应的示数；

所述步骤（4）中，综合分析模块的分析过程为：利用变电站设备分布信息，自动将相关联的设备的状态记录，保存，并进行一致性分析；通过综合分析模块，将当前设备状态纵向的与历史状态对比，横向的与相连设备进行状态比对，综合分析该设备的状态，并给出分析结果，对于出现状态异常的设备进行报警提示，其具体步骤为：

（a）根据变电站日常巡检任务，将相关联的设备巡视内容进行关联， 

（b）根据相关设备状态顺序控制关系，在关联的末端任务执行完成后，对关联任务中各个设备的一致性进行判断；

（c）对于产生异常的设备状态，与前二次检测的历史数据进行对比，结合工作票顺序，进行一致性分析，确定是否发生异常。