本发明涉及一种电力系统巡检辅助技术领域，尤其涉及压板状态的识别方法。
背景技术：
在110kv变电站中通常有10-20个保护屏柜，220kv和500kv变电站的保护屏柜数量可达上百个，每个保护屏柜的压板开关数量多达五十四个，巡检工作需要对这些压板开关进行检查。然而在目前的人工巡检过程中存在工作量大、及时性差、工作记录纸质化等问题，加之巡检人员由于身理和心理素质、责任心、技术水平、工作经验等因素可能会出现失误，从而留下安全隐患，甚至造成重大安全灾害。由于现在的机器视觉技术和网络技术的长足发展，可以通过摄像头对保护屏柜的压板部分进行拍照，然后通过处理器对图像进行处理识别出压板的开关状态。然而，现有的技术还没有可以准确识别压板状态的方法。
技术实现要素：
本发明提供了一种压板状态的识别方法，可以有效解决上述问题。
本发明是这样实现的：
一种压板状态的识别方法，其特征在于，包括以下步骤：
s331，取出输入图hsv颜色空间中的s通道，进行阈值80,最大值255的二值化；
s332，利用morphologyex函数进行形态学运算，内核选择尺寸为9x9的矩形，对图像开运算；
s333，利用findcontours函数寻找轮廓，存下找到的所有轮廓contours；
s334，对contours的每一个元素取最小外接矩形boundrect；
s335，计算所有boundrects的面积中位数，对boundrects的每一个元素限定boundrects与其的偏差域进行第一次筛选，筛选出tarrects1；
s336，对tarrects1的每一个元素限定长宽比例进行第二次筛选，筛选出tarrects2；
s337，对tarrects2的每一个元素根据长宽比例判断压板开关状态；
s338，对tarrects2的每一个元素的x坐标递增排序，计算相邻元素差，并将相邻差转换为百分比变化diff；
s339，对tarrects2的每一个元素的y坐标递增排序，计算相邻元素差，并将相邻差转换为百分比变化diff。
本发明的有益效果是：本发明提供的压板状态的识别方法，可以准确识别压板的状态，其识别的准确率可达到99.9％以上。
附图说明
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1～23是本发明实施例提供压板状态自动核对方法中，对背景过滤、旋转校正、压板状态识别处理的过程图像。
具体实施方式
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。
参照图1～23所示，本发明实施例提供一种压板状态自动核对方法，包括以下步骤：
s1，通过手持扫描设备扫描保护屏柜所对应二维码，并从服务器获取该保护屏柜上压板开关的应设状态；
s2，通过所述手持扫描设备获取所述保护屏柜的照片并上传服务器；
s3，所述服务器依次对所述照片进行背景过滤、旋转校正、压板状态识别，并将识别结果回传给所述手持扫描设备；
s4，所述手持扫描设备将识别结果与应设状态进行比对，并将比对结果显示在所述手持扫描设备上；
s5,巡检人员根据比对结果再次检查，确认无误后将结果上传到服务器上进行保存。
参照图1所示，在步骤s3中，所述对所述照片进行背景过滤的步骤包括：
s311，获取输入照片hsv颜色空间中的s通道，进行阈值80，最大值255的二值化，获得图片如图2所示：
s312，利用morphologyex函数进行形态学运算，内核选择尺寸为9x9的矩形，对图像开运算(先腐蚀后膨胀)，获得图片如图3所示：
开运算：
imgopen＝open(img_thr，element)＝dllate(erode(img.thr.element))
先腐蚀：
再膨胀：
s313，利用findcontours函数寻找轮廓，存下找到的所有轮廓contours，获得图片如图4所示：
contours＝findcontours(img_open)。
s314，对contours的每一个元素取最小外接矩形boundrect，获得图片如图5所示：
boundrects＝{boundrect|boundrect
＝rect(min(contour.x)，min(contour.y)max(contour.x)
-min(contour.x)，max(contour.y)-mincontour.y))contour∈contoirs}。
s315，计算所有boundrects的面积中位数(而不用面积边界筛选，使得算法适用于各种像素大小的配电板)，对boundrects的每一个元素限定boundrects与其的偏差域进行第一次筛选，筛选出tarrects1，如图6所示：
根据boundrects的面积大小递增排序后的面积大小集合为terms
terms(boundrects)＝ascendingorder(boundrects.area)
计算terms的中位数median
第一次筛选
s316，对tarrects1的每一个元素限定长宽比例进行第二次筛选，筛选出tarrects2，如图7所示；
tarrects2＝{rect|2*rect.height＞rect，width.rect∈tarrects1}。
s317，对tarrects2的每一个元素利用calchist函数计算直方图h并归一化，利用comparehist函数与事前制作好的红、黄压板模板比较直方图，限定评分上限过滤非红、黄压板，进行第三次筛选tarrect3，如图9所示：
所述比较直方图：
s318，对tarrect3的每一个元素算出四个角点，合并存入点容器；
s319，取点容器中所有点的最小外接矩形filter_rect，并进行边界范围调整，将输入照片中此区域外的部分都填充为白色，获得过滤背景的照片，如图10所示。
作为进一步改进的，在步骤s3中，所述对所述照片进行旋转校正的步骤包括：
s321，过滤背景的照片取最小区域矩形(minarearect)，再求出二维盒(cvbox2d)获得单个旋转角度，如图11所示；
求平均旋转角度avg_angle。
背景过滤三次筛选后的压板同索引下的轮廓：
contoura2＝{contour|contour＝contours[rect.index]，rect∈tarrect3}
平均旋转角度：
s322，选取输入图较长宽中较大的数乘
正方形画布边长：
上下左右填充区域长宽：
dx＝(canvas_length-img.bgflter.cols)/2
dy＝(canvas_length-img_bgfllter，rows)/2
因此，填充后的画布：
canvas＝rect(0，0，canvas_length.canvas_length)。
s323，利用warpaffine函数旋转输入图，旋转角度为avg_angle，画布canvas中心记为center，如图13所示。
将原坐标(x，y)变换为新坐标(x′，y′)，中间的变换矩阵记为m。
warpaffine的变换基本公式，
平移变换，若
x′＝x tx
γt＝γ ty
则
旋转变换，若旋转角度为θ。
opencv的图像处理中，所有对图像的处理都是从原点进行的，而图像的原点默认为图像的左上角，而我们对图像作旋转处理时一般以图像的中点为轴心，因此就需要做如下处理：先将轴心移到原点，做旋转变换，最后将左上角置为图像的原点。
arc2(x′，y′)＝m3ximg.bgfllter(x，y)。
s324，计算旋转后图像的最小外接矩形img_recor的尺寸，剪掉画布多余的边框，如图14所示：
输出img_recor长宽：
img_recor，width＝arc2，cols*aba(cos(avg_angle)) src2，rows*abs(sin(avg_angle))img_recor.height＝arc2，cols中aba(sin(avg_angle)) src2，rows*abs(cos(avg_amgle))
裁剪画布区域长宽：
dx2＝(canvas_length-img_recor，wldth)/2
dy2＝(canvaa_length-img_recor，beight)/2
因此，输出img_recor：
img_recor＝canvas(dx2，dy2，img_recor.width.img_.recor，height)。
作为进一步改进的，在步骤s3中，所述对所述照片进行压板状态识别的步骤包括：
s331～s336与步骤s311～s316相同，请一并参照图15～20。
s337，对tarrects2的每一个元素根据长宽比例判断压板开关状态；开请一并参照图21：
开：
tarrects_on＝{rect|2*rect.width＞rwct，height，rect∈tarrects2}
关：
tarrects_off＝{rect|2*rect，wldth≤rect，height，r.ect∈tarrecta2}。
s338，对tarrects2的每一个元素的x坐标递增排序，计算相邻元素差，并将相邻差转换为百分比变化diff；s339，对tarrects2的每一个元素的y坐标递增排序，计算相邻元素差，并将相邻差转换为百分比变化diff，请参照图22及图23：
设定阈值diffval，当diff大于diffval时，进入下一个cluster。
tarrects2＝ascendingorder(tarrects2)
以上所述仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
1.一种压板状态的识别方法，其特征在于，包括以下步骤：
s331，取出输入图hsv颜色空间中的s通道，进行阈值80,最大值255的二值化；
s332，利用morphologyex函数进行形态学运算，内核选择尺寸为9x9的矩形，对图像开运算；
s333，利用findcontours函数寻找轮廓，存下找到的所有轮廓contours；
s334，对contours的每一个元素取最小外接矩形boundrect；
s335，计算所有boundrects的面积中位数，对boundrects的每一个元素限定boundrects与其的偏差域进行第一次筛选，筛选出tarrects1；
s336，对tarrects1的每一个元素限定长宽比例进行第二次筛选，筛选出tarrects2；
s337，对tarrects2的每一个元素根据长宽比例判断压板开关状态；
s338，对tarrects2的每一个元素的x坐标递增排序，计算相邻元素差，并将相邻差转换为百分比变化diff；
s339，对tarrects2的每一个元素的y坐标递增排序，计算相邻元素差，并将相邻差转换为百分比变化diff。
技术总结