摘要：随着变电站施工智能化程度的提高，继电保护试验正逐渐向自动化，现代化发展。针对继电保护二次回路检查试验，防止人为因素造成的错对线或者漏对线的发生，二次回路自动校验机器人正迅速发展。本文就二次回路端子排机器人的自动识别系统进行算法研究，算法从端子排定位、字符分割以及字符识别这三个层面来进行编写，并在MATLAB上进行仿真分析。仿真表明，该算法应用在端子排识别上正确率较高，符合要求。
关键词：二次回路端子排；识别算法
1 引言
为探讨人工智能技术在电力领域的应用前景和方向，寻找人工智能在电力领域的着力点和突破点，2017年8月，国家电网公司启动人工智能相关工作，形成《国家电网公司人工智能专项规划》，致力于发展自动化，智能化设备。因此，运用机器人在一定程度上代替人工来实现变电站建设和检修工作已成为电力发展的主流趋势，这也是实现智能电网的一种重要方式。同时，对端子排识别的正确性决定了机器人对线的成功，这也是整个系统软件部分的核心。
2 国内外现状
目前，国内电网企业广泛采用的继电保护装置为数字型继电保护设备和实验系统[1，2]。但是，而对于继电保护试验操作自动化的研究，仍是一片空白，实际工作中依旧需要测试人员到现场开展试验，存在巨大的工作量。端子排识别算法的研究也因此很少，大多集中在对屏柜的铭牌的读取[3，4，5]。浙江省500kV及以上变电站的基改和扩建工程，一直面临着端子排对线工作量的巨大，对线人员紧缺，工期紧张等一系列问题，这使得对线错误频繁出现。
3 二次回路端子排识别算法
3.1端子排定位算法
通常摄像机获取的图像都是RGB彩色的高分辨率，而算法是针对灰度图像或二值化来处理的。因此，端子排定位首先要将图片进行灰度化，其公式为：
I=0.3R+0.59G+0.11B
式中：I：亮度值；R：红色分量；G：绿色分量；B：蓝色分量。
通过该公式转换后，原始图像的亮度信息的灰度图可较为准确的得到。
图像噪声是真实信号与理想信号之间存在的偏差。为了削弱噪声对垂直边缘锐化的影响，在锐化之前必须要进行滤波。于是使用域值邻域平均值法来滤除噪声。其基本思想是：取某个像素，若它的灰度与其邻域的平均灰度之差大于给定的域值，则以起邻域的平均灰度值取代它。其数学表达式如下：
3.2字符分割方法
字符分割就是在端子排定位后的文字部分，把其中想识别出的单个字符（包括字母、数字）从一行文字中识别出来。
（1）直方图均衡化
直方图反映了一幅图像的灰度级情况，其描述了灰度分布内容以及灰度信息。直方图变换不仅改变了其图像质量，而且为下一步的均衡化和取得二值化阈值做好了准备。直方图获取的基本算法是：建立一个整数数组histogram[256]，其长度为256，让它遍历端子排图像的每一个像素，并将数组编号与其像素灰度值相等的分量加一。
直方图均衡化基本算法是将频度出现较少的灰度级放入相邻的灰度级中，将图像中像素概率大的灰度级进行拓宽，概率小的进行压缩，以减少灰度等级，增大对比度。统计特征均衡法联系着各个灰度级之间的关系，然后通过累加直方图进行均衡，可得到很好的效果。
Histogram[256]是端子排图像的直方图，则其累加直方图 Ahistogram[256]可以如下式得到
累加直方图反映了图像灰度值小于给定值像素点所占所有像素点的比例情况。容易看出 Ahistogram[256]=1，利用累加直方图进行的直方图均衡化公式如下：
（2）图像二值化
灰度图像的二值化就是使用两个灰度等级来表示灰度图。图像〖f(x,y)〗_的灰度级范围为[0，255]，设阙值T是0到255之间的一个数，则其二值化结果〖f(x,y)〗_可用下式表示
式中，f_t (x,y)表示二值化后的图像。
目前广泛使用的是P-分位数法。该方法使用目标或背景的像素比例等于其它其先验概率来设定阈值，简单高效。因为端子排区域端子排字符与背景的面积比例大致是一定的。这正好符合P-tile法的前提。
其基本算法是：设目标像素占该图像的比例为p，图像宽和高分别是w、h，则目标像素总共是h=w*p*a。通过逐渐升高来累加计算直方图数组 Histogram[256]，直到其累加值恰好大于a，此时可得到p-tile法的阈值，即该数组分量编号。
（3）字符分割
经过端子排标识定位和二值化处理后所确定的标识是一个整体，包括了文字以及文字之间的空白，所以想要识别个字符（包括字母、数字），就必须把字符从一行文字中分离出来了。
适合端子排分割算法的是投影法，该方法可以对端子排进行垂直投影，对图像每一列目标图像进行统计，以发现含有字符的区域出现峰值，没有字符的区域出现谷值，由此来确定两个字符间的空隙。
（4）归一化字符
由于拍摄的距离不一致，端子排定位和字符分割后字符图片大小不一，为了便于后面的字符识别过程，必须对字符图片进行归一化。所谓归一化，就是对字符图像进行缩放使之达到统一的大小和格式。
3.3端子排字符识别算法
目前最常用的字符识别方法是模板匹配法。模板匹配方法是最直接、相对速度较快的经典识别法，可以满足实时性要求。实现的原理是计算输入模式与模板模式之间的相似性，取相似性最大的模板为输入模式所属类别。随着计算机速度的提高，模板数据量较少，该方法依然很适用。
4 仿真试验
通过以上三个方面的理论分析，使用MATLAB进行算法的编写，算法流程图如图1所示。
在施工现场采集到的270多张端子排图中，随机选取其中6张，如图2所示，基于灰度图像的转化方式进行程序编写，得到其灰度图像如图3所示，图像内文字和字母定位正确，识别清晰度良好。
在经过对图3上的数字和字母进行分割处理得到独立的数字与字母，如图4所示，分割得到的数字准确，清晰度良好。
图4 切割后的端子排字符图
5 总结
本文中对二次回路端子排的识别算法进行理论研究，首先是字符定位算法，针对端子排标识的特殊性，利用基于灰度图像的定位方法进行定位，灰度后图像定位准确。其次，通过使用字符分割算法，切割得到单一字符与数字，其清晰度良好。最后使用模本匹配法进行匹配，输出字符。仿真表明，该算法可以正确识别端子排标识。
参考文献：
[1]刘波.变电站设备铭牌识别系统设计与实现[D].电子科技大学，2013.
[2]邵静.协同视觉选择注意计算模型研究[D].合肥工业大学，2008.
[3] 庭芝，卫江，雪梅，等.数字图像处理及模式识别[M].北京理工大学出版社，2007.
作者简介：
谭小兵，男，高级工程师，单位：浙江省送变电工程有限公司；研究方向：变电站安装调试及建设管理
论文作者:谭小兵
论文发表刊物:《电力设备》2018年第5期
论文发表时间:2018/6/21
标签：端子论文; 灰度论文; 字符论文; 图像论文; 算法论文; 直方图论文; 回路论文; 《电力设备》2018年第5期论文;