电力系统中人工智能图像识别技术的运用研究,数字图像处理论文.docx

《电力系统中人工智能图像识别技术的运用研究,数字图像处理论文.docx》由会员分享，可在线阅读，更多相关《电力系统中人工智能图像识别技术的运用研究,数字图像处理论文.docx（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、电力系统中人工智能图像识别技术的运用研究,数字图像处理论文本篇论文目录导航：【】【】【】【】【】 电力系统中人工智能图像辨别技术的运用研究 图像辨别论文：电力系统中人工智能图像辨别技术的运用研究 内容摘要：文章就人工智能图像辨别技术在电力系统中的详细应用进行阐述，对怎样利用二次屏柜展开智能监控进行分析，对指示灯、开关、压板、仪表盘等不同监控对象进行图像辨别分析算法的设计，将系统构造设计以及安装部署进行有效的规划，参照数据管理、显示平台等多个层面来将系统的运行成本、稳定性展开优化，最终实现电力系统优化。 本文关键词语:电力系统;人工智能;图像辨别;技术应用; Abstract：This pape

2、r discusses the specific application of artificial intelligence image recognition technology in the power system,analyzes how to use the secondary cabinet to carry out intelligent monitoring,designs image recognition analysis algorithm for different monitoring objects such as indicator light,switch,

3、pressure plate,instrument panel,etc.,effectively plans the system structure design,installation and deployment,and refers to data management and display To optimize the operation cost and stability of the system from multiple levels such as display platform,and finally realize the optimization of po

4、wer system. 1 理论概述 人工智能的英文全称为Artificial Intelligence，简称AI，主要是对人类的智能以及智能行为进行研究、开发并模拟的科学学科，人工智能分属于计算机学科，研究人工智能的核心目的在于模拟人类大脑的智慧，让计算机系统、程序能够模拟出人类智能的思维，能够模拟人类的行为。 以人工智能技术为基础的图像辨别处理技术，其组成原理主要是处理不同类型的图片，通过积累大量的数据来对图片、实际事物展开准确分析判定，人工智能能够虚拟化辨别的对象，根据平面图形在不分析实物的基础上就能够实现三维化。 2 以人工智能为基础的图像辨别技术经过 2.1 图像的预处理 以人工智能

5、为基础的图像辨别技术中，获取信息的最主要方式就是图像预处理工作，直接对辨别结果造成直接影响，所以属于整个流程中的关键环节。借助图像预处理工作，能够对图像辨别系统进行辅助能够就图片特点愈加精准，能够给后续的工作奠定一些基础，将辨别的时间有效缩减且将复杂程度有效降低。在进行预处理的工作经过中，最重要的任务就是将辨识效率全面提高，最常用到的方式就是降噪和去雾。 利用预处理工作能够实现图片复原，将图片复原成质量清楚明晰地。在电力系统中的应用就是，在进行架空输电线路巡检经过中应用智能图像辨别技术，能够将收集到的图片进行一键处理，实现图片数据获得最优解。 2.2 图像特征提取 对于图像特征提取工作，主要分

6、为提取、选择两个环节。在目的图像中，有可能包含很多个特征点，这些特征点都分别对应着各自的特征子集，特征点的选择要求科学这是充分保证能够高效准确辨别图片的关键。当下图像最常见的特征点包括下面几个部分：颜色特征、图像纹理、图像形状、空间关系特征等等，这些特征中颜色第一捕捉特征点，但在局部特征捕捉，图像纹理特征是第一特征点，如此图1为图片的关键点的截取。能够看出来，以人工智能为基础的图像辨别技术在应用方向、辨别需求上，能够针对性的实现特征抽取、选择。总体来讲，图片中会包含非常多的信息量，因而在应用技术手段时应该对图片特征进行有效区分。比方电力系统中，架空输电线路巡查检修时应该对电线的纹理特征进行提取

7、，这样能够及时发现线路存在哪些问题。 2.3 图像匹配分类 以人工智能为基础的图像辨别技术，图像匹配分类是华而不实最后的一个环节。通过严格落实各个流程，根据流程结果从数据库中把一样图片信息调取出来，这样能够完成特征的分析。对于电力系统来讲，以人工智能为基础的图像辨别技术开展架空输电线路巡查检修时，应该根据图片详细情况来做图像匹配分类，从数据库中将对应信息调取出来以实现对应处理。 图1 图片特点截取 3 人工智能图像辨别技术应用内容 3.1 采集数据信息在线监控系统应用分析 电力系统在详细运行的工作经过中，会有很多意外情况发生，对电力系统的安全危害很大，比方盗窃、失火等情况。所以，为了能够有效避

8、免意外情况造成的不利影响，需要及时的做好信息信息采集工作，通过在线监控电力系统方便提供应异常警报数据方面的信息，能够让技术人员对详细异常情况作出及时了解，及时的处理异常情况。监控系统能够实现进出人员的实时监控，能够利用图像辨别技术来作出准确辨别。在线监控系统能够利用红外摄像头，对进出人员的红外线轮廓进行把握，这样能够利用轮廓在进行数据的预处理。还有就是，红外摄像头你能够感应温度，即使是火力发电可以以根据火焰状态进行辨别，将火焰温度进行确定来充分保障电力系统安全。 3.2 柜面图像智能应用分析 监控图像获取以后，就需要进行下面三个步骤。首先，检测与标定压板内容。当下设备标定算法一般都是人工来完成

9、，效率比拟低下。所以以人工智能为基础的图像自动检测方式方法能够实现画面区域的自动标定与类型设定，将人为标定效率全面提升；其次，指示灯状态辨别。通过研究通用的指示灯状态辨别算法，对不同厂商、不同规格的非标准指示灯状态的显示结果进行读取；最后，报警状态辨别。通过研究可扩展的报警状态辨别算法，方便后期添加和删除一些报警规则。 3.3 视频浓缩快照与异常报警应用分析 数据存储量较大，能够选择视频浓缩的方式来科学降低。为了能够知足不同约束的数据检索需要，华而不实包括按时间点检索、按数据变化检索方式等等，能够将数据以及与之对应的图像进行同步存储，通过构成时间点的数据快照来提供应技术人员分析。首先，视频排序

10、是根据时间序列的，数据同步快照系统：要研究图像与数据的存储方式，将冗余数据摒除并且对数据库进行精简，充分知足用户的定制化查询需要；其次，异常报警。系统辨别出某个异常数据时，进行警报并作出同步异常显示。二次屏柜对其进行智能监控，通过搭建一套以人工智能图像辨别技术为基础的变电站二次设备智能巡检系统，利用系统来进行监管；最后，将数据进行汇总并报送至数据仓库，通过大数据与电力模型结合构成的数据系统，全面提高监控效率，降低值班人员的劳动量，为电网运行提高坚实保障。 4 基于计算机视觉的图像处理辨别平台应用 4.1 以计算机视觉为基础的图像处理辨别平台技术要求与性能指标 技术要求与性能指标重点包括下面六个

11、方面。首先，预先处理采集到的二次设备图片，处理的内容包括图片数据存储与清洗、尺寸重整、分类标注，完成预处理后的图片再开展人工智能图像分析系统的训练与辨别工作；其次，图像信息的提取。以计算机视觉深度学习算法为基础，辨别和信息提取预处理完以后的二次设备图像，这一阶段有待辨别的关键点包括二次屏柜上的指示灯、压板、开关状态、指示数字等。要去高精度的辨别，较快速的响应时间；然后，上传辨别结果并作出分析。数据要整理成符合电网安全管理规范要求的，通过接入来源与通道设计并将数据辨别结果上传，上传后系统分析辨别结果，对正常、异常情况进行判定；接着，二次设备对信息结果进行提取，可视化呈现出来。结果在Web和App

12、上分别能呈现出来，二次屏柜上能够显示指示灯、压板、开关状态等图像，图像能够直观实现对二次设备的实时监控；再就是，二次设备异常状况告警。告警信息主要是二次屏柜的监控图像数据，以可视化的推送方式来实现异常设备的实时告警。异常状况主要包括二次屏柜的监控图像数据，经过深度学习网络后得到辨别结果，所有的数据信息及辨别结果叠加后进行可视化呈现，实现对二次设备的实时监控；最后，性能指标。指示灯定位准确率 95%，状态辨别准确率 90%，压板定位准确率 95%，状态辨别准确率 90%，开关定位准确率 95%，状态辨别准确率 90%。 4.2 监控界面及交互系统 对于监控界面以及交互系统，重点包括四个方面的内容

13、。首先，技术方面的要求。以计算机视觉图像处理辨别平台为基础，图像辨别结果信息传输接口获取信息后经平台处理获得二次屏柜指示灯、开关状态、压板等数据信息，信息传输结果被储存到了人机交互系统；其次，二次设备信息监控界面。根据传输以后在交互系统中的设备储存的设备状态信息，对设备的监控情况进行实时动态显示，界面能够将后台辨别结果全面的展示出来，能够到达自动化的管理。监控界面要求能够将告警数据推送接口有效保存，能够实时对设备运行的异常状态进行告警；然后，人机交互系统。人机交互系统能够帮助监控工作人员查验各个设备的监控信息，能及时的处理异常运行状况。还有就是，系统能够支持技术人员再确认设备异常运行信息，能够

14、及时准确地发现设备存在哪些故障；最后，性能指标。界面能够将所有待辨别信息呈现出来，界面包含着单点实时图像信息，人机交互系统支持监控人员随时登陆与查验。 4.3 后台服务系统及视频流获取程序 对于后台服务系统以及视频流获取程序，重点包括四个方面的内容。首先，技术方面要求。对摄像头进行驱动运行并实现图像采集，实现智能图像采集终端运行驱动，十分是能够分清两种明暗环境，将对应的预制参数进行自动加载，这样能够获得清楚明晰、准确地图像，能够实时的进行图像抓取然后向服务器后代进行传输并处理；其次，系统后台服务。将底层的摄像头驱动程序与辨别算法服务互相串通，对于摄像头上传回来的图片向数据库中存入，通过对辨别算

15、法程序进行调用来辨别数据库中图像的状态，重新将辨别结果、图像存入到数据库中，将前端显示出的辨别结果调用出来；然后，历史图像及辨别结果保存。存储系统的历史抓取图像到redis数据库，这一数据库是在服务器上部署的，图像与历史辨别结果互相对应然后保存在My SQL数据库，这样方便追溯复原设备的历史异常状态，这样能够确保后期分析出现异常情况时能够提供应使用者真实的现场数据；最后，性能指标。能够同时支持最少80单位的智能图像采集终端，实如今线图像采集，能够做到3 000个以上点位的辨别时间 15 min。 5 电力系统中人工智能图像辨别技术的应用难点以及详细解决措施 首先，应用难点在于电力系统数据深度分

16、析和二次屏柜的主动辨别算法框架设计。针对这类难点需要学会综合运用各类技术手段，比方图像处理、机器学习技术等等，借助理论分析、实验研究互相结合，利用高效、快速辨别算法来对指示灯面板、开关、压板、指示数字等图像展开研究和设计，这样能够做到视频浓缩以及异常报警，通过研究系统架构等关键技术来建立起一套能够实现快速反响、准确辨别和报警的算法框架。其次，难点还包括数据快照及索引技术研究及应用。这一技术应用难点在于借助智能终端的采集，对辨别服务器的量化汇总以后进行数据快照及索引技术的研究，借助Key-Value型的数据库LMDB来持久化的存储、分析图像和相关监控数据，同时允许客户进行查询、报警以及上传。 以下为参考文献 1马民,秦佳,杨东升，周博文，庞永远恒久,汉焕英.人工智能在电力系统中的应用综述J.郑州大学学报(工学版),2022,40(05);23-31. 2刘玉田,孙润稼，王洪涛,顾雪平.人工智能在电力系统恢复中的应用综述J.山东大学学报(工学版),2022,49(05):1-8 3张瑞强.人工智能技术在电力系统故障诊断中的运用分析J当代信息科技, 2022,3(03);:29-31. 4汪少成,郭瑞祥.人工智能行业应用及对电力行业发展的考虑J智能城市, 2021 .4(23):143-144.