智能电网巡检机器人终端视觉巡检技术研究
智能巡检中的视觉检测技术研究
智能巡检中的视觉检测技术研究智能化技术的快速发展使得智能巡检技术逐渐成为工业生产领域的重要一环。
而视觉检测技术，则是其中至关重要的一部分。
本文将从智能巡检技术的发展背景、视觉检测技术的基本原理和研究进展等方面，对智能巡检中的视觉检测技术进行探讨。
一、智能巡检技术的发展背景随着国家经济的快速发展和社会对品质的要求越来越高，传统的巡检方式已经无法满足现代社会的需求。
而智能巡检技术则在此大背景下应运而生。
智能巡检技术是一项可以实现现场自动巡检、预防机器时间错等问题的先进技术。
相比传统的巡检方式，智能巡检技术却可以更加准确、快捷地发现问题，从而提高了工业安全和效率。
二、视觉检测技术的基本原理视觉检测技术是通过相机等摄像机器设备实现对对象的检测分析，再将信息传输至计算机进行最后的判断和处理。
视觉检测技术的核心内容是图像处理技术，其技术原理基本可以分为四部分：1.图像采集图像采集是指将目标物体的信息通过感光元件，转化为电信号，最后输出成为数字图像的过程。
目前市面上主要采用了CCD和CMOS等类型的感光元件。
2.图像增强由于生产线工作环境较复杂，往往伴随着各种光线、噪声等干扰因素。
图像增强则是指在采集到图像信号之后，对信号进行滤波、去噪等处理，从而使图像更加清晰。
3.目标分割目标分割将图像中的目标从背景中分离出来，包括色彩、形状、质量、空间等多角度分析。
基于不同目标的识别，需要特定的目标分割算法和操作过程。
4.目标识别图像识别操作则是以已经得到的目标特征数据为依据，通过编程和模型，进行目标识别和辨别操作。
目标识别主要包括模板匹配、特征提取、机器学习等方法。
以上四个步骤综合实现，就构成了视觉检测技术的基本原理。
三、视觉检测技术的研究进展视觉检测技术的应用非常广泛，被广泛应用于半导体、智能生产等许多领域。
以下是近年来关于视觉检测技术的研究进展：1.深度学习算法在视觉检测中的应用2012年深度学习技术面世后，这项技术开始在视觉检测中崭露头角。
机器视觉技术在智能巡检中的应用研究
机器视觉技术在智能巡检中的应用研究智能巡检是一种通过运用先进的技术手段来实现对设备、设施、工作环境等进行全面监控和检查的方法。
随着科技的发展和机器视觉技术的成熟，越来越多的企业开始将机器视觉技术应用于智能巡检中，以提高检查效率、保障工作安全、降低人力成本。
本文将对机器视觉技术在智能巡检中的应用进行研究和探讨。
一、机器视觉技术概述机器视觉技术指的是计算机或机器通过模仿人类的视觉系统，能够对包括图像或视频在内的视觉信息进行感知、处理和理解的技术。
它模拟了人类的视觉机制，通过摄像机捕捉图像或视频，然后通过图像处理、特征提取、目标检测等算法来快速、准确地分析图像信息，从而达到理解和决策的目的。
二、机器视觉技术在智能巡检中的应用1. 设备故障检测智能巡检中最常见的应用之一是设备故障检测。
通过机器视觉技术，可以实时监测设备，发现潜在的故障并进行预警。
例如，在电力巡检中，机器视觉技术可以识别电线杆的倾斜、电线的断裂或磨损，并及时报警，避免因故障导致的停电或事故的发生。
2. 安全监控智能巡检的另一个重要应用领域是安全监控。
机器视觉技术可以高效地监控工作场所、公共场所等环境，识别异常行为和可疑人员。
例如，在工厂巡检中，机器视觉技术可以识别工人是否佩戴安全帽、是否遵守安全操作规程，以及监测工作区域是否存在安全隐患，从而保障工作场所的安全。
3. 质量检测机器视觉技术在质量检测领域也有着广泛的应用。
在制造业中，通过机器视觉技术可以识别产品外观缺陷、尺寸偏差等问题，快速判断产品质量合格与否。
这不仅提高了生产效率，还能够避免次品流入市场，保证产品质量。
4. 环境监测机器视觉技术可以用于环境监测，例如大气污染、水质监测等。
通过机器视觉技术，能够快速准确地识别和检测环境中的有害物质，并提供实时的监测数据，帮助环保部门及时采取措施，保护环境和人民的生命安全。
5. 工业自动化机器视觉技术在工业自动化中也起着重要的作用。
通过机器视觉技术，可以实现对生产线上产品的自动检测，提高生产效率和质量稳定性。
电力智能巡检机器人研究综述
电力智能巡检机器人研究综述摘要：电力智能巡检机器人搭载高清可见光相机，红外热成像仪、拾音设备等智能化检测装置以及智能分析算法软件，完成全天候数据快速采集、实时信息传输、智能分析预警到快速决策反馈的管控闭环，从而代替人工巡检实现电力设备状态的自动检测和智能分析，提高了电网和电力设备运行的可靠性。
使用电力智能巡检机器人是电网智能化得以实现的重要手段，是智能电网未来发展的重要方向。
文中针对目前国内外研究现状和不足，分别从电力智能巡检机器人的主要技术、前沿科技、功能定位及标准体系等方面展开讨论，对电力智能巡检机器人研究现状进行了综述性探讨。
关键词：电力智能；巡检；机器人引言伴随经济发展和人民生活水平的提高，社会用电量不断提升，对电网运行稳定性提出更高挑战，变电、输电、配电等电力系统各环节的巡检需求进一步提高。
目前电力公司仍主要采用传统的人工巡检方式，即利用看、听、闻等感知手段，对电力设备运行状态进行查验和记录，此种方式存在着人力成本高、巡检手段单一、巡检数据主观性强、受天气影响大、数据管理分散等问题，逐渐无法满足准确、实时、高频率的电力设备巡检需求。
我国目前正从劳动密集型向现代化制造业方向发展，振兴制造业、实现工业化是我国经济发展的重要任务。
从工业发展历程看，生产手段必然要经历机械化、自动化、智能化、信息化的变革。
随着国民经济的快速发展以及生产技术的不断进步和劳动力成本的不断上升，使用机械、自动化技术代替人力成为巡检管理的必然趋势。
1电力智能巡检机器人国内外市场总体情况分析1.1国内市场情况按2015年国家电网和南方电网的规划，未来5年，原有枢纽及中心变电站智能化改造率将达100%，有约两万座110kV及以上的传统变电站将要进行智能化改造，同时新建智能化变电站数量达到1.5万座。
根据国家电网的统计，2016年底应用于国网35kV及以上变电站的智能巡检机器人数量共计893台，这一数量远未达到市场饱和的程度。
基于机器视觉的智能电网技术研究
基于机器视觉的智能电网技术研究近年来，随着人工智能和物联网技术的快速发展，智能电网技术的应用也越来越广泛。
机器视觉技术是智能电网技术中重要的一环，它通过识别图像或视频中的数据，实现对电网系统中设备的监测、安全控制和维护等。
一、机器视觉技术的应用1.设备监测机器视觉技术可以通过监测电线杆、变压器等设备，及时发现设备的异常情况，如裂缝、变形、氧化等，预测设备的寿命，及时修复或更换设备，保障电网的稳定运行。
2.安全控制机器视觉技术可以通过监测电网系统中的安全隐患，如鸟雀侵扰、电线交错等，及时发现并进行报警处理，保证电网系统的安全运行。
3.维护机器视觉技术可以通过对电网设备的监测，实现对设备的自动化维护，如机器人对变压器进行清洗、喷漆等操作，大大减轻了人工维护的工作量，提高了维护效率和精度。
二、机器视觉技术的技术原理1.图像采集机器视觉技术首先需要采集电网系统中设备的图像或视频，通过图像传感器对环境进行拍摄，得到电网设备的照片和视频。
2.图像处理机器视觉技术采用计算机视觉技术，对采集到的图像进行图像处理和分析，提取关键信息，如设备的位置、状态等，并通过算法对图像中的数据进行分类和识别。
3.数据分析机器视觉技术在对图像进行处理和分析后，得到设备的相关数据，如设备的温度、湿度、振动、电流等。
通过对这些数据的分析，可以判断设备的状态是否正常，并进行后续的控制和预测。
三、机器视觉技术的发展趋势随着人工智能和物联网技术的不断发展，机器视觉技术在智能电网技术中的应用也会越来越广泛。
未来，机器视觉技术可以与其他技术结合，实现更加智能化的应用。
1.深度学习机器视觉技术可以结合深度学习技术，通过对图像和视频中的数据进行分析和学习，提高设备识别和分析的准确率和速度。
2.虚拟现实技术机器视觉技术可以结合虚拟现实技术，通过虚拟现实技术对电网系统进行模拟，实现对电网系统的实时监测、人员培训等。
3.边缘计算机器视觉技术可以结合边缘计算技术，将智能电网系统中的数据处理和分析移动到设备端，减少数据传输和带宽消耗，提高数据的实时响应和处理速度。
基于机器视觉的智能巡检机器人研究
基于机器视觉的智能巡检机器人研究智能巡检机器人是一种基于机器视觉技术的自主移动机器人，具备自主导航、环境感知、异常识别和智能决策等功能。
它利用搭载的摄像头和传感器，通过对周围环境的感知和识别，实现对设备、设施、产品和工作区域的巡视检查，从而提高工作效率、降低人力成本以及减少运营风险。
一、智能巡检机器人的技术原理：1. 机器视觉技术：智能巡检机器人利用机器视觉技术实现对周围环境的感知和识别。
通过搭载的摄像头获取图像或视频流，并利用计算机视觉算法对目标进行识别、跟踪和分析。
这些算法包括目标检测、目标分类、目标识别、运动跟踪等，以实现对巡检区域的全面监控和检查。
2. 自主导航和定位技术：智能巡检机器人通过自主导航技术实现在复杂环境中的自主移动。
它通过感知周围环境的传感器，如激光雷达、超声波传感器、惯性导航系统等，获取周围环境的地图信息，并通过算法进行路径规划、避障和定位。
这样，机器人可以自主地沿着预定的巡检路径进行巡视，快速、高效地完成任务。
3. 异常识别和智能决策技术：智能巡检机器人通过机器学习和人工智能算法实现对异常情况的识别和智能决策。
通过对巡检区域的历史数据进行学习和分析，机器人可以识别出异常情况，如设备故障、物品丢失等。
一旦发现异常情况，机器人可以根据预先设定的规则或通过与操作人员的通信，采取相应的措施，如发送报警信息、自动修复故障等。
二、智能巡检机器人的应用场景：1. 工业生产线巡检：智能巡检机器人可以在工业生产线上进行巡视和检查，监测设备运行状况、产品质量以及生产线的安全情况。
这样可以提高生产线的效率和安全性，减少人力成本和生产风险。
2. 建筑物安全巡检：智能巡检机器人可以在建筑物内部巡视和检查，监测电气设备等重要设施的运行状况，及时发现故障并报警。
它还可以检查建筑物内部的安全隐患，如消防设施是否齐全、是否存在安全隐患等。
3. 仓库和物流巡检：智能巡检机器人可以在仓库和物流中心进行巡视和检查，监测货物的储存和运输情况，识别货物的标识信息，并检查仓库内部的安全情况，如消防设备是否齐全、堆垛机是否正常工作等。
基于机器视觉的智能巡检技术研究
基于机器视觉的智能巡检技术研究近年来，机器视觉技术的发展已经对传统的工业生产方式产生了很大的影响。
无论是传统的流水线生产，还是各种工业领域的检测和维护，都已经开始逐渐实现自动化，并且在这个过程中，机器视觉技术扮演了一个重要的角色。
随着工业生产的不断复杂化，传统的巡检工作已经无法满足实际需要，这时候，基于机器视觉的智能巡检技术应运而生。
一、机器视觉技术的发展与应用机器视觉技术是通过一系列图像处理算法实现对实际场景中的图像或视频进行分析的技术。
它的应用范围非常广泛，如物体识别、面部识别、安防监控、医学诊断等。
在工业领域中，机器视觉可以用于产品的质量检测、表面缺陷检测、尺寸测量、二维码/条形码识别等方面。
随着算法和技术的不断发展，机器视觉技术已经成为工业领域中不可或缺的工具之一。
二、智能巡检技术的发展和应用传统的巡检方法通常需要人员在设备或者生产线上进行巡视，这种方法效率低下，容易出现人为因素影响检测的准确性，且对巡检人员的要求较高，需要人员具备一定的技术素质。
智能巡检技术就是针对这一问题而出现的。
通过使用机器视觉技术，配合某些特殊的传感器，将对设备和生产线的检测全数交给系统处理。
智能巡检技术可以得到以下几个方面的好处：1. 安全性更高，可大幅度减少人员在流水线上的作业时间和风险。
2. 精准度高，基于机器视觉技术及其配套的算法，系统可以进行全面、高效、准确的检测。
3. 减少人工因素对检测结果准确性的影响。
4. 对不易检验的部位也可以进行全面的检测。
相对于传统的巡检方法，智能巡检技术不仅具有检测效率提高的显著优势，还可以减轻或者消除人工巡检对工程师或者工人的人力的压力，同时也可以提高产品的质量。
三、应用实例基于机器视觉的智能巡检技术已经在许多工业领域中得到了广泛的应用。
例如汽车工业、电子制造、食品生产等领域，都可以使用这种技术。
在汽车工业中，智能巡检技术可以使用在整个生产过程中，从检测组件到组装过程中的各个环节中，进行质量检测。
基于机器视觉的智能巡检机器人设计
基于机器视觉的智能巡检机器人设计智能巡检机器人是利用机器视觉技术进行设计的一种自动化设备。
它能够代替人工进行巡检任务，通过搭载各种传感器和相机，实现对特定环境的监测和分析，并进行相应的处理和反馈。
本文将详细介绍基于机器视觉的智能巡检机器人的设计原理、功能特点和应用前景。
一、设计原理基于机器视觉的智能巡检机器人主要依靠计算机视觉技术来实现对环境的感知和理解。
其设计原理包括图像采集、图像处理、目标检测与跟踪、行为识别等几个关键环节。
首先，智能巡检机器人通过搭载高清相机或激光扫描仪等设备，对巡检区域进行图像或点云数据的采集。
采集到的数据经过处理和优化，进行图像降噪、图像增强、图像去畸变等操作，以提高图像的质量和准确度。
其次，机器人利用图像处理算法对采集到的图像进行分析和处理。
这包括特征提取、特征匹配、图像分割等操作，以获得图像中物体的位置、形状、颜色等特征信息。
然后，机器人通过目标检测与跟踪算法对图像中的目标进行实时检测和追踪。
这可以通过机器学习的方法，建立目标类别的模型，并对待检测的目标进行分类和定位。
同时，机器人可以通过跟踪算法，实现对目标在运动过程中的连续跟踪和定位。
最后，机器人通过行为识别算法对检测到的目标进行行为分析和判断。
例如，对工业设备进行故障检测，对人员的活动进行监测等。
同时，机器人还可以通过语音识别和语音合成技术，实现和人员进行交互和沟通。
二、功能特点基于机器视觉的智能巡检机器人具有以下功能特点：1. 自主导航能力：通过搭载导航传感器和地图构建算法，机器人可以在复杂的环境中进行自主导航，找到巡检路径并避开障碍物。
2. 高精度的目标检测与跟踪能力：机器人通过图像处理和机器学习算法，可以对图像中的目标进行高精度的检测和跟踪，识别出潜在的问题和隐患。
3. 快速故障诊断与预警能力：机器人可以对工业设备进行实时监测，通过图像处理和行为识别算法，识别出设备的异常行为或故障，并及时向相关人员发送预警信号。
基于机器视觉的智能电力设备巡检系统设计与实现
基于机器视觉的智能电力设备巡检系统设计与实现随着科技的不断发展，智能电力设备的运行和维护变得越来越重要。
为了提高电力设备的巡检效率和准确性，基于机器视觉的智能电力设备巡检系统应运而生。
本文将介绍基于机器视觉的智能电力设备巡检系统的设计与实现。
一、引言近年来，随着电力设备的不断增多和日益复杂，传统的人工巡检方式已经无法满足实际需求。
基于机器视觉的智能电力设备巡检系统能够通过高精度的图像识别和数据分析，实时监测和检测电力设备的状态，提高巡检的效率和准确性。
二、系统设计基于机器视觉的智能电力设备巡检系统由以下几个主要模块组成：1. 图像采集模块：该模块负责采集电力设备的图像数据。
现代摄像机的成像质量越来越高，可以满足巡检系统对图像的要求。
可以将摄像机安装在电力设备周围，并通过传输设备将图像数据传送给后续的处理模块。
2. 图像处理模块：该模块负责对采集到的图像进行处理和分析。
首先，需要对图像进行预处理，包括图像去噪、增强和边缘检测等。
然后，使用机器学习和深度学习算法对图像进行分析，提取重要的信息和特征。
例如，可以使用卷积神经网络（CNN）对电力设备的各个部分进行识别和分类。
3. 数据分析模块：该模块负责对处理得到的图像数据进行进一步分析。
可以通过比对和分析不同时间点的图像数据，来判断电力设备的运行状态是否正常。
例如，可以检测设备的温度、振动等参数，并与历史数据进行对比，发现异常情况并及时报警。
4. 巡检报告模块：该模块负责生成巡检报告并提供给操作人员。
巡检报告可以包括电力设备的运行状态、异常情况和建议的维修方案等信息。
可以通过界面形式展示报告，也可以通过邮件或短信等形式发送给相关人员。
三、系统实现基于机器视觉的智能电力设备巡检系统的实现需要以下几个步骤：1. 数据集采集：为了训练和测试神经网络模型，需要采集一定数量的电力设备图像数据。
可以在电力设备现场拍摄图像，并结合设备运行参数进行标注。
同时，还可以借助公开的图像数据集进行补充。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
智能电网巡检机器人终端视觉巡检技术研究作者：钱平张永徐街明来源：《现代电子技术》2018年第18期摘要：传统的变电站巡检主要是人工巡检，工作量繁多且不能实时检测到系统的反常和障碍，使得巡检存在漏检和效率低的问题。
因此提出智能电网巡检机器人终端视觉巡检方法，使用[3×3]邻域的边缘检测算法，提取引导线的边缘特征点，依据边缘特征点通过隔10行扫描获取指定行像素的中点，得到引导线中心线，采用优化的行列联合搜索算法获取循迹图片中心线，使用“区域均衡”判别算法对图像进行判别，得到最佳引导线。
依据最佳引导线采用智能电网巡检机器人终端视觉巡检控制系统，实现智能电网巡检机器人终端视觉巡检。
实验结果表明，利用所提方法进行巡检控制的成功率在93%以上，具有高效率、抗干扰的优势。
关键词：智能电网；巡检机器人；视觉巡检；引导线；中心线；行列联合搜索中图分类号： TN915.5⁃34； TP242 文献标识码： A 文章编号： 1004⁃373X（2018）18⁃0113⁃04Research on terminal visual inspection technology of smart grid inspection robotQIAN Ping1，2， ZHANG Yong2， XU Jieming2（1. Zhejiang University of Science & Technology， Hangzhou 310023， China； 2. Zhejiang Electric Power Co.， Ltd. of State Grid， Hangzhou 310000， China）Abstract： The traditional manual substation inspection has heavy workload， and cannot detect the abnormality and obstacle of the system in real time， resulting in missing inspection and low inspection efficiency. Therefore， a terminal visual inspection method of the smart grid inspection robot is proposed. The edge detection algorithm of the 3×3 neighborhood is adopted to extract edge feature points of the guide line. According to the edge feature points， the center point for pixels of the specified row is obtained by scanning once every 11 lines， so as to obtain the center line of the guide line. The optimized row column joint search algorithm is used to obtain the center line of the tracking picture. The "regional equilibrium" discriminant algorithm is used to discriminate images and obtain the best guide line. According to the best guide line， the terminal visual inspection control system of the smart grid inspection robot is adopted to realize terminal visual inspection of the smart grid inspection robot. The experimental results show that the proposed method has a success rate of over 93% in inspection control， and has the advantages of high efficiency and anti?interference.Keywords： smart grid； inspection robot； visual inspection； guide line； center line； row column joint search0 引言由于变电站是电网的重中之重，因此需要消除在电力系统生产中的危险因素并得以顺利运转[1]。
传统的变电站巡检主要是人工巡检，人工巡检由于工作量繁多，会有漏检的现象产生，而且人工不能实时检测到系统的反常和障碍[2]。
科学技术的发展和电力体制的改革使智能电网巡检机器人代替了传统人工巡检。
机器人的技能特征可以胜任人工巡检完成不了的工作，不仅提升了巡检质量，还使智能电网建设得以飞速发展[3]。
本文采用智能电网巡检机器人终端视觉巡检方法，实现机器人终端的智能视觉导航，提高智能电网巡检机器人终端视觉巡检的效率和精度。
1 智能电网巡检机器人终端视觉巡检技术研究1.1 引导线识别如果变电站的路面没有太大起伏，根据地面设置的蓝色条状线以及路面背景的影像灰度值的不同，对影像进行提取[4]，通过在选取的影像画面中使图像灰度化，并且经过对图像的联合滤波作用，获取蓝色引导线的边缘，得到引导线的中心线[5]。
中心线的位置是辨别机器人自身和引导线间距的重要依据。
1.1.1 中心线提取中心线是机器人识别引导线的关键点所在。
提取引导线的中心线需要先提取出引导线的边缘特征点，才可以正确无误地按照蓝色引导线行驶。
为了防止在像素之间里插点上计算梯度，在此使用[3×3]邻域的边缘检测算法[6]，提取引导线的边缘特征点。
在边缘检测后的图像中获取的线条边缘是单像素，传统逐行搜索法是在相同区域边缘线周围搜索2个边缘点并采集该2点的坐标中心点，按照这个对全部图像区域进行检索，得出的全部中心点的集合就是中心线。
由于该方法的搜索效率低，因此，本文基于引导线边缘特征点，通过隔10行扫描获取指定行像素的中点，提取引导线中心线，以此提高搜索效率。
变电站巡检机器人拍到的蓝色引导线图像会以穿过图片上下边界直线的形式呈现[7]。
可以较为清楚地展现图像信息。
但是在图片左右边界处，由于机器人拍到的引导线穿过图片左右边界会使其发生畸变[8]，因此在获取该循迹图片中心线时，需要使用优化的行列联合搜索算法，实现引导线中心线准确定位识别。
1.1.2 “区域均衡”判别算法通过第1.1.1节可知，中心线是依据机器人拍摄的蓝色引导线图像进行搜索边缘点而获取的。
而拍摄过程中变电站室外存在地面的差异和光照差异等外在因素的影响，需要对图像进行判别[9]，获取最佳引导线。
因此，采用“区域均衡”判别算法，把[16×16]点阵设定成一个判断区域，通过对此区域平均RGB（颜色模型融合检测）数值的计算[10]，来判断蓝色引导线与此区域的关系。
实际现场的使用结果证明，“区域均衡”判别算法方便适用，对光线的抗干扰性强。
引导线的视觉识别导航示意图如图1所示，“区域均衡”判别算法示意图如图2所示。
1.2 智能电网巡检机器人终端视觉巡检控制系统通过上文的阐述，根据最终所得的最佳引导线，通过智能电网巡检机器人终端视觉巡检控制系统，让巡检机器人通过拍摄的图像，然后在终端视觉系统中做出操作指示，沿线行驶，完成“循迹”运行。
首先按照智能终端视觉系统指出的引导线位置和巡检机器人当前位置作对比，从而得知位置间隔的距离；然后通过智能PID控制方法对巡检机器人的左右轮实行转速协调控制；最后巡检机器人行驶方向和速度会根据引导线进行循迹运行。
巡检机器人终端视觉循迹控制方案详情见图3。
由图3可知，在智能电网巡检机器人的终端视觉系统中，通过智能PID控制方法对巡检机器人左右轮实行转速协调控制，可使巡检机器人按照引导线循迹运行。
2 实验分析实验为了验证本文提出的智能电网巡检机器人终端视觉巡检方法的性能优劣，采用某智能电网的巡检机器人获取的循迹图像进行仿真实验的方法。
采用的图像包括白天各时间段的光照条件。
各时间段不同光照条件下的图像如图4所示。
从室外环境提取不同光照条件的图像一共200幅，训练集和测试集的数量分别是120幅和80幅，进而测试验证智能电网巡检机器人采用本文终端视觉巡检方法，采集引导线的有效性。
首先在实验前把在各光照条件下提取的一部分样本图像中的引导线周边选取一片小区域，然后把图像中的色调设为H、饱和度设为S。
通过本文方法中的Sobel算法得出此区域里各个像素点的H，S值来提取二者的上下阈值，结果如表1所示。
把在提取的引导线区域中H，S 分量上下阈值当作所要获取的引导线颜色特征值，然后在测试图像里依据边缘特征得到引导线区域。
由表1可知，在不同光照下H，S的特征值也分别存在差异，说明引导线的判别也受其影响。
因此使用本文方法中的“区域均衡”判别算法把光照分为强光照、正常光照以及弱光照，进行抗干扰测试，测试集内3幅各光照条件下的引导线的获取结果如图5所示。
其中图5a）是获取的原始图像，图5b）描述的是相应的颜色特征和边缘特征的融合图像。
在选取的图像画面中进行图像灰度化和联合滤波，根据颜色特征和边缘特征融合后的图像在引导线边缘处找到分散的边缘点，通过行列联合搜索算法获取引导线的有效边缘点。
如图5b）所示，在不同光照条件下，因为受周围树木的干扰，使图像中呈现出的强弱光条件下的路面区域颜色没有太大的不同。
但是在融合后的图像里引导线边缘周围存在着分散的小像素点，而在各区域光照条件各异的情况下，像素点之间具有非线性关系。
本文所提取的引导线像素点间应是具有鲜明的线性关系才可以正确地指引巡检机器人运行。
因此通过本文方法中的“区域均衡”判别算法在不同光照条件下依然可以准确地获取引导线，实现机器人的准确巡检，具有较高的抗干扰性。
本文方法获取的引导线边缘如图5c）所示，图中白线标识的即是。
从图5所描述的内容可以得出，本文方法在各区域不同光照条件下都可以获取到正确有效的边缘线从而识别出引导线的路径，实现智能电网巡检机器人终端视觉的准确巡检。
测试集里的剩余80幅图像使用本文方法对引导线左右两侧边缘进行检测，如果出现获取的引导线一侧产生偏离或者误检现象，那么可以说明检测失败。