煤矿变电所数显仪表字符识别研究.pdf

第 4 2卷 第 9 期 2 0 1 6年 9月 工矿 自 动化 I ndu s t r y a nd M i n e Aut o ma t i o n V0 1 ． 42 NO ． 9 Se p ． 2 0 1 6 文章 编号 1 6 7 1 2 5 1 X 2 0 1 6 0 9 0 0 6 4 0 4 DOI 1 0 ． 1 3 2 7 2 ／ j ． i s s n ． 1 6 7 1 2 5 1 x ． 2 0 1 6 ． 0 9 ． 0 1 5 郝建华． 煤矿变电所数显仪表字符识别研究E J ] ． 工矿 自动化， 2 0 1 6 ， 4 2 9 6 4 6 7 ． 煤矿变电所数显仪表字符识别研究 郝 建 华 山西汾西矿业 集 团 有限责任公司 供用 电分公司，山西 介休0 3 2 0 0 O 摘要 针对煤矿变电所数显式仪表存在巡检 自动化程度低和识别可靠性差等 问题 ， 提 出了一种基于改进 遗传 算 法和 支持 向量 机 算法 的字符 识别 算 法 。该 算 法采 用 Ha r r L i k e特征 作 为 字符 识 别 特征 ， 通过 改 进 的 遗传算法对分类器支持向量机的参数进行寻优 ， 利用主元分析法进行降维处理 ， 并使用支持向量机识别数显 式仪表字符。实验验证 了该算法的有效性和可行性。 关键 词 煤矿 变 电所 ；数显 式仪表 ；字符 识别 ； Ha r r L i k e 特 征 ；改进 遗传 算 法 中图分类号 TD 6 1 1 文献标志码 A 网络出版时间 2 0 1 6 0 9 0 2 1 0 1 8 网络 出版地 址 h t t p ／ ／ www． c n k i ． n e t ／ k c ms ／ d e t a i l ／ 3 2 ． 1 6 2 7 ． T P ． 2 0 1 6 0 9 0 2 ． 1 0 1 8 ． 0 1 5 ． h t ml S t u d y o f c ha r a c t e r r e c o g ni t i o n o f d i gi t a l d i s p l a y i n s t r u me nt i n c o a l mi ne s u bs t a t i o n HAU J l a n h u a B r a n c h o f P o we r S u p p l y a n d Co n s u p t i o n ，S h a n x i F e n x i M i n i n g Gr o u p Co ． ，Lt d ． ，J i e x i u 0 3 2 0 0 0 ，Ch i n a Abs t r a c t I n v i e w o f pr o bl e m s of l o w a ut oma t i o n d e gr e e a nd r e c o gn i t i o n r e l i a b i l i t y o f d i g i t a l d i s p l a y i ns t r ume n t i n c o a l m i ne s u bs t a t i on，a k i nd of c ha r a c t e r r e c o gn i t i o n a l g o r i t hm ba s e d on i m p r ov e d ge ne t i c a l g or i t hm a n d s u ppo r t v e c t o r ma c h i ne a l go r i t hm wa s p r o po s e d．The a l go r i t hm a d o pt s Ha r r Li ke f e a t u r e s a s c ha r a c t e r r e c o g ni t i o n f e a t ur e s ，i m p r ov e d ge ne t i c a l g o r i t hm wa s c hos e n t o s e a r c h t he op t i ma l pa r a m e t e r s 收稿 日期 2 0 1 6 - 0 6 2 9 ； 修回 日期 2 0 1 6 - 0 7 2 8 ； 责任编辑 张强 。 基金项 目 江苏省 自然科学基金项 目 B K2 0 1 3 0 2 0 7 。 作者简介 郝建华 1 9 6 3 一 ， 男 ， 山西太古人 ， 工程师 ， 现主要从事煤矿供电安全研究及管理等工作 ， E ma il 2 0 0 5 1 0 3 2 2 1 6 3 ． c o rn。 4 结语 为提 高非线 性负 载接 人煤 矿供 电系 统 的电能 质 量 ， 提 出了一种基于 s VG的煤矿电能质量综合治理 方法 。该 方法 根据 正 交 变 换理 论 ， 采 用 有 功 和无 功 电流直接闭环控制 ， 在谐波及频率变化条件下 ， 能够 精确 、 快速检测电网的有 功、 无 功电流信号 ， 通过电 流 闭环控 制实 现谐 波 抑 制 和 无 功补 偿 ， 有 效 提 高 了 煤矿 供 电系统 的电能质 量 。 参 考文献 [1 ] [2] [3] 黄炳义 ， 孟 红秀 ， 李立君． 煤矿 提升机电气控 制系统 的 技术改造I- J ] ． 煤矿机械 ， 2 0 1 3 ， 3 4 5 1 9 8 1 9 9 ． 张学松． 煤矿电能质 量分 析与控 制I- J ] ． 工 矿 自动化 ， 20 0 9， 3 5 9 68 70 ． 王清亮 ， 姚苗． 煤矿 电能质量综 合量 化评 价研究 E J ] ． [ 4] [5 ] [6 ] [7] [8] [ 9] 工矿 自动化 ， 2 0 1 5 ， 4 1 2 4 2 4 6 ． 郑 飞扬 ， 席世友 ， 欧 阳沙 ， 等． 母 线系 统变化对 1 O k V 并联 电容器分闸操 作影 响机理的研究E J ] ． 高压 电器 ， 2 O l 6， 5 2 3 1 6 5 - 1 7 O ． 胡彪 ， 邰能灵 ， 钱立 俊 ， 等 ． 含 冲击负 荷的 配电 网动态 无功补偿[ J ] ． 水电能源科学 ， 2 0 1 5 ， 3 3 1 1 8 6 1 8 9 ． 何健 ， 丁晓群 ， 陈光宇 ， 等． 基于 D F I G与 S V C的风 电 场无功 电压协 调控 制 策略 [ J ] ． 电力 建设 ， 2 O 1 5 5 1 - 6 ． 刘 晓军 ， 杨冬锋 ， 高磊． 一类 多静 止无 功补偿器阻尼控 制器 间的交互 影 响机理 I- J ] ． 电网技 术 ， 2 0 1 6 ， 4 0 2 53 4 5 4 0． 付文秀 ， 范春菊． S VG在 双馈风力发 电系统 电压无 功 控制 中 的 应 用 [ J ] ．电 力 系 统 保 护 与 控 制 ， 2 0 1 5 ， 4 3 3 6 1 - 6 8 ． 陈丽 兵 ， 史丽萍 ， 杨 晓冬 ， 等． 煤矿井下低 压 S VG几个 关键 问题 [ J ] ． 煤炭 学报 ， 2 0 1 5 ， 3 9 增 刊 2 5 9 6 6 0 2 ． 2 0 1 6 年 第 9期 郝 建 华 煤 矿 变 电所 数显仪 表 字符 识 别研 究 6 5 o f t h e s u p p o r t v e c t o r ma c h i n e c l a s s i f i e r ，a n d u s e s p r i n c i p a l c o mp o n e n t a n a l y s i s me t h o d t o c o n d u c t t h e d i m e ns i on r e d uc i ng pr o c e s s ，t h e n a p pl i e s s u pp o r t v e c t o r m a c hi n e t o i de n t i f y c ha r a c t e r o f t h e d i gi t a l di s pl a y i n s t r u me n t ．Th e e f f e c t i v e n e s s a n d f e a s i b i l i t y o f t h e a l g o r i t h m wa s v a l i d a t e d b y e x p e r i me n t s ． Ke y wo r d sc o a l m i ne s u bs t a t i on； d i g i t a l di s pl a y i ns t r ume nt ； c ha r a c t e r r e c o gn i t i o n； H a r r Li ke f e a t u r e s ；i mp r o v e d g e n e t i c a l g o r i t h m 0 引言 煤矿变电所中大量使用数显式仪表用于显示电 力 系统 的 电压 、 电流 、 功 率 等 参 数 ， 其 优 点 是 读 数 简 单且不需要估计 。但在一般情况下 ， 数显式仪表并 不 和 测量 系统 进行 数 据 传 输 ， 仅 仅 显 示 当前 的 测 量 结 果 ， 而测 量 结果 需要 通过 人工 抄 写记 录 ， 并 将其 录 入计算机内， 以对这些数据作进一步处理。这种检 测方式不仅费时费力 ， 而且 可靠性易受检测员的影 响变 得不 稳定 。本 文将 机 器视 觉技 术引 入煤 矿变 电 所 ， 用于采集 数显式仪表 的图像 ， 并 进行处理 和识 别 。常用 的字 符识 别法 有穿 线识 别法 、 模 板 匹配法 、 支持向量机法等。穿线识别法易于实现， 但对定 位 区域要求较高 。模 板匹配法 简单 ， 但 运算量较大 。 另外 ， 上述 2种 方法对字符扭 曲、 变形 抵抗能力 不 强 。故 本 文提 出一种 基 于 Ha r r L i k e 特 征 及改 进 遗 传算法支持向量机 的字符识别算法 ， 并进行了实验 研 究 。 1 Ha r r - L i k e 特 征及 支持 向量 机原 理 1 ． 1 Ha r r Li k e特 征 Ha r r L i k e 特征库有 3种类型 、 4种形式 。利用 这 些特 征可 以从 字 符 中提 取 斜 向边 缘 特 征 、 斜 向灰 度特征等有用信息[ 1 ] 。 假设 图像 高为 H， 宽 为 w， 如果 特征 量 满 足 式 1 ， 则五 元组 z， y， P， h ， 能够 表 示 扩 展 Ha r r L i k e 特征 中的旋 转矩 阵特 征及 竖 直矩 阵特征 。 f 0≤ z， z P≤ W ， z≥ 0 ， P≥ 0 0≤ ， Y h≤ H， Y≥ 0， h≥ 0 1 【 ∈ { 0 。 ， 4 5 。 式 中 z， 表示 矩 形 的位 置 ； ， h分别 为 矩形 的宽 和 高 ； 0 为矩 形 的倾斜 角度 。 每个特 征 在实 际训 练 中的个 数是 不 相 同的 ， 一 个 大 小 为 h的 正 面 特 征 ， 在 一 幅 大 小 为 W H 的 图像 中 的个 数 为 N X Y W 1 一 H 一 h 2 式中 N 为 0 一O 。 对应的特征数 ； XW／ h ； yH／ h 。 对 于 0 4 5 。 的 特 征 量 ， 在 w H 的 图 像 中 个 数为 N 一 X Y W 1 一 H 十 一 3 式 中 。 1 ． 2支持 向量机 寻求支持向量机最优分类超平面可转化为求解 如下的约束优化问题 J ， ～ II 4 l S ． t ． 。wx 6 一 1≥ 0， i一 1， 2 ， ⋯ ， Z 式中 薯， Y 代表第 i 个样本 ； W， b分别为超平面的 法 向量 和截 距 ； z 为样本 个 数 。 这是一个 凸二次规划 问题， 原约束优化问题可 以转化 为对偶 问题 I m a x ∑a 。 一 告∑∑ Y J ‘ 一 一 ， 一 5 I ∑ 一0 d ≥0 ， i 一1 I 2 ， ⋯ ， l 式 中 a 为 拉格 朗 日乘 子 。 在 线性 分 类 问题 中 ， 有 时可 能会 出现一 些 噪 声 样本 点 ， 导致 原线 性 可 分 的样 本 数 据 变得 线 性 不 可 分 ， 此时需使其能够忽略一定的误差 ， 引入一个评估 误差损失 的惩罚权重对训练误差进行考量 ， 从而使 分类器的分类效果更好 ， 具体 目标函数可以定义为 M in l1 l{ 十c E邑 6 式 中 C为惩罚 因子 ， 表示 对 训 练 误 差 的 重视 程 度 ； ￡ 为松 弛 因子 。 对 于某 空 间 中线 性 不 可分 的数 据 ， 往往 可 先使 用映射函数 将训练样本从低维空间转换到高 维空间 ， 这个函数被称为核函数。使用核函数后 ， 原 优化问题可写为 I m a x ∑a 一 告 ∑∑ 』 K { 【 s ． t ． ∑ 一0 ，0 ≤a ≤c ， i 一1 ， 2 ， ⋯， l 7 6 6 工矿 自动化 2 0 1 6年 第 4 2卷 式 中 K ， lz ， 一 z， 。 决 策 函数 可 以写为 厂 ．z 一s i g n ∑ a K ， 卢 8 式中 为分类阈值。 常用的核函数包括多项式核 函数 、 高斯径 向基 核 函 数 及 S i g mo i d核 函数 L 3 ] 。 本 文 采 用 高 斯 基 核 函数 。 k x , y ， 一 e x p ㈩ 式 中 y为高斯 径 向基核 函数 的半 径 。 2 改进 遗传 算法 原理 使用遗传算法对支持 向量机进行参数寻优时 ， 先 在设 定 区间 内随 机选 点 进 行 搜 索 ， 其方 向 由适 应 度 函数 决定 ， 流程 如 图 1 所 示 。 图 1 基 于遗 传 算 法 参 数 寻 优 流 程 使用 二进制符号 串 d ， d z ， ⋯， d ， d 。 ， ⋯， d 对 支持 向量 机 中 的 C 和 y编 码 ， 其 中 ， C对 应 d ， d ， ⋯ ， d ， ， 对应 d 。 1 ， d 。 ， ⋯ ， d ； n为 C 的编码 长 度 位数 ， g为 y的编码长度 位数 。 自变量编码 与 支持 向量 机参数 相互 对应 。 支 持 向量机参 数 寻优过 程 中的适 应度 函数 一般 为交叉验证 函数 ， 但在遗传算法 中很难保证 种群多 样性 ， 容易导致局部最优现象， 因此 ， 需要对适应度 函数进 行调 整 。适 应 度 函数 为 F i x 一 B ≥ A 1 0 式 中 F z 为 调 整 后 的 适 应度 函数 ； F 为 原适 应度函数 ， 即交叉验证 函数 ； B为最佳适应度 ； A 为 平均 适 应 度 ； s ≥ 1且 为 整 数 ， 一 般 为 2 ； k由 交 叉 验证 函数 确 定 ， 若 F -z ≥ 1 ， 则 k 1且 为整 数 ， 若 F 1 ， 则 是 ∈C 0 ， 1 ； 为现 遗 传 代 数 ； M 为 最 大 遗传代数_ c ] 。 通常遗传算法的交叉概率 P 一0 ． 6 ～1 ， 变异概 率 P 一0 ． 0 0 1 ～O ． 1 。在初期 阶段个体适应度差异 较 大 ， 较 大 的交 叉 概 率及 较 小 的变 异概 率 可 以更 好 地保存有用遗传信息 ； 而在后期 ， 个体适应度差异较 小 ， 相反 的交 叉概 率 和 变异 概 率 能 够增 加种 群 多 样 性 。查 阅相 关资 料后 ， 本 文使 用 的交 叉 概 率 和变 异 概率如 下 P c 1 一P c 一旦 1 1 P m 1 一 P m 十 旦 1 2 式 中 为第一 代遗传 代 数 。 3实验 结果与 讨论 支持 向量 机 中核 函数 选 用 高斯 径 向基 函数 ， 其 中参数分别使用经验法、 遗传算法和改进遗传算法 获得 。在 经验法 中 ， C 一1 0 0 0 ， ， 一0 ． 0 1 ， 遗 传算 法 和 改 进 遗 传 算 法 中 核 函 数 C 的 搜 索 范 围 设 为 [ 2 _ 。 ， 2 ] ， ， 的搜索范围设为[ 2 _ 。 ， 2 ] ， 种群数量设 置 为 2 O ， 最 大遗传 进 化数 为 1 0 0次 。 实 验采 用 自建 字 符 图像 库 进 行测 试 ， 字符 库 包 含 1 O种 字 符 ， 每 种 字符 选 取 1 1 O张 图像 ， 其 中有 些 字符 表 面 受 到 光 照 、 薄 膜 影 响 。部 分 字 符 图 像 如 图 2所示 ， 每种字符选取 3 5幅 图像用作测试 ， 剩余 图像 作 为训 练 图像 。 圆 园 一衄 啊 ■一 _国 圈 圈 圈 圈 匪墨圄 囡 豳 匿冒 图 2部 分 字 符 图像 对字符图像进行二值化处 理后 ， 部分字符受噪 声干 扰 明显 ， 如 图 3所示 。 分别 检验 采用 穿 线 法 、 模 板 匹 配法 和 不 同参 数 支持 向量 机方 法 的识别结 果 。使用 支持 向量 机识 别 字 符时提取特征并使用主元分析法进行数据降维 ， 2 0 1 6年 第 9期 郝建 华 煤 矿 变 电所 数显 仪表 字符 识别研 究 6 7 冒 团 圆 _ 国 图 3 部分受 噪声 干扰的字符二值化 图像 选取主成分 贡献率 大于 9 O 。对其 中一 幅字符 图 像使用遗传 算法 优化 参数 ， 得 到 的适 应度 曲线 如 图 4所示 。得到 的支 持 向量 机 最 优 参 数 为 C一 1 3． 7 9 2 6， y一 0． 0 07 9。 1 O O 95 9 O 8 5 8 0 7 5 7 O 6 5 6 0 30 40 50 60 7 0 8 0 9 0 1 0 O 进化代数 图 4 遗传算法适应 度曲线 采用改进遗传算法优化参数得到的适应度 曲线 如图 5 所示 。得 到的支持 向量 机最优参数 为 C一 3 9 ．9 6 0 3， y一 0． 0 07 5。 图 5 改进遗传算法适应度 曲线 使用遗传算法进行参数寻优在开始阶段选择的 种 群具 有 随机性 ， 因 此 ， 对 于 相 同 训 练数 据 ， 每 次 参 数寻优的结果并不一致 ， 对数据进行 5组实验 ， 遗传 算法参数寻优结果见表 1 。改进遗传算法参数 寻优 结 果见 表 2 。 表 1 遗传算法参数 寻优结果 表 2 改进遗传算法参数寻优结果 对每个字符分别进行 8组实验， 对结果求平均 值 ， 得 到不 同方法 的识 别率 见表 3 。 表 3 不 同方 法的识别 率 通 过 实 验 结果 可 以看 出 ， 采 用 Ha r r L i k e提取 字符特征， 然后基于改进遗传算法支持 向量机分类 ， 对 字符 图像有 较好 的识 别 率 ， 在 样 本不 是 很 大 的情 况下 ， 分类速度较快 ， 满足时效性要求。 4 结语 介绍了基于改进遗传算法支持 向量机的字符识 别算法 ， 并将其应用于煤矿变 电所数显式仪表的图 像处 理 和识别 。该 算 法采 用 Ha r r L i k e 特 征作 为字 符识 别特 征 ， 相 比穿 线法 、 模 板 匹配 法 、 支 持 向 量机 法等传统的字符识别算法， 其参数优化效率高 、 分类 速度 快 、 准 确率 高 ， 具有更 好 的识别 效果 。 参考文献 E l i Z HAN G C， L I U J ， L I ANG C ， e t a 1 ． I ma g e c l a s s i f i c a t i o n u s i n g Ha r r - l i k e t r a n s f o r ma t i o n o f l o c a l f e a t u r e s wi t h c o d i n g r e s i d u a l s E J ] ．S i g n a l P r o c e s s i n g ， 2 0 1 3 ， 9 3 8 2 l 1 1 - 2 1 l 8 ． [ 2 ] 邵平 ， 杨路 明， 曾耀荣． 计算 旋转 Ha r r 型 特征 的积 分 图像算法 改 进 [ J ] ． 计 算 机 技 术 与 发 展 ， 2 0 0 6 1 1 1 46 1 47 ． [ 3 ] 黄琼英． 支持向量机多类分类 算法 的研 究及应用 [ D] ． 天津 河北工业 大学 ， 2 0 0 5 ． [ 4 ] 刘虎 ， 罗斌 ， 吴晟 ， 等． 改 进的遗传 算法在 S VM 参数优 化中的 应 用 [ J ] ． 云南 师 范 大 学学 报 自然科 学 版 ， 2 0 1 2 4 4 7 5 1 ． [ 5 ] 杨旭 ， 纪 玉波 ， 田雪． 基 于遗传 算法 的 S VM 参数 选取 口] ． 辽宁石油化工大学学报 ， 2 0 0 4 1 5 4 5 8 ． ＼ 蜊