(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210409657.8 (22)申请日 2022.04.19 (71)申请人 齐丰科技股份有限公司 地址 210000 江苏省南京市江宁区东 山国 际企业研发园兴苑路108号01幢 (72)发明人 苗林　刘涛　 (74)专利代理 机构 南京众联专利代理有限公司 32206 专利代理师 吕书桁 (51)Int.Cl. G06V 20/40(2022.01) G06V 20/52(2022.01) G06V 20/20(2022.01) G06V 10/30(2022.01) (54)发明名称 一种配电站房蓄电池异常识别方法 (57)摘要 一种配电站房蓄电池异常识别方法。 S1： 图 片获取及初始化处理； S2： 通过图像识别技术判 断蓄电池外观是否异常； S3： 通过蓄电池采集及 内阻测试技术判断蓄电池是否异常； S4： 综合判 断蓄电池是否异常。 本发明结合视频数据智能分 析技术和蓄电池采集及内阻测试技术， 实现了对 配电站房蓄电池异常的自动识别。 该技术需求是 该领域的一项重要内容之一， 该技术手段将能够 有效提高巡查工作效率， 降低人员巡查工作量， 有效提高配电站运行的安全可靠性。 权利要求书3页 说明书6页 附图3页 CN 114663820 A 2022.06.24 CN 114663820 A 1.一种配电站房蓄电池异常识别方法， 其特 征在于： 具体步骤如下： S1： 图片获取及 初始化处 理； 所述的图片获取及 初始化处 理的步骤如下： S11： 通过厂家S DK获取配电站视频监控系统的实时视频 数据； S12： 获取实时视频中的某一帧， 用于后续检测； S2： 通过图像识别技 术判断蓄电池外观是否异常； 所述的通过图像识别技 术判断蓄电池外观是否异常， 该 方法包括 步骤如下： S21： 帧图像处 理， 并裁剪边缘； S22： 对裁剪后的图片进行基于颜色的图像识别， 并进行 灰度处理； S23： 对象特 征区域的图片分割， 并进行膨胀算法处 理； S24： RGB颜色特 征和灰度特 征相结合的蓄电池壳体和正负极壳体识别； S3： 通过蓄电池 采集及内阻测试技 术判断蓄电池是否异常； 所述的通过蓄电池 采集及内阻测试技 术判断蓄电池是否异常， 该 方法包括 步骤如下： S31： 实时监测蓄电池电压、 温度； S32： 定时启动内阻测试； S33： 图像识别告警， 启动数据对比； S4： 综合判断蓄电池是否异常； 所述的通过综合判断蓄电池是否异常， 该 方法包括 步骤如下： S41： 图像识别可能存在外观 异常， 检测数据正常， 不产生告警； S42： 图像识别外观 异常， 检测数据正常， 产生 提示； S43： 图像识别外观 异常， 检测数据异常， 产生告警。 2.根据权利要求1所述的一种配电站房蓄电池异常识别方法， 其特征在于： 所述图片获 取及初始化处 理， 具体步骤如下： (1)通过厂家S DK实时获取配电站摄 像机的实时视频 数据； (2)在获取到实时数据时间间隔5秒后， 从实时数据中获取一帧图片数据， 采用5秒后再 截取图片数据的原因主要为： 由于配电站与远端之间的网络带宽有限， 若获取到视频后直 接截图图片， 可能会出现图片截取失败或截取的图片存在异常等原因； (3)在截取完图片后， 检查图片是否正常， 如果图片存在异常， 则重新获取图片， 获取图 片成功后， 保存图片数据为OrgImg； (4)通常此时获取的图片格式为YUV格式， 为了便于后续的图像分析， 将该图片进行格 式转换， 转换为RGB图片格式， 转换后的图片数据为OrgImg_RGB[]。 3.根据权利要求1所述的一种配电站房蓄电池异常识别方法， 其特征在于： 所述通过图 像识别技 术判断蓄电池外观是否异常， 具体步骤如下： (1)对获取到的蓄电池的原 始图片进行均值滤波处 理； 均值滤波处理去除均匀噪声和高斯噪声， 令Sxy表示中心点在(x,y)处， 大小为m ×n的 滤波器窗口， 算术均值滤波器就是简单 的计算窗口区域的像素均值， 然后将均值赋值给窗 口中心点处的像素： 权　利　要　求　书 1/3 页 2 CN 114663820 A 2其中， g(s,t)表示原始图像， f(x,y)表示均值滤波后得到的图像， 基于上述公式， 对蓄 电池的原 始图片进行均值滤波处 理； (2)针对滤波处理后的图片， 针对图片中的每个像素， 当像素R、 G、 B三个颜色分量值均 高于200时， 设置该像素点的值 为R＝255， G＝255， B＝255； (3)计算处 理后图片的每 个像素的三个颜色 分量的平均差值， 计算方法如下： Avg＝(R+G+B)/ 3 Avg_d＝( (Avg‑R)+(Avg‑G)+(Avg‑B))/3 上式中的Avg为平均值， Avg_d为平均差值， 当平均差值Avg_d大于50时， 设置该像素点 的值为R＝255， G＝255， B＝255； (4)将不满足上述两个条件的像素值设置为R＝0， G＝0， B＝0； (5)后续图像处理主要是根据灰度图像的处理， 因此， 需要将RGB格式转换为灰度格式， 根据RGB转灰度公式： Gray＝R*0.299+G*0.587+B*0.114， 从而将OrgImg_ RGB[]计算得到对 应的灰度图片数据： Org_Mat_Gray[]； (6)由于实际图片中左上角或右上角、 左下角或右下角通常均包含一些文字信息， 避免 文字信息对监测的影 响， 假设图片横坐标为0<x<W1， 图片纵坐标为0< y<H1， 其中的H1表 示图 片的高度， W1表示图片的宽度， 将图片横坐标截取为W1/8<x<7*W1/8， 将图片纵坐标截取为 H1/8<y<7* H1/8， 得到灰度图片矩阵Mat_Gray[]， 新的灰度图片的宽度为 W2， 高度为H2； (7)对灰度图片采用3 ×3像素区域的图像膨胀算法处 理： (8)对膨胀处 理后的图片查找白色像素点的区域， 形成一系列的外 部轮廓区域； (9)计算每 个轮廓区域的面积大小， 当面积大小 小于图片大小的1/ 50时， 忽略该区域。 (10)针对查找到的每 个轮廓区域， 将每 个区域范围对应至原图区域范围； (11)在原图中的每个区域范围内， 根据每个像素RGB分量值， 当R>G+10， 并且G>B+30时， 设置该像素值 为R＝255， G＝255， B＝255； (12)在原图中的每个区域范围内， 根据每个像素RGB分量值， 当像素R、 G、 B三个颜色分 量值均高于20 0时， 设置该像素点的值 为R＝0， G＝0， B＝0； (13)上述两个处理结果中的黑色像素值和白色像素值表示了蓄电池壳体和正负极壳 体识别； (14)根据形成的图片， 计算每个区域中白色像素的个数超过区域总像素个数的2/50 时， 表示存在蓄电池外观鼓包或者电解液泄露； 白色色像素 的个数超过区域总像素个数 的 1/50并且小于2/ 50时， 表示可能存在蓄电池外观鼓包或者电解液泄 露。 4.根据权利要求3所述的一种配电站房蓄电池异常识别方法， 其特 征在于： 所述图像膨胀算法处 理， 对应函数处 理流程如下： 1)获得源图像 每行像素的宽度； 2)创建一幅大小与源图像相同， 所有像素置黑的目标图像； 3)为防止越界， 不处理最左边、 最右边、 最上边和最下边的像素， 从第2行、 第2列 开始检 查源图像中的像素点； 4)循环3步骤， 直至处 理完源图像； 5)所得的目标图像即为 膨胀结果。 5.根据权利要求1所述的一种配电站房蓄电池异常识别方法， 其特征在于： 所述的通过权　利　要　求　书 2/3 页 3 CN 114663820 A 3