本发明公开了一种用于电力设备远程监造的图像采集处理系统，包括图像采集模块，用于采集电力设备图像；图像存储模块，用于存储电力设备图像；图像筛选模块，用于对图像存储模块中存储的电力设备图像进行筛选，选出需要进行异常识别的电力设备图像；图像异常识别模块，用于对图像筛选模块筛选出的图像进行异常识别。本发明能够改进现有技术的不足，降低了图像处理运算量，提高了电力设备远程监造系统的品质鲁棒性。
1.一种用于电力设备远程监造的图像采集处理系统的控制方法，所述用于电力设备远程监造的图像采集处理系统包括，图像采集模块（1），用于采集电力设备图像；
图像筛选模块（3），用于对图像存储模块（2）中存储的电力设备图像进行筛选，选出需要进行异常识别的电力设备图像；
图像异常识别模块（4），用于对图像筛选模块（3）筛选出的图像进行异常识别；
A、在电力设备生产线的检查节点位置安装图像采集模块（1），采集电力设备图像；
B、图像采集模块（1）将采集到的电力设备图像发送至图像存储模块（2）进行存储；
C、图像筛选模块（3）对图像存储模块（2）中存储的电力设备图像进行筛选，选出需要进行异常识别的电力设备图像发送至图像异常识别模块（4）；
C1、调用待筛选电力设备图像对应的标准图像，设定灰度偏差阈值，对标准图像进行分块，每个标准图像块中的最大灰度偏差小于设定的灰度偏差阈值；
C2、按照标准图像的分块方式对待筛选电力设备图像进行分块，并计算每个图像块的最大灰度偏差；
C3、标记出最大灰度偏差大于灰度偏差阈值的图像块；
C4、按照下式计算待筛选电力设备图像的风险值R，其中，n为待筛选电力设备图像中标记的图像块数量， 为第i个标记图像块的最大灰度偏差， 为第i个标记图像块的权重值， 按照下式计算，其中，k为比例系数，为第i个标记图像块的面积，为第i个标记图像块与其它全部标记图像块最小欧氏距离之和；
C5、设定风险阈值，当待筛选电力设备图像的风险值R大于风险阈值时，则将其发送至图像异常识别模块（4）；
D、图像异常识别模块（4）对图像筛选模块（3）筛选出的图像进行异常识别；
D1、对每个标记图像块设定对应的灰度偏差限值，灰度偏差限值与该标记图像块的最大灰度偏差和权重值乘积成正比；
D2、遍历每个标记图像块，与对应的标准图像块进行对比，删除标记图像块中与标准图像块像素灰度偏差小于等于灰度偏差限值的像素；
D3、对经过步骤D2处理的标记图像块进行高斯模糊处理；
D4、对经过步骤D3处理的标记图像块进行融合识别，得到异常识别结果；
D42、使用经过步骤D3处理的标记图像块与对应的特征图像进行叠加；
根据特征图像在标记图像块上标出叠加区域，降低叠加区域图像的灰度值方差，对特征图像进行锐化处理，然后将特征图像叠加在标记图像块上D43、使用叠加后的图像进行异常识别；
设定第一设定阈值和第二设定阈值，分别提取步骤D41中特征图像的特征向量和步骤D42中叠加后图像的特征向量，若全部特征图像的特征向量与对应叠加后图像的特征向量的线性度平均值小于第一设定阈值，且全部叠加后图像的特征向量之间的线性度平均值小于第二设定阈值，则将电力设备图像判定为异常。
2.根据权利要求1所述的用于电力设备远程监造的图像采集处理系统的控制方法，其特征在于：步骤C1中，在满足每个标准图像块中的最大灰度偏差小于设定的灰度偏差阈值的前提下，选择标准图像块数量最少的分块方式对标准图像进行分块。
3.根据权利要求2所述的用于电力设备远程监造的图像采集处理系统的控制方法，其特征在于：步骤D3中，高斯模糊处理的模糊半径与标记图像块中剩余的像素点数量的平方成正比。
用于电力设备远程监造的图像采集处理系统及其控制方法
技术领域
[0001] 本发明涉及电力设备远程监造技术领域，尤其是一种用于电力设备远程监造的图像采集处理系统及其控制方法。
背景技术
[0002] 电力设备监造过程需要与设备生产过程同步开展，为解决人员驻厂监造存在的成本过高、人员水平有限等不足，许多企业开始使用远程监造技术，协助企业开展设备监造。
远程监造是通过对设备制造过程进行图像采集，利用智能图像判定功能对异常设备进行识
别。现有技术中，通常采用神经网络、深度学习等复杂算法对图像进行识别判定。这种方式虽然可以保证图像识别的准确性，但需要事先根据待识别图像的特点对算法参数进行训练
整定才能达到较高的识别精度。而设备生产现场的设备零部件型号众多，这就导致远程监
造系统使用前，需要大量的前期调试工作，而且每当出现设备的变化时，就要重新对远程监造系统进行再次调试，非常浪费时间。
发明内容
[0003] 本发明要解决的技术问题是提供一种用于电力设备远程监造的图像采集处理系统及其控制方法，能够解决现有技术的不足，降低了图像处理运算量，提高了电力设备远程监造系统的品质鲁棒性。
[0004] 为解决上述技术问题，本发明所采取的技术方案如下。
[0005] 一种用于电力设备远程监造的图像采集处理系统，包括，
[0006] 图像采集模块，用于采集电力设备图像；
[0007] 图像存储模块，用于存储电力设备图像；
[0008] 图像筛选模块，用于对图像存储模块中存储的电力设备图像进行筛选，选出需要进行异常识别的电力设备图像；
[0009] 图像异常识别模块，用于对图像筛选模块筛选出的图像进行异常识别。
[0010] 一种上述的用于电力设备远程监造的图像采集处理系统的控制方法，包括以下步骤：
[0011] A、在电力设备生产线的检查节点位置安装图像采集模块，采集电力设备图像；
[0012] B、图像采集模块将采集到的电力设备图像发送至图像存储模块进行存储；
[0013] C、图像筛选模块对图像存储模块中存储的电力设备图像进行筛选，选出需要进行异常识别的电力设备图像发送至图像异常识别模块；
[0014] D、图像异常识别模块对图像筛选模块筛选出的图像进行异常识别。
[0015] 作为优选，步骤C中，对电力设备图像进行筛选包括以下步骤，
[0016] C1、调用待筛选电力设备图像对应的标准图像，设定灰度偏差阈值，对标准图像进行分块，每个标准图像块中的最大灰度偏差小于设定的灰度偏差阈值；
[0017] C2、按照标准图像的分块方式对待筛选电力设备图像进行分块，并计算每个图像块的最大灰度偏差；
[0018] C3、标记出最大灰度偏差大于灰度偏差阈值的图像块；
[0019] C4、按照下式计算待筛选电力设备图像的风险值R，
[0020]
[0021] 其中，n为待筛选电力设备图像中标记的图像块数量，Δgi为第i个标记图像块的最大灰度偏差，wi为第i个标记图像块的权重值，wi按照下式计算，
[0022]
[0023] 其中，k为比例系数，si为第i个标记图像块的面积，Li为第i个标记图像块与其它全部标记图像块最小欧氏距离之和；
[0024] C5、设定风险阈值，当待筛选电力设备图像的风险值R大于风险阈值时，则将其发送至图像异常识别模块。
[0025] 作为优选，步骤C1中，在满足每个标准图像块中的最大灰度偏差小于设定的灰度偏差阈值的前提下，选择标准图像块数量最少的分块方式对标准图像进行分块。
[0026] 作为优选，步骤D中，对图像进行异常识别包括以下步骤，
[0027] D1、对每个标记图像块设定对应的灰度偏差限值，灰度偏差限值与该标记图像块的最大灰度偏差和权重值乘积成正比；
[0028] D2、遍历每个标记图像块，与对应的标准图像块进行对比，删除标记图像块中与标准图像块像素灰度偏差小于等于灰度偏差限值的像素；
[0029] D3、对经过步骤D2处理的标记图像块进行高斯模糊处理；
[0030] D4、对经过步骤D3处理的标记图像块进行融合识别，得到异常识别结果。
[0031] 作为优选，步骤D3中，高斯模糊处理的模糊半径与标记图像块中剩余的像素点数量的平方成正比。
[0032] 作为优选，步骤D4中，对标记图像块进行融合识别包括以下步骤，
[0033] D41、提取标准图像块的特征图像；
[0034] D42、使用经过步骤D3处理的标记图像块与对应的特征图像进行叠加；
[0035] D43、使用叠加后的图像进行异常识别。
[0036] 作为优选，步骤D42中，根据特征图像在标记图像块上标出叠加区域，降低叠加区域图像的灰度值方差，对特征图像进行锐化处理，然后将特征图像叠加在标记图像块上。
[0037] 作为优选，：步骤D43中，设定第一设定阈值和第二设定阈值，分别提取步骤D41中特征图像的特征向量和步骤D42中叠加后图像的特征向量，若全部特征图像的特征向量与对应叠加后图像的特征向量的线性度平均值小于第一设定阈值，且全部叠加后图像的特征
向量之间的线性度平均值小于第二设定阈值，则将电力设备图像判定为异常。
[0038] 采用上述技术方案所带来的有益效果在于：本发明通过对图像进行先筛选后识别的处理方式，避免了对全部图像进行识别运算的大运算量。
[0039] 筛选过程中，使用最大灰度偏差作为图像分块和标记的指标，运算量少，然后采用标记图像块的最大灰度偏差的加权结果作为筛选电力设备图像的指标，充分利用了之前的运算结果，进一步降低了筛选过程加入的新运算量。同时，由于本发明所采用的筛选流程是基于图像块的灰度偏差展开的，巧妙规避了图像中设备具体形状、表面亮度对图像筛选的
干扰，鲁棒性极强。
[0040] 识别过程中，首先利用已有的最大灰度偏差数据生成待识别图像，最大程度的降低了运算量，然后使用标准图像和标记图像融合结果的特征向量进行异常图像的识别，结
算过程简单，不涉及图像中的具体图形的识别，对于不同型号种类设备均可以直接进行识
别，无需额外的参数整定操作。
附图说明
[0041] 图1是本发明一个具体实施方式的原理图。
具体实施方式
[0042] 参照图1，本发明一个具体实施方式包括，
[0043] 图像采集模块1，用于采集电力设备图像；
[0044] 图像存储模块2，用于存储电力设备图像；
[0045] 图像筛选模块3，用于对图像存储模块2中存储的电力设备图像进行筛选，选出需要进行异常识别的电力设备图像；
[0046] 图像异常识别模块4，用于对图像筛选模块3筛选出的图像进行异常识别。
[0047] 一种上述的用于电力设备远程监造的图像采集处理系统的控制方法，包括以下步骤：
[0048] A、在电力设备生产线的检查节点位置安装图像采集模块1，采集电力设备图像；
[0049] B、图像采集模块1将采集到的电力设备图像发送至图像存储模块2进行存储；
[0050] C、图像筛选模块3对图像存储模块2中存储的电力设备图像进行筛选，选出需要进行异常识别的电力设备图像发送至图像异常识别模块4；
[0051] D、图像异常识别模块4对图像筛选模块3筛选出的图像进行异常识别。
[0052] 步骤C中，对电力设备图像进行筛选包括以下步骤，
[0053] C1、调用待筛选电力设备图像对应的标准图像，设定灰度偏差阈值，对标准图像进行分块，每个标准图像块中的最大灰度偏差小于设定的灰度偏差阈值；
[0054] C2、按照标准图像的分块方式对待筛选电力设备图像进行分块，并计算每个图像块的最大灰度偏差；
[0055] C3、标记出最大灰度偏差大于灰度偏差阈值的图像块；
[0056] 通过对图像进行分块，降低了图像块筛选难度，为后续的风险值计算提供了准确的计算范围设定；
[0057] C4、按照下式计算待筛选电力设备图像的风险值R，
[0058]
[0059] 其中，n为待筛选电力设备图像中标记的图像块数量，Δgi为第i个标记图像块的最大灰度偏差，wi为第i个标记图像块的权重值，wi按照下式计算，
[0060]
[0061] 其中，k为比例系数，si为第i个标记图像块的面积，Li为第i个标记图像块与其它全部标记图像块最小欧氏距离之和；
[0062] 权重值wi的设置充分考虑到了标记图像块自身的大小以及标记图像块自身与其它标记图像块之间的关联性，通过对最大灰度偏差进行准确加权，保证了风险值R与电力设备图像异常的高关联性；
[0063] C5、设定风险阈值，当待筛选电力设备图像的风险值R大于风险阈值时，则将其发送至图像异常识别模块4。
[0064] 步骤C1中，在满足每个标准图像块中的最大灰度偏差小于设定的灰度偏差阈值的前提下，选择标准图像块数量最少的分块方式对标准图像进行分块。
[0065] 步骤D中，对图像进行异常识别包括以下步骤，
[0066] D1、对每个标记图像块设定对应的灰度偏差限值，灰度偏差限值与该标记图像块的最大灰度偏差和权重值乘积成正比；
[0067] D2、遍历每个标记图像块，与对应的标准图像块进行对比，删除标记图像块中与标准图像块像素灰度偏差小于等于灰度偏差限值的像素；
[0068] D3、对经过步骤D2处理的标记图像块进行高斯模糊处理；高斯模糊处理的模糊半径与标记图像块中剩余的像素点数量的平方成正比；
[0069] 通过上述步骤D1‑D3的处理，标记图像块的图像特征信息被有效加强，降低了其它无效信息含量，便于后续的识别运算；
[0070] 另外，当步骤D2得到的标记图像块含有的像素点数量过少，且无法通过调整灰度偏差限值有效增加像素点数量时，将与标记图像块相邻的非标记图像块的部分区域合并入
标记图像块中，以保证标记图像块含有足够的图像特征信息。对于合并入的非标记图像块
区域，进行高斯模糊处理时使用的模糊半径大于对应标记图像块进行高斯模糊处理时使用
的模糊半径，通过增大模糊半径，可以对非标记图像块区域所携带的无效图像信息进行更
有效的删除。
[0071] D4、对经过步骤D3处理的标记图像块进行融合识别，得到异常识别结果。
[0072] 步骤D4中，对标记图像块进行融合识别包括以下步骤，
[0073] D41、提取标准图像块的特征图像；
[0074] D42、使用经过步骤D3处理的标记图像块与对应的特征图像进行叠加；
[0075] D43、使用叠加后的图像进行异常识别。
[0076] 步骤D42中，根据特征图像在标记图像块上标出叠加区域，降低叠加区域图像的灰度值方差，对特征图像进行锐化处理，然后将特征图像叠加在标记图像块上。
[0077] 步骤D43中，设定第一设定阈值和第二设定阈值，分别提取步骤D41中特征图像的特征向量和步骤D42中叠加后图像的特征向量，若全部特征图像的特征向量与对应叠加后
图像的特征向量的线性度平均值小于第一设定阈值，且全部叠加后图像的特征向量之间的
线性度平均值小于第二设定阈值，则将电力设备图像判定为异常。
[0078] 通过图像叠加，使叠加后的图像同时含有了待识别图像的特征和标准图像的特征，然后通过两次特征向量线性度比对，得到识别结果。若全部特征图像的特征向量与对应叠加后图像的特征向量的线性度平均值小于第一设定阈值，则说明叠加后的图像中含有了
明显的不同于特征图像的特征信息，这些不同于特征图像的特征信息有可能是由待识别图
像中设备异常而产生的，也有可能是因为待识别图像由于拍摄参数、设备批次不同等外部
原因而产生的。所以再通过第二次比对，若全部叠加后图像的特征向量之间的线性度平均
值小于第二设定阈值，则说明上述明显不同于特征图像的特征信息之间并不存在较强的一
致性，不会是由于拍摄参数、设备批次不同而产生的，从而可以判定其为设备异常图像。
[0079] 在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0080] 以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本
发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其
等效物界定。
