智能电网图像识别技术应用探究.docVIP

智能电网图像识别技术的应用分析 　　[摘 要]本文基于传统电网识别的缺陷，引入了面向对象的图示化智能识别技术。在数据库智能图形系统基础上，通过对电网及其组成部分进行属性、方法、事件的定义，以及开展智能化数学概述，用图元属性对元件状态、方式进行描述。结合具体的图示化短路系统设计实践，对该方法进行验证。结果显示，该方法可以有效的将图元和数据库同步关联，实现电网软件的同平台操作 [关键词]智能电网 图像识别技术 应用分析 中图分类号：TP391.41 文献标识码：A 文章编号：1009-914X（2016）21-0106-01 近年来，我国电网规模逐渐增大、耗电量也在增加，造成高压电力系统的负荷增加，设备常出现故障、损坏。为了很好的预防设备故障，避免传统人工监测电网线路的缺陷，提出了应用计算机和智能设备对电网线路进行智能化监测和分析。因此，智能电网图像识别技术的应用对于国家电力行业的发展有着极大的现实意义 1 传统电网技术存在的问题 1.1 覆盖范围小 输配电网视频监控系统是将指定的图像通过监控球机和采集卡输入至视频分站中，在压缩数据后传输至系统中监控主站处，主站负责显示各个输配电网的图像。这种数据传输方式工作量大，要求着网络带宽和数据处理都要有很高的水平，一旦有灾害情况出现，网络传输受到干扰后就不能正常进行工作，影响了输配电电网视频监控系统的正常运作 1.2 传统电网兼容性差 当前在电力系统内有很多家视频监控设施厂商，竞争非常激烈，虽然很多厂商都按照统一的、标准的视频监控提供服务，但很多分站设备很难接入到监控主站内，很难实现远方监控的预期目的，并且这些监控设备兼容性不好，导致输配电网视频监控系统在运转中出现很多问题 2 简述智能电网图像识别技术的应用 2.1 图像识别的具体流程 如图1为图像识别过程，共分为样本训练阶段、识别图像两个阶段。样本训练阶段：预处理样本图像、提取图像特征、分类图像模式，进而获取到样本图像特征库。识别图像阶段：预处理输入图像 2.2 取图像特征 提取图像特征是为了确保图像的位置移动、位置旋转、大小等不变形和提取唯一标识的图像特征来为图像识别进行服务。图像特征提取就是图像表示的问题，其目的在于减轻识别图像的工作负担。由于原始图像数据维数很高，在特征提取后为数据降低维度，进而提高识别工作效率。如下为几种提取特征图像的方法。一是，统计像素特征。在统计图像像素后提取特征，统计像素特征有两种颜色分布，即：灰度直方图、彩色图像。二是，可视化特征，通过图像文理和边缘等视觉特征对图像进行描述，纹理刻画像素领域灰度空间分布规律，边缘特征对图像灰度空间出现的像素集合进行描述。三是，代数特征。从存储图像矩阵中体现图像属性特征。四是，变换系数的特征，提取变换系统特征有多种方式方法，通过图像展开小波分析或者小波包分析，进而将变换中的特征提取出。像素统计特征与可视化特征都是像素级的底层特征，具有计算简单和表示直观等优势，但也存在不足，如：计算量大、维数高等不足。代数特征的益处在于有较强的稳定性，对光照变换、噪音等变换引发的图像灰度变换不敏感，同时它具有平移、旋转等不变性。但如果矩阵维度系数太高，计算会出现困难。变换系数特征具备特征维数低和表示能力高等优势，但不能直观的表现特征语义，在变换分类识别图像后，才能达到预期的效果。从图像特征发展趋势上而言，研究代数特征和变换系数特征将是日后研究的主要趋势，并且通过分析和研究后发现，代数特征、变换系数特征今后会得到电网企业的广泛重视和认可，虽然其还处于研究的初期，但是其具有较强的研究和使用价值，尤其是在电网企业中，其使用价值更高 2.3 图像预处理的应用 预处理图像是为了能够进一步进行图像识别服务。在预处理中，为了便于分析图像中的内容，灰度处理彩色图像是较为常用的方法，很多时候会对图像展开二值处理；为了能够在成像中图像受到的噪声污染率，对图像进行平滑处理；为了彰显出图像细节特征，对图像实施高通滤波器处理。为了可以寻找到关注部分中的图像，对图像进行边缘检测、边界检测，最终分割图像 2.4 图像识别算法的应用 在图像识别中，图像识别算法是其核心部分，此算法与模式识别算法有很大关系，如下对几种常见的图像识别算法的分析。一是，决策理论的判别方法。以决策理论为前提构建起识别方法，寻找和判别函数就是决策理论判别方法的核心。其概率统计模型就是成批分析和研究图像，并找出图像中的规律。二是，结构性方法，对模式图像结构进行分析，将一些复杂的、庞大的结构分解成为简单的、细小的子结构，直至分解成为基元子结构。结果性方法的特征在映射成形后，并且生成识别语法结构主动的识别特征。其关键在于构造出最佳的文法结构。光学模式识别研究通常运用在识