刘豪
长江三峡通航管理局，湖北 宜昌443002
摘要：本文讨论了机器视觉技术在船闸变电所自动监测系统中的应用，主要从应用的必要性和可能性，应用的重点和难点，以及实际运用后对系统的展望三个方面进行研究。结论是该技术目前可以运用到船闸变电所自动监测中，并根据实际情况对运用后的自动监测系统的部分功能进行了合理的展望。
关键词：船闸；变电所；自动监测；机器视觉
前言
我国是交通大国，水路运输是交通运输的重要组成部分，船闸是用以让船舶直接通过河流落差的通航建筑，分布在大大小小的天然河道和运河中，对水路运输的意义重大。在船闸中存在着多种多样的用电设备，如果船闸用电不稳定将会对通航效率造成较大的影响，严重的还可能会酿成重大安全事故。因此一般船闸都会设置专门的变电所并安排专人值守或者安排人员定期巡检以保障船闸的供电稳定。但是人工值班或者巡检的方式首先会根据工作人员的经验和负责程度存在一定的错漏，其次会给本来就繁忙的船闸工作增加额外的负担，因此对船闸变电所的自动监测具有紧迫性和必要性。
船闸变电所的自动监测主要有两种思路，一种是通过对变电所设备的升级改造，使得变电所设备参数具有在线功能；另外一种是在不对设备进行大的升级改造基础上，通过摄像头等装置对变电所设备进行在线监测。第一种思路投入成本较大，而且为避免设备参数在线传输故障仍然需要用摄像头或者人工巡检进行辅助，第二种思路仍然需要中控室的值班人员频繁查看监控画面，需要使用可以实现自动识别和自动报警的系统减轻中控室值班人员负担，降低人为失误。因此在监控视频的基础上加入图像识别技术是一种成本较低，同时能够较多的兼顾到安全性的方案。
一．机器视觉技术基本情况
机器视觉起步于20世纪90年代并逐步成熟，而后大量研究人员将其运用到各种识别环境中，是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品(即图像摄取装置，分CMOS和CCD两种)将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号;图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来进行决策和动作。
随着科技的不断进步，机器视觉和图像处理技术已经成为人们生产生活中不可或缺的一部分。机器视觉技术是利用机器人来代替人类视觉做出判断和测量。现如今，机器视觉已应用到工业、医疗、交通等各个领域。在工业中，利用机器视觉可以对精密仪器进行测量和定位；在医疗方面，图像处理技术的发展不仅方便了医生的诊断，而且降低了误诊率；在交通领域，随着障碍物识别、驾驶员状态监测、驾驶员视觉增强等技术的出现，更是大大减小了交通事故的发生，保证了人们的出行安全。
二．船闸变电所状态识别研究重点
变电所运行状态识别的重点在于对于指示灯和各种仪表的识别，其中仪表又分为数字仪表和指针仪表。在这三个方面，目前均有较多学者做出了相应的研究成果，技术发展较为成熟。
(1)指示灯识别
船闸变电所的指示灯主要是各个高低压柜状态指示灯，一般是较为明亮的红绿黄等颜色，因此指示灯识别可以从颜色入手。徐成等人基于Lab色彩空间和模板匹配的实时交通灯识别算法[1]，牛红惠等学者的基于归一化RGB空间与曲率的交通灯检测研究[2]，分别从两个色彩空间入手，均取得了较好的效果。
(2)数字仪表识别
数字仪表是现在船闸变电所高低压柜用来显示参数的主流方式，一般船闸变电所中的数字仪表可以采用当前主流OCR技术直接识别参数或者建立数据库进行比对以降低运算量。数字仪表识别的难点在于室内的数字仪表显示设备大多数没有背光，依靠室内照明，存在光照不均等问题，摄像头采集到的图像质量不好，无法直接进行识别，需要进行一些处理。例如申中鸿等学者[3]利用阈值二值化及其他图像预处理技术对所采集的数字显示仪表图像进行处理之后,统计分析每个目标区域的计算几何轨迹特征;最后,将目标区域的计算几何轨迹特征与已有的特征库进行匹配后得到识别结果。
(3)指针仪表识别
大部分船闸变电所依然存在大量的指针式仪表，指针式仪表的识别是变电所自动识别的难点，主要存在以下问题：第一就是仪表的指针一般较细，在图像中不清晰；第二就是指针式仪表的读数需要看表盘的刻度，因此识别的任务还包括了仪表表盘。指针式仪表的识别也是各个机器视觉领域的学者最感兴趣的领域之一，主流的指针式仪表识别流程如下图：
.jpg)
针对指针难以识别，目前学者已经提出了多种方法，均取得不错的效果，比如颜友福等学者将区域生长方法用于指针式仪表自动识别[4]，邹娟等人将遗传算法用于仪表自动识别[5]，均取得不错的成果，近年来，随着模式识别技术的突飞猛进，诸如SVM神经网络等算法也被广泛用于仪表识别系统。
目前对于指示灯和仪表识别的研究大多集中在单一类型仪表，市面上缺乏可以将指示灯、数显式仪表、指针式仪表统一进行识别的系统。在船闸变电所运行状态的识别过程中，既存在指示灯，又存在指针式仪表和数显式仪表，因此将其统一进行识别工作也是一个研究的重点。在统一成一个系统时需要综合考虑经济型、实用性和稳定性，在方法的选取上需要有所取舍，不能一味追求性能。
三．基于机器视觉的船闸变电所自动监测系统应用展望
船闸变电所运行状态自动监测系统的目的在于降低工作人员工作量，提升整体安全性。同时本系统的基础是视频监测系统，因此可以在原本的视频监控系统基础上增加变电所运行状态监测和变电所报警管理模块，最大程度在保持安全性能的基础上降低成本。
(1)运行状态检测模块
本模块是系统检测的主要环节，可以实现将视频信息进行分析处理，对指示灯状态、指针式仪表和数显式仪表进行实时检测。并显示检测的运行状态以及异常状态自动报警。在该模块中工作人员可以实时看到变电所现场画面和识别后的设备参数，可以一目了然的掌握变电所情况。
(2)报警管理模块
该模块的基础是运行状态检测，在运行状态发生异常时及时报警，并记录报警时间和报警类型便于后期查看，同时管理员也可以在该模块中调整某些参数的报警阈值，便于应当实际工况或管理规定发生变化的场景。
四．结论
本文讨论了机器视觉技术在船闸变电所自动监测系统中的应用，主要从应用的必要性和可能性，应用的重点和难点，以及实际运用后对系统的展望三个方面进行研究。机器视觉作为一种较为成熟的技术，虽然在运用到船闸变电所自动监测系统时存在一定的难点，但针对这些难点，研究人员已经取得了许多成果，该技术可以运用到船闸变电所进行自动监测，并根据实际情况对运用后的自动监测系统的部分功能进行了合理的展望。
参考文献
[1]徐成, 谭乃强, 刘彦. 基于Lab色彩空间和模板匹配的实时交通灯识别算法[J]. 计算机应用, 2010, 30(5):1251-1254.
[2]牛红惠, 刘凌霞. 基于归一化RGB空间与曲率的交通灯检测研究[J]. 科学技术与工程, 2013, 13(006):1703-1707.
[3]申中鸿, 蒋春旭, 徐华伟,等. 基于机器视觉的数字显示仪表自动读数[J]. 电子产品可靠性与环境试验, 2013, 031(0z1):110-115.
[4]颜友福, 刘金清, 吴庆祥. 基于区域生长的指针式仪表自动识别方法[J]. 计算机系统应用, 2015(04):164-170.
[5]邹娟, 郭格, 裴廷睿,等. 一种基于遗传算法的指针式仪表示数自动识别方法及系统:, CN110633679A[P]. 2019.