一种GIS设备故障的图像检测方法

技术领域

本发明涉及一种GIS设备故障的图像检测方法，属于电网维护技术领域。

背景技术

气体绝缘全封闭组合电器(gas insulated switchgear，简称GIS)是在20世纪60年代出现的一种新型电气装置，是电力系统重要的保护、控制设备，其结构主要由隔离开关、断路器、电压互感器、电流互感器、避雷针和母线组成。由于GIS设备具有结构紧凑、运行可靠、检修周期长以及占地面积小的优点，被广泛应用于电力行业中。近年来，随着城乡电网的改造，GIS在电网中得到大量的使用，成为变电站的主要开关设备，在电网中起着主导开关的作用。在电力系统中，GIS设备往往是处于负荷较为集中的区域，比如：重要的工业枢纽、商业中心以及城市居民中心。一旦GIS设备发生故障，就会导致变电站发生事故且造成大规模的停电，会给工业生产以及人们生活带来极大的不便。

一旦GIS发生故障，由于其内部结构的复杂性，排查定位引发事故的位置及检修工作往往需要较长的时间，相关区域长时间的停电，会给相关电力公司带来极大的经济损失，并影响人们的正常社会活动。为了在GIS故障发生前，及时准确的了解GIS内部各部件运行状态，就需要探测到GIS的内部情况并进行分析判断。如果发现内部元件异常，则通知检修人员，在用电低峰期进行开罐检修，避免GIS故障引发变电站事故带来的损失。因此，为了达到预防GIS故障的目的，对GIS内部状态进行检测研究，是目前电网运行维修中的重点及热点问题之一。目前，对GIS的检测方法有许多种，主要分为三种方法，分别为：化学检测法、脉冲电流法以及超声波法等。可见，现有方法基本都是通过间接的方法对GIS内部状态进行检测，并不能直观的探测到GIS内部出现的问题。鉴于GIS设备的结构特点，且二十一世纪以来，基于计算机视觉技术的检测技术在各个领域都有广泛的应用，其具有直观、便捷的优点。但目前生产GIS设备的厂家较多，规格不完全统一，此方法在评片过程中，得依靠对GIS极其熟悉的工作人员，评片效率低。

发明内容

本发明要解决技术问题是：克服上述技术的缺点，提供一种基于Sobel-Gabor算法的GIS设备故障图像检测方法。

为了解决上述技术问题，本发明提出的技术方案是：一种GIS设备故障的图像检测方法，包括如下步骤：

步骤1：通过X射线机和成像板，获取待检测设备的图像并将图像进行A/D转换为数字图像；

步骤2：识别数字图像中的边缘信息并与正常设备的边缘信息进行比较，位置不一致的边缘点即为异常边缘点；

其中，识别数字图像的边缘信息过程为：

(1)定义两个模板分别为3*3、5*5；

(2)将大小为M*N的数字图像f(x,y)分为多个(M/16)*(N/16)的区域，采用Gabor变换处理30度、45度、60度、120度、135度、150度方向的特征量；

(3)计算每一点像素的梯度与能量；

(4)如果对应点的梯度值和能量值都大于设定的值，则该点为边缘点；

步骤3：采用5*5的模板对边缘像素进行卷积与灰度信息统计，在异常边缘点处进行标记。

上述方案进一步的改进在于：所述步骤2中，使用Sobel算法进行边缘信息计算，在Sobel算法的针对某一点像素O的横向梯度x和纵向梯度y的基础上，引入Gabor变换，利用Gabor多尺度特性，增加30度、45度、60度、120度、135度、150度方向的特征量提取。

上述方案进一步的改进在于：所述Sobel算法的梯度为：G

G

G

Sobel算子的模板矩阵表示为：

上述方案进一步的改进在于：所述Gabor变换的表达式为：

上述式中：x′＝xcosθ+ysinθ；y′＝-xsinθ+ycosθ；λ表示波长，θ表示方向夹角，ψ相角偏移，σ为标准差，γ为x与y之比。

本发明提供的GIS设备故障的图像检测方法，可以实现对GIS设备边缘故障的准确检测识别。考虑Sobel算法针对某一点像素，只考虑横向和纵向梯度，引入Gabor变换，增加每一个像素点的多方向纹理特征提取，从而实现边缘故障准确识别，同时达到了减轻工作人员的阅片工作量，提高检测效率，达到提前预知潜在故障的目的。与仅使用Sobel算子或其他算子(Roberts、Canny、Laplace)相比较，Sobel-Gabor算法可以获得更完整的边缘图像，加入了Gabor后能够克服噪声的影响，保证了边缘提取不会漏掉有效信息也不会提取到干扰信息，提高了检测的可靠性与准确性。

附图说明

下面结合附图对本发明作进一步说明。

图1是获取GIS设备图像的系统结构示意图。

图2是本发明的流程图。

具体实施方式

实施例

本实施例的GIS设备故障的图像检测方法，如图2所示，包括如下步骤：

步骤1：使用如图1所示的系统获取待检测设备的图像，该系统主要包括X射线机、成像板、计算机、X射线机支架、控制箱等。GIS设备无损检测过程是通过控制电缆让控制箱控制X射线机发出强度均匀的射线，射线穿透GIS设备后，携带GIS设备内部结构信息，在成像板(平板探测器)接受到射线信息，通过探测器内部结构将X射线能量强度转化为电流信号，进行信号采集及A/D转换，最后以数字图像形式在计算机上呈现。GIS设备X射线无损检测的原理是当强度均匀的X射线穿过GIS罐体时，GIS组件的各部分厚度和密度不同使射线的衰减量不一样，通过探测器检测穿过GIS的射线强度就可以得到GIS内部结构数字图像，从而进行GIS内部异常检测识别；

步骤2：识别数字图像中的边缘信息并与正常设备的边缘信息进行比较，位置不一致的边缘点即为异常边缘点；

本实施例的GIS设备故障的图像检测方法，依靠方向与幅度两个特征。针对边缘的每一个像素点，边缘检测主要从水平方向和垂直方向进行描述。一般情况，边缘分为阶跃状边缘(stepedge)与屋顶状(roof edge)边缘。具体方法分为基于一阶和二阶导数两种方法。基于一阶导数的检测方法是：先计算图像没一点像素值的一阶导数，再根据所得一阶导数的极值来确定图像的边缘；基于二阶导数的检测方法是先计算每点像素的灰度变化率，再根据图像二阶导数的零点来判定边缘。

其中，识别数字图像的边缘信息过程为：

(1)定义两个模板分别为3*3、5*5；

(2)将大小为M*N的数字图像f(x,y)分为多个(M/16)*(N/16)的区域，采用Gabor变换处理30度、45度、60度、120度、135度、150度方向的特征量；

(3)计算每一点像素的梯度与能量；

(4)如果对应点的梯度值和能量值都大于设定的值，则该点为边缘点；

步骤3：采用5*5的模板对边缘像素进行卷积与灰度信息统计，在异常边缘点处进行标记。

步骤2中，使用Sobel算法进行边缘信息计算，在Sobel算法的针对某一点像素O的横向梯度x和纵向梯度y的基础上，引入Gabor变换，利用Gabor多尺度特性，增加30度、45度、60度、120度、135度、150度方向的特征量提取。

Sobel算法的梯度为：G

G

G

Sobel算子的模板矩阵表示为：

Gabor变换的表达式为：

上述式中：x′＝xcosθ+ysinθ；y′＝-xsinθ+ycosθ；λ表示波长，θ表示方向夹角，ψ相角偏移，σ为标准差，γ为x与y之比。

本发明不局限于上述实施例。凡采用等同替换形成的技术方案，均落在本发明要求的保护范围。