张桂棠

0 引言

随着现代铁路智能化水平的提高，高速铁路中的牵引变电所逐渐从有人值班发展为集中监控、无人值班/守[1，2]。巡检机器人和监视摄像机在其中起到关键作用[3，4]。随着巡检机器人和监视摄像机不断投入到牵引变电所中，巡检图像数据不断增加。目前，对于机器人或监视摄像机拍摄的海量图像多停留在人工识别阶段，缺少智能化手段对图像数据进行统一处理并进行信息的提取[5～8]。

牵引变电所一般配置监控系统以实现运维管理，子站监控系统接收铁路供电调度控制系统主站下发的巡检命令，并将巡检结果上送主站[9，10]。本文结合牵引变电所设备巡检特点，提出图像识别技术在牵引变电所设备巡检中的实现方案，介绍图像识别的关键技术，针对牵引变电所设备特点，重点研究对指针表、刀闸、旋钮开关等设备进行图像识别的建模方法，并对图像识别服务的部署方法以及基于图像识别的设备巡检流程进行说明。

1 图像识别关键技术

图像识别系统从图像颜色特征、纹理特征、形状特征及局部特征中获取有应用价值的信息[11，12]。目前常用的图像识别技术一般分为样本训练和图像识别2个阶段，其识别流程如图1所示。

图1 图像识别流程

1.1 图像预处理

图像预处理的目的是使图像能够更好地为图像识别服务，以提高图像识别的效果。牵引变电所内设备的拍摄环境多为自然背景，拍摄图像容易受外部干扰而产生噪点，需要进行降噪处理，通常采用中值滤波法[13，14]。由于安装位置或拍摄角度的原因，拍摄的图像经常有倾斜的问题，需要进行倾斜角度处理[15，16]。

1.1.1 降噪处理

采用中值滤波对牵引变电所巡检图像进行降噪处理。中值滤波对图像中的噪点具有良好的滤除作用，特别是在滤除噪点的同时，能够保护图像数据信号边缘，使之不被模糊。中值滤波的工作原理：首先按照数值大小对某一像素点领域内的灰度值进行排序，然后找出该序列中的中值，并将该值赋值于像素领域的中心点。假设有一像素矩阵x如式（1）所示，对矩阵元素进行排序后得到中间值，记为azz，然后用azz代替矩阵中心点的值，得到矩阵y，如式（2）所示。

1.1.2 倾斜角度处理

图像因为安装、拍摄等因素会出现不同程度的倾斜，在图像预处理阶段采用Radon变换计算倾斜角度。Radon变换是一种积分变换，将定义在二维平面上的一个函数f(x,y)沿平面上的任意一条直线作线积分，如图2所示。式（3）为沿任意角度θ进行投影的计算式。

图2 Radon变换原理

1.2 图像特征提取

计算机不能识别图像，只能识别数字，为了使计算机能够“理解”图像，从而具有真正意义上的“视觉”，需要将图像中的模拟信息转为数字信息，从而得到图像的数据描述，如数值、向量和符号等，该过程即为图像特征提取。目前，图像特征的提取分为两种：一种是基于图像专家人工设计的特征提取；二是基于深度学习自动学习的特征提取。目前牵引变电所巡检图像的识别采用第一种提取方法。

在牵引变电所中，需要重点巡检的设备包括表计、刀闸、旋钮开关、指示灯、空气开关等。巡检的内容包括表计读数是否在正常范围、开关状态是否正常、指示灯显示是否正常、设备有无外观缺陷、压板投退状态是否正常、旋钮开关远方/就地是否指示正常等。表1列出了部分装置的巡检点位和巡检内容。

表1 牵引变电所部分巡检点位示例

1.3 图像特征分类

图像特征分类是指针对各图像所表征出来的特征，将属于不同类别的图像区分开来，归入不同的类型库。图像特征分类的核心思想是模型识别。需要对牵引变电所的设备巡检图像建立不同的模型库，如指针模型、油位计模型、指示灯模型、状态识别模型、空气开关模型、刀闸模型、缺陷匹配模型、压板模型、旋钮开关模型、数字字符模型等。

2 巡检图像建模

巡检图像建模步骤：（1）打开图像；（2）根据巡检图像的不同特征选取关键识别区进行特征提取；（3）进行模型库的分类存储，将建立的图像模型存储于图像库，将建模数据存储于csv格式的文件中，存储的模型库包括预处理过的图片和提取的数据信息；（4）模型建立后，对新输入的图像进行匹配识别，并输出识别结果。下文重点介绍指针式表计、刀闸、旋钮开关、压板的图像建模方法。

2.1 指针式表计建模

指针式表计建模的关键在于计算刻度线与指针之间的角度关系。首先根据表计图像中的刻度关键点拟合刻度线的形状，指针式表计刻度线开关可以归纳为圆形、扇形和其他形状。针对不同形状可采用3种拟合方法：描点拟合、描线拟合、手动拟合。一般圆形的刻度表盘采用描点拟合；扇形的刻度表盘如避雷器指针的表盘，采用描线拟合；对于描点拟合和描线拟合均无法适用的表盘，可采用手动拟合方法来确定圆心。

刻度线形状拟合后，设置刻度范围和刻度单位，之后设置指针颜色的RGB值，对于有告警功能的表计，设置报警上下限，至此一个指针表计模型已经创建好。

2.2 刀闸建模

刀闸图像识别的关键在于识别刀闸的开合状态，其建模分为2个步骤：（1）根据图片显示设置刀闸的开/合状态；（2）通过设置辅助线，标记刀闸在该状态下的图像特征。

2.3 旋钮开关建模

旋钮开关识别的关键在于识别开关的旋转角度以及在该角度下的开关状态，首先采集旋钮的中心点和箭头中心点，以确定旋钮方向，然后根据图片信息设置旋钮开关的当前状态和其余状态。

2.4 压板建模

压板建模的关键在于判断压板的布局、数量以及各压板的投/退情况，其建模分为 3个步骤：首先从左上角开始，依次按照顺时针选取4个矫正点，确定压板布局的范围；然后根据压板位置选取分割线，如图3所示，为4行9列的布局形态；最后填写状态矩阵，矩阵的行、列数依据实现布局行、列数，压板合位标记为1，分位为标记为0。图3中的压板图像对应的状态矩阵如式（4）所示。

图3 压板建模展示图

3 图像识别技术在牵引变电所设备巡检中的实现方案

为深度挖掘牵引变电所内设备巡检图像的数据价值，提升设备缺陷发现能力，部分牵引变电所已经在设备巡检中初步应用图像识别技术。

以焦柳铁路会同牵引变电所为例，在牵引变电所内部署基于设备智能巡检的子站监控系统、视频服务器和图像识别系统。子站监控系统用于接收铁路供电调度控制系统主站下发的巡检计划，根据巡检计划要求通过连接视频服务器对相关设备进行拍照巡检，并将巡检图像存储于指定目录，通过图像识别系统的建模工具对指定目录的图像进行建模。首先点击图像列表，选择需建模的图像目录，建模工具自动识别jpg格式和bmp格式的图像，然后通过本文第 2节介绍的建模方法对不同类型设备进行建模。已建的图像模型将存储于图像识别模型库中，参与建模的图像将存储于源图像库中，模型的数据信息存储于图像识别数据库中，图像数据越多，建模数据越准确。

模型建立后，当供电调度控制系统下发巡检任务时，子站监控系统的巡检功能模块解析巡检任务类型、巡检周期、巡检点位。根据巡检周期和点位，通过视频服务器控制摄像机转至相应的巡检点位进行巡视并拍照，同时发送调用指令启用图像识别服务。图像识别系统将搜索图像库和数据库进行图像识别，并将识别结果显示于子站监控系统的显示界面，或通过子站监控系统将巡检结果返回给供电调度控制系统主站。实现方案流程如图4所示。

图4 图像识别技术在牵引变电所设备巡查中的实现流程

4 结语

本文介绍了图像识别的关键技术，分析了指针表、刀闸、旋钮开关、压板的建模方法，提出了图像识别技术应用于牵引变电所设备巡检中的实现方案。借助于图像识别技术强大的识别能力，在巡检过程中能够及时发现设备问题，节约了时间和人力成本，提高了巡检效率。