摘要：機器視覺技術廣泛用于工業生產和醫療影像分析領域中，并在電氣安全隱患檢測中起著重要的作用。本文對機器視覺技術及其系統進行分析，研究利用機器視覺技術，促進油田電氣安全隱患檢測技術的創新，并借助機器視覺系統所具有分辨力高、速度快、適應性強和可持續工作的特點，更快、更準、更智能地識別電氣安全隱患為油田生產保駕護航。

隨著科學技術突飛猛進地發展，人們在享受“電”帶來的福利同時，電也無時無刻地威脅著人類的生命和財產安全。目前，電氣安全隱患的檢測除了應用相關儀器設備外，主要依靠檢測人員電工的技術能力。所以，只有順應科技發展的潮流，在電氣安全隱患檢測行業不斷引入互聯網、人工智能、計算機等xianjin技術，才能始終適應電氣設備發展，創新檢測技術，確保人類工作和生活的安全。

1機器視覺系統簡介

1.1概念

機器視覺就是用機器代替人眼來做測量和判斷。它通過使用攝像設備對目標物進行圖像攝取，然后應用計算機分析、統計技術，對攝取的圖像內容進行判斷，zui終實現特定的目的[1]，如檢測目標事物或精確控制。作為機器視覺系統，所采用的圖像處理、圖像理解與模式識別的基礎理論和技術是相同的。機器視覺技術目前廣泛用于大規模的工業生產和醫療衛生行業中[2]，也可以被看作是人工智能技術的一個分項，應用機器視覺技術來進行特定測量和判斷的系統也就是機器視覺系統，其基本結構如圖1所示。工廠可以利用機器視覺系統來自動檢測產品質量，剔除不合格、不標準的產品；醫療機構可以通過機器視覺系統自動檢查出不易發現的病理變化。

1.2優勢

在檢測領域應用機器視覺系統，相較于人眼而言，有著以下優勢：

1）灰度分辨力強。人只能分辨64個灰度等級，而機器視覺系統能分辨256個灰度等級。

2）空間分辨力高。機器視覺系統可以配置各種型號的光學鏡頭，觀測到微米級的目標，而人眼無法達到這一能力。

3）速度更快。機器視覺系統能夠不斷提高系統的硬件設備來提高圖像捕捉速度和圖像處理速度，而人眼只能保持0.1s的視覺停留，無法捕捉運行速度較快的目標。

4）環境適應性強。對系統采用防護措施后，其可用于高溫、高壓或有毒有害等不適于人類開展檢測活動的場所。

5）可持續工作。人眼工作容易造成視覺疲勞，從而降低檢測的可靠性；而使用機器視覺系統就能避免主觀能動性對檢測質量的影響，始終保持“5.2”的視覺能力，不會疲倦。

2電氣安全隱患檢測研究

2.1電氣安全隱患類型

電氣安全隱患是指在生產作業過程中，由于利用電能的設備其整體或部分故障、損壞或人員操作失誤等可能造成火災、爆炸、人身傷亡等事故的隱患。主要有電氣火災隱患、電氣爆炸隱患和人身觸電隱患。而安全管理不嚴格、設備帶障運行、電器選型不正確及線路安裝不規范等原因造成的這些隱患，威脅著工作人員的生命健康和國家財產安全。

2.2電氣安全隱患檢測

目前，我國尚未針對電氣安全隱患的檢測行業指定相關的檢測技術規范。針對油田生產場所的低壓配電設備進行電氣安全隱患檢測，檢測內容、方法和判斷依據是黑龍江省地方標準DB23/T1805—2016《危險場所電氣防爆安全檢測技術規范》。該規范中明確規定檢測的內容如下：

1）變配電系統；

2）電氣線路系統；

3）防爆電氣設備選型；

4）過熱型電氣檢測；

5）放電型電氣檢測；

6）接地系統。

上述六項檢測內容中，有依靠現場核實設備設施選型情況的方法進行檢測，也有使用非視覺化輸出的設備進行檢測。其中，變配電系統和過熱型電氣檢測兩項內容，可以應用機器視覺技術進行隱患識別（表1）。

2.2.1變配電系統隱患

變配電系統由配電系統和變電系統組成。對于配電系統，由于其隱患產生的主要原因是由施工安裝過程中不規范造成的，在實際檢測過程中常見的隱患如圖2所示。

由圖2可知，變配電系統隱患主要集中在線路絕緣、連接端子上。如圖3所示，可以通過調整圖像的亮度、對比度等參數，得到圖像中灰度或者紋理、顏色發生劇烈變化的地方即圖像邊緣，采用對圖形邊緣檢測的方法就能把這些隱患的特點分析出[3]，從而實現機器視覺自動識別電氣安全隱患，并能夠智能識別隱患的類型。

2.2.2過熱型隱患

目前，過熱型隱患檢測主要應用熱成像儀，攝取的熱像圖反映的是電氣設備運行狀態及其溫度分布狀態。現場檢測人員通過顯示屏讀出焦點處的溫度值[4]，圖像中zui高溫度焦點的選取完全依靠檢測人員的判斷；也可以把攝取的熱像圖傳導至計算機內，通過熱像儀自帶的軟件進行分析。這兩種方式有著各自的缺點：人員選取zui高溫度焦點時判斷會產生偏差；不能把熱像圖實時傳導到計算機中。

如圖4所示，如果應用機器視覺技術，只需在圖像提取設備加裝紅外熱成像鏡頭，系統就能根據色彩參數進行自主判斷zui高溫度值的位置，這樣可以克服上述兩點不足。而且，過熱型電氣安全隱患的檢測對機器視覺的要求比變配電系統的檢測更容易實現。

2.3基于機器視覺的檢測系統構成

隨著科技的發展，機器視覺技術不僅可以實現缺陷工件的識別，而且還能完成復雜人臉識別；所以，把機器視覺技術應用到電氣安全隱患檢測中是可行的。只要抓住線路、絕緣、連接端子邊緣處理后的特點，智能地抓取圖片的細節，將為電氣安全隱患檢測技術帶來質的飛躍。其系統應該包含圖像輸入部分、圖像處理部分、比較判斷部分和檢測結果輸出部分等（圖5）。

由圖5可知，現場檢測人員在確定開始檢測后，利用設備對檢測目標進行圖像攝取，圖像直接輸入到圖像處理部分，經過自動調整參數，進行圖像增強操作，使圖像的輪廓更加清晰，突出細節；然后系統進行邊緣檢測，識別線路、電氣設備及連接點，根據檢測項目開始分割圖像。分割后的圖像數據與系統中的標準數據進行對比分析，判斷其是否存在隱患，zui終結果轉化為人眼可視的信息輸出。

2.3.1部分檢測系統開發軟件的比較

檢測系統開發軟件應側重于圖像的處理能力，只有越強大的圖片處理能力，才能對隱患的識別更加準確。目前，計算機軟件行業中有許多程序適用于機器視覺系統的開發工作，比較流行、應用廣泛的有Python、Halcon，側重于測量和仿真的有Labview、Matlab等。

Labview更注重于測量和仿真，其圖像處理功能并不強大；Matlab有著強大的科學計算和工程繪圖能力，其用于圖像邊緣檢測中并不廣泛；Python容易學習，易于維護，目前在人工智能開發中應用較多，其圖形處理能力同樣強大；Halcon有一套完善標準的機器視覺算法包，擁有應用廣泛及其視覺集成開發環境，包含了各類濾波、色彩分析、幾何數學變換、形態學計算分析、校正、分類、形狀搜索登記本圖像處理功能。雖然每一種開發程序都有著各自的特點，以及都在各自的應用領域中起著不可代替的作用；但是，為了更好地開展電氣安全隱患檢測，基于機器視覺系統可以考慮選用Halcon程序進行開發[5]。

3結束語

在國家對大數據、云計算和人工智能領域加大扶持力度的有利環境下，機器視覺技術也將用于更廣闊的行業中。未來的油田生產過程中，將成熟的機器視覺的電氣安全隱患檢測技術與機器人技術相結合，就能夠研制出人工智能的電氣安全隱患機器人，代替人類去查找、分析和消除隱患。

相關產品推薦：磁翻柱液位計