繼電保護(hù)壓板圖像識(shí)別與模型聚類(lèi)匹配

李鐵成 任江波 劉清泉 趙宇皓 王志華 胡艷嬌

摘 要：針對(duì)電力系統(tǒng)二次設(shè)備工作中，人工校核繼電保護(hù)壓板位置、描述和狀態(tài)，工作量大、易出錯(cuò)、效率低等問(wèn)題，提出了基于圖像識(shí)別技術(shù)和模型聚類(lèi)匹配算法的繼電保護(hù)壓板自動(dòng)識(shí)別與校核方法。該方法首先運(yùn)用圖像識(shí)別技術(shù)獲得壓板設(shè)備、文字標(biāo)簽的特征信息，然后采用圖像模型聚類(lèi)匹配算法重新排列壓板順序得到其具體位置信息，再進(jìn)行壓板設(shè)備與文字關(guān)聯(lián)得到壓板的詳細(xì)描述信息，最后通過(guò)識(shí)別得到的壓板的完整信息與拍攝錄入或者配置導(dǎo)入的壓板庫(kù)比對(duì)，對(duì)壓板進(jìn)行自動(dòng)校核。實(shí)際場(chǎng)景應(yīng)用測(cè)試結(jié)果表明，該壓板自動(dòng)識(shí)別與校核方法，能夠準(zhǔn)確地識(shí)別壓板狀態(tài)及對(duì)應(yīng)文字，顯著地提高了現(xiàn)場(chǎng)運(yùn)維的效率，具有較高的實(shí)際應(yīng)用價(jià)值。

關(guān)鍵詞：繼電保護(hù)壓板;圖像識(shí)別;聚類(lèi)匹配;文字識(shí)別;自動(dòng)校核

DOI：10.15938/j.jhust.2021.04.010

中圖分類(lèi)號(hào)：TM732;TP29

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1007-2683（2021）04-0070-08

Abstract：Aiming at the problems of manual checking relaying plate in secondary equipment of power system， such as heavy workload， error-prone and inefficiency， an automatic recognition and checking method of relaying plate based on image recognition technology and model clustering matching algorithm is proposed. In this method， the position， description and state of the relaying plate obtained by using image recognition technology and image model clustering matching algorithm， and then the complete information of the identified relaying plate is compared with the relaying plate library input by photographing or configuration to realize the automatic verification of the relaying plate. The field test results show that the automatic recognition and verification method has universal practicability， it can accurately identify the status and description of the relaying plate， improve the efficiency and accuracy of field operation and maintenance.

Keywords：relaying plate; image recognition; clustering matching; character recognition; automatic checking

0 引 言

目前電力系統(tǒng)二次設(shè)備運(yùn)維管理[1]工作中，人工校核壓板的位置、描述和狀態(tài)，工作量大、易出錯(cuò)[2]。隨著工業(yè)和科學(xué)技術(shù)的發(fā)展，電力變電站的規(guī)模和數(shù)量也都急劇上升，人工校核繼電保護(hù)壓板的問(wèn)題變得更加突出。壓板形態(tài)和布局規(guī)整的特點(diǎn)，為其自動(dòng)化識(shí)別提供了基礎(chǔ)，繼電保護(hù)壓板自動(dòng)化識(shí)別[3-5]與校核研究隨之迅速發(fā)展。

目前，繼電保護(hù)壓板自動(dòng)化識(shí)別主要是基于特殊材料采集[6，7]、視覺(jué)信息[8]提取壓板狀態(tài)信息，判斷其是否符合對(duì)應(yīng)規(guī)程，實(shí)現(xiàn)壓板投退狀態(tài)的自動(dòng)識(shí)別與校核[9，10]，但是對(duì)壓板的描述和位置信息是否與電力二次設(shè)計(jì)相符無(wú)法自動(dòng)識(shí)別[11，12]，且建設(shè)和維護(hù)成本大，應(yīng)用場(chǎng)景單一。文[12]基于圖像識(shí)別的壓板投退狀態(tài)的應(yīng)用，雖然維護(hù)成本低，但是同樣存在沒(méi)有對(duì)壓板文字和位置進(jìn)行識(shí)別的問(wèn)題，應(yīng)用場(chǎng)景局限性較大。

隨著圖像識(shí)別技術(shù)[13-16]迅速發(fā)展，計(jì)算能力的不斷提高，現(xiàn)代圖像識(shí)別技術(shù)涌現(xiàn)了很多優(yōu)秀的對(duì)象識(shí)別、文字識(shí)別算法[17-19]和技術(shù)。本文提出基于圖像識(shí)別技術(shù)和模型聚類(lèi)匹配的繼電保護(hù)壓板運(yùn)維技術(shù)的方法，基于圖像識(shí)別技術(shù)提取壓板設(shè)備、文字標(biāo)簽的特征信息，基于圖像模型聚類(lèi)[20，21]匹配對(duì)壓板進(jìn)行排列計(jì)算壓板的行號(hào)、列號(hào)，再對(duì)上述壓板設(shè)備與文字進(jìn)行聚類(lèi)算法組合獲取壓板的描述，最后對(duì)識(shí)別得到的壓板的完整信息與拍攝錄入或者配置導(dǎo)入的壓板庫(kù)進(jìn)行比對(duì)，實(shí)現(xiàn)壓板的自動(dòng)校核。

1 圖像識(shí)別

1.1 壓板圖像識(shí)別技術(shù)原理

壓板圖像識(shí)別主要分為壓板設(shè)備和文字標(biāo)簽的識(shí)別，通過(guò)識(shí)別獲得壓板設(shè)備的坐標(biāo)位置和投退狀態(tài)，以及文字標(biāo)簽中文字的內(nèi)容和坐標(biāo)位置，其流程如圖1所示。

數(shù)字圖像，又稱(chēng)數(shù)碼圖像或數(shù)位圖像，是二維圖像用有限數(shù)字?jǐn)?shù)值像素的表示。由數(shù)組或矩陣表示，其光照位置和強(qiáng)度都是離散的，準(zhǔn)確度依賴(lài)于幾何和光度學(xué)或者傳感器校準(zhǔn)。數(shù)字圖像處理[22]是研究數(shù)字圖像與現(xiàn)象、實(shí)物的變換算法，通過(guò)計(jì)算機(jī)對(duì)圖像進(jìn)行一系列處理的方法和技術(shù)，數(shù)字圖像處理的發(fā)展主要依賴(lài)于計(jì)算機(jī)和數(shù)學(xué)的發(fā)展，以及工業(yè)、醫(yī)學(xué)等應(yīng)用需求的增長(zhǎng)。

壓板設(shè)備在不同的圖像中大小、角度、位置不同，需要對(duì)數(shù)字圖像進(jìn)行旋轉(zhuǎn)、縮放、平移等變換，通過(guò)圖像配準(zhǔn)實(shí)現(xiàn)該變換過(guò)程，壓板圖像配準(zhǔn)流程如圖2所示。

1.2 壓板智能運(yùn)維需求分析

壓板智能運(yùn)維通過(guò)機(jī)器自動(dòng)識(shí)別代替人工識(shí)別，完成對(duì)壓板的自動(dòng)識(shí)別與校核。首先對(duì)繼電保護(hù)壓板進(jìn)行拍攝得到數(shù)字圖像，然后對(duì)其進(jìn)行圖像識(shí)別得到需要的壓板模型，再根據(jù)業(yè)務(wù)需要對(duì)模型數(shù)據(jù)進(jìn)行處理，最后輸出識(shí)別結(jié)果到移動(dòng)終端或者臺(tái)式計(jì)算機(jī)上。

運(yùn)維需求按照功能劃分模塊，主要有壓板驗(yàn)收、壓板巡視、壓板安措校核等業(yè)務(wù)模塊，提供參數(shù)設(shè)置和查詢(xún)的設(shè)置模塊，提供業(yè)務(wù)支撐的壓板庫(kù)模塊。

設(shè)置模塊主要用于輔助圖像識(shí)別，普適的圖像識(shí)別算法難以實(shí)現(xiàn)所有待識(shí)別對(duì)象屬性，如“壓板設(shè)備與文字標(biāo)簽的位置關(guān)系”、“屬于同一個(gè)文字標(biāo)簽的文字對(duì)象”，通過(guò)設(shè)置模塊中的參數(shù)設(shè)置來(lái)輔助圖像識(shí)別，可以減小圖像識(shí)別難度，提高識(shí)別準(zhǔn)確性。

壓板庫(kù)是壓板驗(yàn)收比對(duì)的依據(jù)，并且可以提高壓板巡視、壓板安措校核的識(shí)別率。由于人工錄入壓板庫(kù)工作量大，可以導(dǎo)入帶圖元屬性的計(jì)算機(jī)輸出設(shè)計(jì)文件建立壓板庫(kù)，也可以通過(guò)圖像識(shí)別技術(shù)識(shí)別設(shè)計(jì)圖紙的方式建立壓板庫(kù)，對(duì)于未能準(zhǔn)確導(dǎo)入或者識(shí)別錯(cuò)誤壓板，通過(guò)人工干預(yù)進(jìn)行修正。

壓板驗(yàn)收主要關(guān)注其文字標(biāo)簽是否貼錯(cuò)，而壓板庫(kù)的錄入則需要識(shí)別文字標(biāo)簽的內(nèi)容作為對(duì)應(yīng)壓板的描述，它們僅需要關(guān)注壓板的位置和描述，不關(guān)注壓板的投退狀態(tài)。所以壓板驗(yàn)收和壓板庫(kù)的錄入僅需要識(shí)別壓板設(shè)備對(duì)象的位置和文字標(biāo)簽中的文字，對(duì)其進(jìn)行組合得到壓板的描述。

壓板巡視、壓板安措校核主要關(guān)注壓板的投退狀態(tài)是否與壓板庫(kù)/壓板定值一致，僅需要關(guān)注壓板的位置和狀態(tài)，可以使用相同的算法流程。首先進(jìn)行壓板設(shè)備對(duì)象的識(shí)別，然后對(duì)壓板類(lèi)聚參數(shù)進(jìn)行判斷，超出正常范圍則通過(guò)提取的文字信息與壓板庫(kù)比對(duì)對(duì)壓板的位置進(jìn)行修正，否則結(jié)束識(shí)別過(guò)程。

2 模型聚類(lèi)匹配

2.1 壓板模型聚類(lèi)匹配

壓板圖像模型聚類(lèi)匹配，是將圖像的壓板設(shè)備模型與對(duì)應(yīng)的文字標(biāo)簽通過(guò)聚類(lèi)算法進(jìn)行組合，得到整個(gè)壓板的位置、描述、狀態(tài)信息，匹配流程如圖3所示。通過(guò)聚類(lèi)算法將壓板設(shè)備對(duì)象坐標(biāo)位置進(jìn)行排列，得到壓板在圖像中自然排列的行號(hào)、列號(hào)，然后根據(jù)文字對(duì)象之間的間隔對(duì)文字對(duì)象進(jìn)行拼接得到壓板標(biāo)簽描述，最后與壓板設(shè)備對(duì)象進(jìn)行組合。

設(shè)備聚類(lèi)按照給定的坐標(biāo)點(diǎn)將設(shè)備分成行與列，得出行號(hào)與列號(hào)并記錄其狀態(tài)。

文字聚類(lèi)是將屬于單個(gè)壓板文字標(biāo)簽的文字內(nèi)容進(jìn)行組合拼接，按照文字的方向參數(shù)配置，如“先左右后上下”、或者“先上下后左右”，將范圍內(nèi)的文字對(duì)象進(jìn)行拼接。為了提高文字識(shí)別結(jié)果的準(zhǔn)確性，文字聚類(lèi)基于設(shè)備聚類(lèi)的結(jié)果進(jìn)行聚類(lèi)。

文字與設(shè)備組合聚類(lèi)是通過(guò)設(shè)備聚類(lèi)、文字聚類(lèi)得到結(jié)果，將文字標(biāo)簽與壓板設(shè)備一一對(duì)應(yīng)，組合為一個(gè)完整的壓板模型對(duì)象。聚類(lèi)算法采用 K-means算法，步驟如圖4所示。

圖4中，K為接收輸入量，算法將n個(gè)數(shù)據(jù)對(duì)象劃分為K個(gè)類(lèi)聚，使獲得的類(lèi)聚在同一類(lèi)聚中對(duì)象相似度較大，而不同類(lèi)聚中的對(duì)象相似度較小。

在壓板設(shè)備的識(shí)別過(guò)程中，首先經(jīng)過(guò)圖像識(shí)別得到壓板坐標(biāo)數(shù)據(jù)，然后使用K-means算法將該數(shù)據(jù)與所要分成的行數(shù)N，將壓板按行分組。K-means算法完成按行分組之后，對(duì)每行壓板縱坐標(biāo)的平均值升序排列得到壓板在照片中所處的行號(hào)，對(duì)每行內(nèi)的壓板按照橫坐標(biāo)升序排列得到壓板在照片中所處的列號(hào)，最后對(duì)所有行的每列縱坐標(biāo)的平均距離與相鄰列號(hào)的橫坐標(biāo)距離的倍數(shù)對(duì)列號(hào)進(jìn)行右移調(diào)整，避免壓板漏識(shí)別造成的壓板位置識(shí)別錯(cuò)誤。

文字識(shí)別通過(guò)將屬于同一個(gè)矩形框的文字聚類(lèi)到一起，得到設(shè)備對(duì)應(yīng)的完整文字描述。識(shí)別的關(guān)鍵在于求解矩形框高度、寬度等參數(shù)，相關(guān)參數(shù)如圖5所示。

第i行文字矩形高度計(jì)作hi，如式（1）所示。

式中：hij為第i行第j列壓板與第i+1行第j列壓板縱向距離;

第i行第j列文字矩形框?qū)挾扔?jì)作wij，如式（2）所示。

式中：d1為壓板與左邊第一個(gè)壓板的橫向距離;d2為壓板與右邊第一個(gè)壓板的橫向距離;w0為對(duì)應(yīng)壓板對(duì)象的寬度。

第i行第j列設(shè)備的文字對(duì)象則為處于i行j列設(shè)備下高度為hi、寬度為wij的矩形框中所有文字對(duì)象。

文字對(duì)象拼接采用與設(shè)備識(shí)別相同的聚類(lèi)算法K-means，基于書(shū)寫(xiě)的規(guī)律，按照先左右后上下的順序拼接。因此要把設(shè)備對(duì)象下的文字對(duì)象集合分成行與列。先對(duì)每行內(nèi)的文字進(jìn)行拼接，再對(duì)拼接好的每行文字進(jìn)行拼接。

多圖片識(shí)別，基于基準(zhǔn)照片將多個(gè)照片中的對(duì)象拼接起來(lái)，也就是以基準(zhǔn)照片的行號(hào)、列號(hào)作為參考對(duì)象調(diào)整不同圖片的行號(hào)、列號(hào)，保證行號(hào)、列號(hào)的唯一性和連貫性。由于多圖片拼接通過(guò)文字匹配來(lái)判斷是否有相同對(duì)象，要求單張圖片中文字串唯一，不能重復(fù)。在實(shí)際場(chǎng)景會(huì)存在“備用”、空白字符串等情況文字串的重復(fù)，此類(lèi)對(duì)象不參與業(yè)務(wù)， 判斷是否有相同文字時(shí)，排除此例。

在多圖片拼接過(guò)程中，如圖6所示，“壓板6”在基準(zhǔn)照片中所處的行列號(hào)的向量值為a→=（2，3），在非基準(zhǔn)照片中所處的行列號(hào)的向量值為b→=（1，1），因此將非基準(zhǔn)照片中的行列號(hào)轉(zhuǎn)換為基準(zhǔn)照片中的行列的轉(zhuǎn)換向量為n→=（1，2），計(jì)算公式如（3）所示。

根據(jù)轉(zhuǎn)換向量可以依次求得非基準(zhǔn)照片中其他壓板在基準(zhǔn)照片中的行列號(hào)，如壓板11在非基準(zhǔn)照片中的行列號(hào)為c→=（2，3），其在基準(zhǔn)照片中的行列號(hào)向量計(jì)算如式（4）所示，結(jié)果為d→=（3，5）。

2.2 算法優(yōu)化

為了提高壓板設(shè)備對(duì)象的識(shí)別準(zhǔn)確率，需要對(duì)K-means算法進(jìn)行優(yōu)化，根據(jù)壓板分布特點(diǎn)，可以通過(guò)數(shù)據(jù)預(yù)處理、初始類(lèi)聚點(diǎn)選擇、K值的選擇多方面進(jìn)行。

在壓板的數(shù)據(jù)預(yù)處理中，各個(gè)壓板之間的距離比較遠(yuǎn)，離散度較大，類(lèi)聚效果不明顯，如圖7（a）所示;為了使類(lèi)聚效果明顯，將壓板橫坐標(biāo)x做歸零化處理，使得行間壓板距離較大，而行內(nèi)壓板之間的距離較小，如圖7（b）所示。因此，歸零化處理使壓板的類(lèi)聚效果更加明顯，能夠明顯降低壓板歸入錯(cuò)誤行的概率。

初始類(lèi)聚點(diǎn)的確定，最簡(jiǎn)單有效的就是隨機(jī)選擇K個(gè)點(diǎn)作為初始的類(lèi)簇中心點(diǎn)，但是該方法在有些情況下的效果較差，容易造成局部最優(yōu)解。圖像識(shí)別中中心點(diǎn)的初始化方案為，選擇彼此盡量遠(yuǎn)離的K個(gè)點(diǎn)。

K-means初始化中心點(diǎn)的選擇如圖8所示，首先在原始數(shù)據(jù)鏈表ψ0中隨機(jī)選擇一個(gè)點(diǎn)作為第一個(gè)初始類(lèi)簇中心點(diǎn)P1，并存入新的數(shù)據(jù)鏈表ψ1，選擇距離該點(diǎn)最遠(yuǎn)的點(diǎn)作為第二個(gè)初始類(lèi)簇中心點(diǎn)P2，然后選擇距離前兩個(gè)點(diǎn)的最近距離最大的點(diǎn)作為第三個(gè)初始類(lèi)簇的中心點(diǎn)P3，以此類(lèi)推，直至選出K個(gè)初始類(lèi)簇中心點(diǎn)。

K值的選擇，由于單個(gè)屏柜的壓板行數(shù)一般在1～10，類(lèi)聚需要K值大于1，K值按照2～10遍歷，得到類(lèi)聚結(jié)果，再將類(lèi)聚結(jié)果進(jìn)行計(jì)算得到其輪廓系數(shù)，選出輪廓系數(shù)最小的那個(gè)K值。

輪廓系數(shù)（silhouette coefficient）結(jié)合了聚類(lèi)的凝聚度（cohesion）和分離度（separation），用于評(píng)估聚類(lèi)的效果，記作Si。該值處于-1～1之間，值越大聚類(lèi)效果越好，具體計(jì)算方法如下：

第一步：對(duì)于每個(gè)壓板i，計(jì)算每個(gè)壓板i與其同在一個(gè)行內(nèi)的所有其他壓板的距離wj的平均值，用于量化行內(nèi)壓板的凝聚度，記作Xin，計(jì)算過(guò)程如式（5）所示。

式中：n為參與統(tǒng)計(jì)的距離的個(gè)數(shù)。

第二步：選取壓板i外的另一行壓板第i+j行，計(jì)算第i行與第i+j行中所有壓板的平均距離hij，遍歷所有其它行，找到最近的這個(gè)平均距離，記作Yi，即為第i行的鄰居類(lèi)，如式（6）所示。用于量化每行壓板之間分離度。

第三步：計(jì)算壓板的輪廓系數(shù)，如式（7）所示。

第四步：計(jì)算所有壓板的輪廓系數(shù)，求平均值，記作Sn，度量壓板聚類(lèi)的緊密程度，如式（8）所示。

式中：n為參與統(tǒng)計(jì)的輪廓系數(shù)的個(gè)數(shù)，即壓板的行數(shù)。

3 測(cè)試驗(yàn)證

本文根據(jù)圖像識(shí)別技術(shù)的特點(diǎn)，分別通過(guò)壓板設(shè)備識(shí)別、文字標(biāo)簽識(shí)別、壓板設(shè)備與文字標(biāo)簽組合、集成測(cè)試，依次對(duì)壓板設(shè)備狀態(tài)、文字相似度、文字與設(shè)備組合、圖像模型聚類(lèi)匹配優(yōu)化算法進(jìn)行測(cè)試驗(yàn)證。

3.1 壓板設(shè)備識(shí)別測(cè)試

選取8個(gè)比較常見(jiàn)的壓板圖片樣本，對(duì)壓板位置及狀態(tài)的識(shí)別結(jié)果如表1所示。

表中合計(jì)的狀態(tài)識(shí)別準(zhǔn)確率不是采用均值的方法，與單個(gè)圖像識(shí)別正確率計(jì)算方式相同。由表1的數(shù)據(jù)記錄以及識(shí)別準(zhǔn)確率可見(jiàn)，壓板對(duì)象的識(shí)別準(zhǔn)確率為99.3%，準(zhǔn)確率較高。

3.2 文字標(biāo)簽識(shí)別測(cè)試

為了初步測(cè)試文字識(shí)別的效果，選取一個(gè)典型壓板圖像進(jìn)行文字識(shí)別測(cè)試，壓板文字標(biāo)簽識(shí)別數(shù)據(jù)與人工查看圖像的數(shù)據(jù)如表2所示。

表中文字相似度計(jì)作δ。由表2可以看出，大部分文字對(duì)象是可以識(shí)別的，平均相似度達(dá)到84.37%，識(shí)別錯(cuò)誤主要由兩方面導(dǎo)致：兩個(gè)文字標(biāo)簽的內(nèi)容識(shí)別為一個(gè)文字對(duì)象，以及形近字識(shí)別錯(cuò)誤。

測(cè)試選取8個(gè)圖像樣本進(jìn)行批量識(shí)別，識(shí)別結(jié)果與圖像原始文字內(nèi)容進(jìn)行人工比對(duì)，測(cè)試結(jié)果如表3所示。

表中文字識(shí)別率是指識(shí)別的文字與圖像的文字進(jìn)行模糊匹配得到的結(jié)果;錯(cuò)誤識(shí)別詞條包含漏識(shí)別詞條、多識(shí)別詞條，其個(gè)數(shù)為漏識(shí)別詞條個(gè)數(shù)與多識(shí)別詞條個(gè)數(shù)相加。

對(duì)表3的數(shù)據(jù)以及對(duì)應(yīng)的圖片樣本進(jìn)行人工分析，發(fā)現(xiàn)導(dǎo)致文字識(shí)別率低的原因主要有傾斜文字、豎排文字、分辨率低，結(jié)果如表4所示。

綜上所述，文字識(shí)別錯(cuò)誤率主要由圖像分辨率低、傾斜文字、豎排文字等原因?qū)е?。圖像分辨率高、橫排文字普遍識(shí)別效果比較好，均在90%以上。

3.3 壓板對(duì)象與文字標(biāo)簽組合測(cè)試

壓板對(duì)象需要與文字標(biāo)簽組合才能滿(mǎn)足驗(yàn)收時(shí)對(duì)壓板描述自動(dòng)識(shí)別的需求，采用與壓板對(duì)象識(shí)別測(cè)試相同的樣本對(duì)其進(jìn)行測(cè)試，統(tǒng)計(jì)結(jié)果如表5所示。組合準(zhǔn)確率計(jì)算方程為：

式中：accuracyg為組合準(zhǔn)確率;k1為壓板總個(gè)數(shù);k2為文字與壓板組合正確的個(gè)數(shù)，組合正確是指組合后壓板的行號(hào)、列號(hào)、文字均與原始圖像相符。

由表5可知，壓板與文字的組合效果非常理想，是因?yàn)榻M合準(zhǔn)確率與壓板對(duì)象的漏識(shí)別及其狀態(tài)、以及文字的識(shí)別錯(cuò)誤、文字漏識(shí)別無(wú)關(guān)，僅關(guān)注組合結(jié)果，且壓板設(shè)備排列整齊、間距分隔明顯。這個(gè)結(jié)果同時(shí)也驗(yàn)證了模型聚類(lèi)匹配算法組合壓板對(duì)象和文字標(biāo)簽的準(zhǔn)確率很高，為壓板完整信息識(shí)別提供了堅(jiān)實(shí)的技術(shù)基礎(chǔ)。

3.4 集成測(cè)試

將樣本分為標(biāo)準(zhǔn)樣本、復(fù)雜樣本，各選取180張進(jìn)行自動(dòng)識(shí)別。標(biāo)準(zhǔn)樣本為壓板數(shù)量較少、水平排列的樣本，復(fù)雜樣本為壓板數(shù)量較多、壓板對(duì)象傾斜的樣本。統(tǒng)計(jì)結(jié)果如圖9所示。識(shí)別準(zhǔn)確率的計(jì)算方程式如（11）所示。

式（10）中：accuracy0為單張樣本的識(shí)別準(zhǔn)確率; δ為文字識(shí)別相似度。式（11）中：accuracys為N張樣本的識(shí)別準(zhǔn)確率，其中N為樣本的個(gè)數(shù);

從圖9可知，對(duì)標(biāo)準(zhǔn)樣本的識(shí)別比復(fù)雜樣本識(shí)別準(zhǔn)確率稍高，差值為2.32%;經(jīng)過(guò)算法優(yōu)化后標(biāo)準(zhǔn)樣本識(shí)別準(zhǔn)確率達(dá)到95.37%，比算法優(yōu)化前提高15%左右，結(jié)合人工校正，可以滿(mǎn)足工程應(yīng)用需求。

3.5 現(xiàn)場(chǎng)典型案例

變電站保護(hù)屏柜寬度比較固定，每行可容納的壓板一般每行在10個(gè)左右，采用常用手持設(shè)備對(duì)典型的繼電保護(hù)壓板拍照，如圖10所示。

將圖10的電子圖片傳入系統(tǒng)，經(jīng)過(guò)圖像識(shí)別獲得壓板的文字描述、狀態(tài)和位置，結(jié)合模型聚類(lèi)匹配壓板獲得壓板所在的行號(hào)、列號(hào)，與壓板庫(kù)進(jìn)行比對(duì)是否一致。第一行和第二行壓板識(shí)別的結(jié)果如圖11所示，所有壓板識(shí)別的結(jié)果均顯示驗(yàn)收通過(guò)，與壓板庫(kù)一致，人工比對(duì)圖10、圖11可以看出，壓板的描述、行號(hào)、列號(hào)均識(shí)別正確。

4 結(jié) 論

基于圖像識(shí)別技術(shù)和模型聚類(lèi)匹配算法實(shí)現(xiàn)了對(duì)繼電保護(hù)壓板狀態(tài)、排列位置、描述的自動(dòng)識(shí)別，并通過(guò)與壓板庫(kù)的比對(duì)實(shí)現(xiàn)了壓板的自動(dòng)校核，實(shí)現(xiàn)了壓板巡視、壓板驗(yàn)收、壓板安措校核等運(yùn)維工作中壓板的自動(dòng)化校核，解決了電力系統(tǒng)二次設(shè)備運(yùn)維工作中人工校核壓板工作量大、易出錯(cuò)、效率低的問(wèn)題。經(jīng)過(guò)測(cè)試與驗(yàn)證，壓板設(shè)備識(shí)別、壓板文字標(biāo)簽識(shí)別及其聚類(lèi)組合準(zhǔn)確率高、效果明顯。隨著圖像識(shí)別技術(shù)的不斷成熟，為變電站智能化、信息化建設(shè)提供了先進(jìn)的技術(shù)基礎(chǔ)，該研究可以廣泛應(yīng)用于壓板巡視、壓板驗(yàn)收、壓板安措校核、壓板資料管理工作中，實(shí)現(xiàn)電力系統(tǒng)繼電保護(hù)壓板運(yùn)維工作智能化。

參 考 文 獻(xiàn)：

[1] 秦紅霞， 武芳瑛， 彭世寬， 等. 智能電網(wǎng)二次設(shè)備運(yùn)維新技術(shù)研討[J].電力系統(tǒng)保護(hù)與控制， 2015， 43（22）：35.

QIN Hongxia， WU Fangying， PENG Shikuan， et al. New Technology Research on Secondary Equipment Operation Maintenance for Smart Grid[J]. Power System Protection and Control， 2015， 43（22）：35.

[2] 鄧應(yīng)松， 段秦剛， 宋小松. 基于圖像識(shí)別的保護(hù)壓板投退狀態(tài)辨識(shí)方法[J].陜西電力， 2015， 10（67）：49.

DENG Yingsong， DUAN Qingang， SONG Xiaosong. State Identification of Relaying Plate Based on Image Recognition[J]. Shaanxi Electric Power， 2015， 10（67）：49.

[3] 任俊杰， 蔣嵐. 電力系統(tǒng)繼電保護(hù)壓板圖像識(shí)別系統(tǒng)[J].北京聯(lián)合大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2004（2）：60.

REN Junjie， JIANG Lan. Image Recognition System of Relay Protection Plate in Power System[J]. Journal of Beijing Union University（Natural and Social Science）， 2004（2）：60.

[4] 付文龍， 譚佳文， 吳喜春， 等. 基于圖像處理與形態(tài)特征分析的智能變電站保護(hù)壓板狀態(tài)識(shí)別[J].電力自動(dòng)化設(shè)備， 2019， 39（7）：203.

FU ?Wenlon， TAN Jiawen， WU Xichun， et al. Protection Platen Status Recognition Based on Image Processing and ?Morphological Feature Analysis for Smart Substation[J]. Electric Power Automation Equipment， 2019， 39（7）：203.

[5] 許超， 陳昊， 劉少情， 等. 基于模型聚類(lèi)匹配和形態(tài)特征識(shí)別的保護(hù)壓板狀態(tài)辨識(shí)技術(shù)[J].陜西電力， 2017， 1（85）：32.

XU Chao， CHEN Hao， LIU Shaoqing， et al. Relaying Plate Condition Recognition Technology Based on Model-based Cluster Matching and Morphological Characteristics Recognition[J]. Shaanxi Electric Power， 2017， 1（85）：32.

[6] 郭興旺， 呂珍霞， 高功臣. CFRP層壓板脈沖熱像檢測(cè)的圖像重建與增強(qiáng)[J].紅外技術(shù)， 2006， 28（5）：299.

GUO Xingwang， L Zhenxia， GAO Gongchen. Image Reconstruction and Enhancement of Pulsed Infrared Thermography of CFRP Laminates[J]. Infrared Technology， 2006， 28（5）：299.

[7] 黃景興， 朱政， 丁能圣， 等. 復(fù)合材料層壓板的超聲相控陣檢測(cè)[J].無(wú)損檢測(cè)， 2012（1）：43.

HUANG Jingxing， ZHU Zheng， DING Nengsheng， et al. Ultrasonic Phased Array Testing of Composite Material Laminate[J]. Nondestructive Testing， 2012（1）：43.

[8] 夏志宏， 羅毅， 涂光瑜， 等. 基于視覺(jué)信息的繼電保護(hù)壓板投退位置的自動(dòng)識(shí)別研究[J].繼電器， 2005， 33（4）：40.

XIA Zhihong， LUO Yi， TU Guangyu， et al. Image Auto-recognition of Relay Pressed Board in on/off States Based on Visual Information[J]. Relay， 2005， 33（4）：40.

[9] 肖立軍， 莫玲. 基于模式識(shí)別的繼電保護(hù)壓板狀態(tài)檢定系統(tǒng)[J].新技術(shù)新工藝， 2017（11）：56.

XIAO Lijun， MO Ling. Verification System of Relaying Plate Status Based on Pattern Recognition[J]. New Technology & New Process， 2017（11）：56.

[10]呂志寧， 寧柏鋒， 周子強(qiáng). 基于圖像處理的保護(hù)壓板定位及狀態(tài)識(shí)別研究[J]. 數(shù)字技術(shù)與應(yīng)用， 2018， 36（6）：82.

L Zhining， NING Baifeng， ZHOU Ziqiang. Research on the Location and Condition Recognition of Protection Plate Based on Image Processing[J]. Digital Technology & Application， 2018， 36（6）：82.

[11]賴(lài)秋頻， 楊軍， 譚本東， 等. 基于YOLOv2網(wǎng)絡(luò)的絕緣子自動(dòng)識(shí)別與缺陷診斷模型[J].中國(guó)電力， 2019， 52（7）：31.

LAI Qiupin， YANG Jun， TAN Bendong， et al. An Automatic Recognition and Defect Diagnosis Model of Transmission Line Insulator Based on YOLOv2 Network[J]. Electric Power， 2019， 52（7）：31.

[12]賴(lài)寶鵬， 沈靖龍， 韓成輝. 基于圖像識(shí)別的保護(hù)壓板投退狀態(tài)APP設(shè)計(jì)[J].山東工業(yè)技術(shù)， 2018， 18（93）：114.

LAI Baopeng， SHEN Jinglong， HAN Chenghui. The Design of App for The On / Off State of The Protection Pressing Plate Based on Image Recognition[J]. Shandong Industrial Technology， 2018， 18（93）：114.

[13]蔣樹(shù)強(qiáng)， 閔巍慶， 王樹(shù)徽. 面向智能交互的圖像識(shí)別技術(shù)綜述與展望[J].計(jì)算機(jī)研究與發(fā)展， 2016， 53（1）：113.

JIANG Shuqiang， MIN Weiqing， WANG Shuhui. Survey and Prospect of Intelligent Interaction-Oriented Image Recognition Techniques[J]. Journal of Computer Research and Development， 2016， 53（1）：113.

[14]孫鳳杰， 齊京亮， 李媛媛， 等. 輸電線路視頻圖像識(shí)別管理系統(tǒng)[J].中國(guó)電力， 2013， 46（4）：83.

SUN Fengjie， QI Jingliang， LI Yuanyuan， et al. Video and Image Identification Management System for Transmission Lines[J]. Electric Power， 2013， 46（4）：83.

[15]楊鈺， 楊磊， 張曉楠. 一種應(yīng)用于物流行業(yè)的自動(dòng)分揀控制系統(tǒng)[J]. 哈爾濱理工大學(xué)學(xué)報(bào)， 2019， 24（4）：71.

YANG Yu， YANG Lei， ZHANG Xiaonan. An Automatic Sorting Control System Applied to Logistics Industry[J]. Journal of Harbin University of Science and Technology， 2019， 24（4）：71.

[16]黃序. 變電站智能巡檢系統(tǒng)的圖像識(shí)別及處理技術(shù)[D].武漢：華中科技大學(xué)， 2017.

[17]陳宇， 周雨佳， 丁輝. 一種XNet-CNN糖尿病視網(wǎng)膜圖像分類(lèi)方法[J]. 哈爾濱理工大學(xué)學(xué)報(bào)， 2020， 25（1）：73.

CHEN Yu， ZHOU Yujia， DING Hui. An XNet-CNN Diabetic Retinal Image Classification Method[J]. Journal of Harbin University of Science and Technology， 2020， 25（1）：73.

[18]袁優(yōu)， 康積濤， 王德林， 等. 考慮空間效應(yīng)的風(fēng)電場(chǎng)動(dòng)態(tài)特性等值方法研究[J].中國(guó)電力， 2016， 49（12）：144.

YUAN You， KANG Jitao， WANG Delin， et al. A Dynamic Equivalence Method Considering the Effect of Spatial Wind Farms[J]. Electric Power， 2016， 49（12）：144.

[19]付智軍. 基于深度學(xué)習(xí)的計(jì)算機(jī)設(shè)計(jì)場(chǎng)景文本與非文本圖片分類(lèi)算法研究[N].科技報(bào)， 2019， 35（9）：106.

[20]蔣正邦， 吳浩， 程祥， 等. 基于多元聚類(lèi)模型與兩階段聚類(lèi)修正算法的變電站特性分析[J].電力系統(tǒng)自動(dòng)化， 2018， 42（15）：157.

JIANG Zhengbang， WU Hao， CHENG Xiang. et al. Analysis of Substation Characteristics Based on Multivariate Clustering Model and Two-stage Clustering-correction Algorithm[J]. Automation of Electric Power Systems， 2018， 42（15）：157.

[21]吳杰， 丁明， 張晶晶. 基于云模型和k-means聚類(lèi)的風(fēng)電場(chǎng)儲(chǔ)能容量?jī)?yōu)化配置方法[J].電力系統(tǒng)自動(dòng)化， 2018， 42（24）：67.

WU Jie， DING Ming， ZHANG Jingjing. Capacity Configuration Method of Energy Storage System for Wind Farm Based on Cloud Model and k-means Clustering[J]. Automation of Electric Power Systems， 2018， 42（24）：67.

[22]來(lái)凡盛， 潘瑞霞. 數(shù)字圖像處理技術(shù)綜述[J].甘肅科技，2015， 31（22）：30.

LAI Fansheng， PAN Ruixia. Overview of Digital Image Processing Technology[J]. Gansu Science and Technology， 2015， 31（22）：30.

（編輯：溫澤宇）