本发明涉及一种电力系统巡检辅助技术领域，尤其涉及基于保护屏柜压板图像压板状态自动核对方法。
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，最后通过与压板投退表进行核对，并将核对的结果和拍摄的图片保存。然而，现有的技术还没有针对人工巡检的方式开发出一套压板状态自动核对系统及方法。
因此需要开发一种压板状态自动核对的方法。该方法能够对拍到的保护屏柜压板的图片进行自动识别出压板的状态，然后与后台中的压板投退表进行比对，最后将比对的结果和拍照的图片保存到后台的服务器中。
技术实现要素：
本发明提供了一种基于保护屏柜压板图像压板状态自动核对方法，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。
本发明的有益效果是：1.本发明利用机器视觉对保护屏柜的压板进行识别与核对，从而可以提高巡检人员对保护屏柜的巡检效率；2.本发明通过对图片进行背景过滤、旋转校正，然后再进行压板状态识别，从而可以提高识别的准确度。
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：
img_open＝open(img_thr，element)＝dilate(erode(img_threlement))
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)-min(contour.y))contour∈contours}。
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：
contours2＝{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_bgfilter.cols)/2
dy＝(canvas_length-img_bgfilter.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
v′＝y 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。
src2(x′，y′)＝m3ximg_bgfilter(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＝src2.cols*abs(cos(avg_angle)) src2.rowws*abs(sin(avg_angle))ig_recor.height＝src2.cols*abs(sin(avg_angle)) src2.rows*abs(cos(avg_angle))
裁剪画布区域长宽：
dx2＝(canvas_length-img_recor.width)/2
dy2＝(canvas_length-img_recor，height)/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＞rect.height，rect∈tarrects2}
关：
tarrects_off＝{rect}2*rect.width≤rect.height，rect∈tarrects2}。
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＝ascendibgorder(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。
1.一种压板状态自动核对方法，其特征在于，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。
2.如权利要求1所述的压板状态自动核对方法，其特征在于，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；
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；
s313，利用findcontours函数寻找轮廓，存下找到的所有轮廓contours；
s314，对contours的每一个元素取最小外接矩形boundrect；
s315，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；
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；
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；
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。
3.如权利要求1所述的压板状态自动核对方法，其特征在于，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，再求出二维盒获得单个旋转角度；
s322，选取输入图较长宽中较大的数乘
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；
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。
4.如权利要求1所述的压板状态自动核对方法，其特征在于，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，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