提升变电站巡检机器人夜间识别质量技术研究

徐 波，叶爱民，张立群

（国网江西省电力公司检修分公司，江西 南昌 330000）

工程技术

提升变电站巡检机器人夜间识别质量技术研究

徐 波，叶爱民，张立群

（国网江西省电力公司检修分公司，江西 南昌 330000）

该文提出一种改进的适合变电站巡检机器人室外夜间工作环境的变电站可见光巡视技术.本文基于江西500kV马回岭变电站的巡检机器人项目进行了相关研究，开发出一项机器人夜间可见光识别质量技术，应用后机器人将能够在室外夜间环境下，对变电站内设备进行巡检，实现设备的外观检查、油位和各类表计检查、开关闸刀状态判断等功能.现场实地测试表明机器人在执行夜间可见光巡视任务时，实现变电站夜间巡视设备状态识别率达到80%以上，完全满足该变电站推进无人值守的可见光巡视自动检测识别的要求.

变电站；巡检机器人；可见光巡视；智能图像算法；识别率

夜间巡视检查是变电运维人员日常生活工作的主要内容之一，内容包括设备的外观检查、声音判断、油位和各类表计检查、开关闸刀状态判断等，其目的是掌握变电站内设备运行状况，及时发现设备缺陷和威胁变电站安全运行的情况.由于白天声、光等环境因素的影响，部分不明显的设备放电和发热巡视时难以发现，必须通过夜间巡视来发现，才能有效保证电网安全稳定运行.

本文结合江西500kV马回岭机器人变电站巡检机器人项目开发出一项变电站巡检机器人夜间识别质量技术，利用硬件及功能研发和视觉开发技术，实现机器人对变电站进行夜间巡检，经过现场实践证明，该技术在机器人运用，能够替代变电运维人员完成对户外设备的夜间巡视，及时发现运行设备的异常、缺陷和故障，以便能够及时处理，保障电网运行安全可靠.

1 变电站巡检机器人夜间可见光巡视技术

机器人夜间可见光巡视技术是基于无轨激光导航技术，利用机器人自身搭载可见光摄像机、通过各传感器数据采集、软件算法识别的基础上，通过以下两点实现夜间可见光巡视技术的突破：一、通过硬件及功能研发使机器人在夜间光线不足、环境复杂情况下实现最优夜间成像；二、通过视觉开发准确对夜间拍摄相对模糊的图片经行分析、识别.运维人员下发指令后巡检机器人在户外通过路径规划实现最优巡检，采用能够在低照度情况完成高质量图片采集任务的可见光摄像机，将被检测设备的图片数据通过无线网络传输到机器人后台；机器人后台通过使用基于图片流的智能图像算法进行处理，提高现场表计、开关、闸刀等设备的识别率，完成变电站户外设备夜间状态的自动校核巡视.

1.1 硬件及功能研发

现阶段变电站巡检机器人的工作时间基本上全设定在白天，运用常规摄像机在白天环境下保证优质的画质，以便软件识别.但当执行夜间巡检任务时，常规摄像机的夜间拍摄效果会受到环境光线不足等影响造成相片图像模糊不清，通过更换夜间拍摄效果优良的星光级摄像机，从现场设备拍摄的照片不清晰、信息采集的源头出发着手解决数据准确采集的这个难点.

1.1.1 摄像机更新

针对变电站夜间巡视存在微弱灯光的情况，为保证巡检机器人夜间拍摄效果，提升夜间现场设备的拍摄效果，因此本项目通过采用先进的星光级摄像机，达到提高照片拍摄效果.该相机能够在0.005Lux的低照度情况完成高质量图片采集任务，支持ICR红外滤片式自动切换，自动彩转黑功能，实现高质量昼夜监控聚焦速度快，聚焦准确度高，变焦速度最快可达到3.7S.现场实施后，通过星光级相机的成像效果满足夜间巡检的需要.

1.1.2 云台定制改造

由于采用星光级摄像机，故需要对其配套的云台经行定制改造，具体如下：

1.1.2.1 接口改变.由于需更换星光级的摄像机，故原有的云台内部走线槽、预留接口位置都需要重新设计.云台定制改造图纸如下：

图1 云台定制改造图纸

1.1.2.2 尺寸改变.由于星光级一体机的替代使用，导致原有云台舱体无法搭载，需要对舱体内空间尺寸进行重新设计制造，具体参数更改如下：星光级一体机长度比原一体机增加40mm.星光级一体机宽度比原一体机增加15mm.星光级一体机高度比原一体机增加12mm.舱体尺寸增大导致整体重量上升，重新设计机械结构保证承重能力超过负荷安全线.

1.1.2.3 重量改变.星光级一体机采用特殊光学模组，与原有设计使用一体机相比星光级相机重量增加，重心与原有一体机不同，故更改舱体配重设计，根据试验测试，拟将一体机向后偏移安装，使其称重能力不超过负荷安全线.由于相机仓体重量增加，导致相机仓与红外仓无法保持等重，故增加红外仓配重以保持云台整体平衡.由于相机仓与红外仓同时增加重量，导致原由云台驱动力无法满足云台各个角度旋转的要求，故增加云台旋转扭矩和旋转力使其能够正常保证云台各种动作的需求.

1.1.3 装设补光灯

由于原有补光灯为白色补光灯，匹配星光级一体机使用时，无法使一体机达到最优成像效果，故将原白色补光灯改为红外补光灯，不仅能使星光级一体机良好得成像，更能减少夜间巡视时产生的光污染.相比较普通的补光灯，红外补光可以用于光线不足环境复杂的情况，反之当现场有大量白光时，会有光污染（主要反光、刺眼）；红外最大补光距离在200米，而白光最大补光距离仅在100米左右.

1.2 视觉开发

本项目需研究一套夜间识别算法及一套昼夜多模块自切换识别算法来更好地配合星光级摄像机，从而实现夜间巡检识别率达到80%的目标.

1.2.1 夜间识别算法

为了更好的完成夜间识别任务，故专门研究夜间识别算法，夜间识别算法主要由图像金字塔算法和特征相似度算法：

1.2.1.1 图像金字塔算法.由于夜间图像在采集时受光线制约，图像品质不高信息缺失，且在传输时，数据出错或不完整性容易造成图像失真和黑斑，故将图像分解成一系列不同分辨率空间图像子集合，每级中只需应用一次滤波算法即可提取特征，非常方便，可以区别暗背景中的亮成分与亮背景中的暗成分，极大的保存图像信息，即用于光线不足环境复杂的情况，在图像不清楚的情况下，仍能有效识别.将模板和待定位图像分别执行图像匹配算法，分别得到分辨率连续减半的图像序列，并在减半的高分辨率图像中的像素结合为下一层低分辨率图像中的一个像素.在每一级按照需提取目标的大小和尺寸特征选择结构元素，结构元素决定了形态滤波器的特性，计算原始图像与滤波后图像差得到滤波细节信息，通过计算采样时丢失的图像差信息和滤波细节，完成精确重构原始图像，从而完成图像匹配恢复.

1.2.1.2 特征相似度算法.在匹配定位时刻获取的实时目标场景相对于参考目标场景,存在视点、方位和距离的不同，且由于夜间图像的色彩信息缺失，形状边缘信息模糊，需将待匹配图像序列进行分析比对.每一幅图像都有自己的特征点，这些特征点表征图像中比较重要的一些位置，通过找到匹配点的个数来判断图像与模板是否一致，可以通过找到的匹配特征点进行图像校正，求出目标在场景中的位置和旋转角度和缩放比例，并得到图像原本的色调和反差，从而更好的分析模型周边色素点，克服尺度、旋转、平移、仿射亮度变换带来的影响，甚至是一定的透视变换，具有抗图像几何失真的能力，确定需识别的指针、数字、油位的位置.

1.2.2 昼夜多模块自切换识别算法

为适应白天、夜晚不同环境中的表计识别能力，利用时间、光线明暗、季节、地域等信息，采用一套决策置信值来判断白天或是夜晚.在白天、夜晚切换时间段或是决策置信值较低（难以判断是白天还是夜晚）时，采用白天、夜晚两套模板分别进行识别.从而实现不同模板切换技术.

1.2.2.1 决策置信值.由于现场干扰信息太多，采集画面发生变故，或现场环境情况发生变化时，造成图像信息值变化，故所有信息值均存在不确定性，需进行条件约束，通过提取匹配特征点，针对现场可能存在的信息设置条件约束，并对条件约束设置优先级,具有高优先级的约束应先满足,之后再要求满足较低优先级的约束，从而确定画面真实有效地信息.

1.2.2.2 模板切换技术.白天、夜间环境差距较大，仅靠单一模板无法满足白天、夜间所有信息点，为适应白天、夜晚不同环境中的设备状态识别能力，采用白天、晚上各使用一套专用模板进行识别，利用时间、光线明暗、季节、地域等信息，对各种观测信息的合理支配与使用，以历史值、识别得分为输入，设计一种可信度评价规则来评价当前两次识别结果的可信度，取可信度高者为识别结果，从而不受时间的影响实现自由的切换昼夜模块.

2 变电站现场应用情况

某500kV智能变电站是目前国际上首次采用机器人夜间可见光巡检变电站一次设备的示范站，在变电站开关场地实施重点示范工程，场地南北约长384米，东西约长154米，配置1台巡检机器人，1个机器人房，巡视道路总长约5694米，主变及35kV区域巡检设备观测点137个，任务巡检时间约1.5小时，巡视路线810米；220kV区域巡检设备观测点249个，任务巡检时间约3小时，巡视路线2012米；500kV区域巡检设备观测点194个，任务巡检时间约3小时，巡视路线2872米，每天定时执行一次全站夜间可见光巡检任务.现场巡检机器人应用成功，运行良好.通过对2015年12月至2016年4月的现场变电站巡检抽样调研，主要目标变电站设备识别率，已经从不足10%达到80%以上，平均识别率达到82%，

3 结语

本文结合机器人示范智能变电站建设实际工程，基于视觉开发的夜间识别算法及昼夜多模块自切换识别算法的研究，提出并研发了巡检机器人在变电站夜间可见光巡检技术，使机器人夜间执行可见光巡检任务时，实现表计读数、开关分合位置判断等功能且设备识别率提升至80%.更好的发挥智能巡检机器人实效化使用，在减轻运维人员夜间巡视工作量的同时，也为电力安全生产、事故响应提供了坚实的保证.从而减少事故的发生，利用巡检机器人完成变电站设备的巡检.为无人值守变电站的推广应用提供了创新型的技术检测手段，提高了变电站的可靠稳定运行水平.

〔1〕戚维明.质量管理小组理论与方法[M].北京:中国质检出版社,2013.123-126.

〔2〕张锐娟.基于SURF的图像配准方法研究[J].红外与激光工程,2009,38(1):160-165.

〔3〕戴中兴.变电站应用智能机器视觉的探索[J].电脑知识与技术,2012(27):6570-6572.

〔4〕张海波.一种数字仪表显示值快速识别方法[J].计算机工程与应用,2005,41(4):223-226.

TP24

A

1673-260X（2017）09-0034-02

2017-06-30