【关键词】图像处理；边缘检测；多目标遗传算法；制动系统优化；变电站设备

引言

变电站设备是电力系统的重要组成部分[1]，随着智能电力设备和自动化设备的大量应用和推广，变电站设备的实时监控和故障检测显得十分重要，人工巡检已无法满足对变电站设备高效准确的检测，而智能化的图像识别技术为设备检测提供了有效手段，在设备故障检测中具有显著的优势[2]。变电站电力设备经常出现鸟巢等异物影响设备工作的情况，导致设备故障或工作异常，对设备异物的识别正是智能巡检系统的研究热点。图像识别技术作为智能巡检系统中的关键技术之一，存在着很多问题，如何去除图像中的背景噪声和其他干扰信息以准确识别目标设备也是图像识别技术中的难点和热点。在OpenCV库中，本文提出了一种基于高斯滤波、Canny边缘检测、双边滤波和图像分割技术相结合的图像预处理方法，对目标边缘信息进行有效提取，为后续准确识别异物工作的进行提供正确图像。通过实际变电站现场图像处理及优化，验证了实际应用价值。此外，随着电力设备在高效运行下对制动系统的要求不断提高，本文考虑到实际制动盘优化设计问题，通过对应用多目标遗传算法对外半径以及闸瓦长度、宽度等参数进行优化设计，降低系统最大热应力及最高工作温度，提升性能。以优化设计为基础，提升系统热能力，有效降低设备损耗及故障率，为变电设备的实时监测提供依据[3]，为后续智能检测提供基础保障[4]。

一、问题分析及目标确定

（一）异物识别算法分析

本系统是以海康威视的视频监控软件为基础开发的，能够对变电站中的电气设备进行异物判别。在已有研究成果的基础上，本项目提出了一种新的基于深度学习的方法，即通过对输电线路、电力设备中的鸟巢等异物进行大规模学习，从而实现对目标物体的识别。其基本思想是将采集到的图片或者从视频中剪切出的关键图片作为原始图片，再对原图片进行缩放，直到图片达到了识别算法要求的像素值，再将被检测的图片输入到特征抽取网络中，获得各框架中是否存在“鸟巢”的可能性，其中以判决概率较大的那个框架内的图像为目标鸟巢。异物辨识算法只对图片进行判定，无法分辨出物体与物体之间有无重叠。

（二）原始图像分析

相机的预置点摄影，可以达到每一次拍照的目的装置都在影像的中心。为了得到清楚的影像，下列三个因素是必需的。第一个是孔径大小。较大的孔径会导致较浅的景深，也就是较模糊的背景，适用于突出主体的场景；较小的孔径会导致较大的景深和较大的清晰度，适用于需要整个场景都清晰的场景。第二个是镜头焦距。在同样的光圈范围内，较长的镜头可以得到较浅的景深，较短的距离可以得到较大的景深。第三个是摄影距离。镜头与被摄体之间的距离愈长，景深愈大。经过测试，变电所内的摄像头既有人工调焦也有自动调焦的功能，在智能巡检系统工作过程中，光圈的尺寸、焦距都是自动调焦的。这个功能可以确保图像是基本清楚的，但是不能得到浅景深，也就是故意把周围的干扰装置显示得很清楚。在变电所中，相机无法进行测距，也无法精确地通过人工来测量相机与仪器之间的距离。本文所用的图片是在相机自动模式下所获得的大景深图片。由于摄影气象状况及相机的自动对焦错误，相片焦点可以放在目标装置或背景装置上。

（三）图像预处理目标

在图像处理领域，传统方法在检测异物时常常面临假阳性的问题，即错误地将非异物区域识别为异物。这种误判不仅会降低检测的准确性，还可能增加后续处理的复杂性。为了有效解决这一问题，本研究提出了一种新的图像预处理方法，该方法基于高斯滤波、Canny边缘检测、双边滤波和图像分割技术，对目标边缘信息进行有效提取。在此基础上，进一步提出了一种基于图像的异物鉴别方法，更准确地识别和区分异物与背景，提高了检测的可靠性和效率。

二、图像预处理算法设计

（一）算法选择及原理

1.高斯滤波

高斯滤波器是一种在图像处理中得到广泛使用的线性光滑滤波方法，它的目的是去除高斯白噪音。