摘要：在当今这个科学技术飞速发展的时代，视频技术和红外成像技术已经日渐成熟。这两种技术在店里系统中得到了广泛的应用。视频技术大部分都是由图像信息来组成，因此图像信息成为电力系统自动化中重要作用因素，并且电力系统中对图像信息分析的要求也达到了一个新的高度，这就要求在一些应用场合必须利用计算机视觉技术由计算机替代监控人员进行图像理解。本文从计算机视觉的图像识别和三维重建两个方面重点阐述计算机视觉技术的基本内容，根据部分视力探讨计算机时局技术在电力系统自动化中应用的前景与必要性。
关键字：计算机视觉技术；电力系统；自动化应用；图像识别；三维重建
中图分类号：TP27 文献标识码：A
目前社会，电力系统中应用最广泛的技术就是多媒体技术，多媒体技术在信息的输入和输出和传送等方面有着其他技术不可替代的优势。电力系统正在改变原始的自动化模式，其中最为广泛的应用是各种与图像有关的技术。例如视频技术的工业电视系统与遥视系统、利用红外技术形成的红外成像系统等，都属于图像获取系统的范畴。
获取的图像信息最主要是通过人视觉系统进行理解，人的视觉系统包括眼睛，神经以及大脑中的相关部分。人眼不是机器，有主观性和易疲劳的缺点，对视频图像进行长时间观看或观察会对监控人员的视力产生不好的影响，因此会影响一些异常情况的处理。人眼观察不能快速地将各个相关画面信息进行综合判断，电力系统集信息、能量变化与一体的系统，要求速度，其过度过程在瞬间完成，若发生故障，一定要在短时间内消除，以免造成事故情况扩大。
保证电力系统安全的前提下，在图像识别的计算机视觉技术被运用到图像信息分析和理解基础上，电力系统图像信息的处理也越来越近于全智能化。例如火电厂煤粉锅炉火焰燃烧状态的识别、电力设备红外图像的简单识别等，随意已经得到运用，但是其应用功能还处于散漫的初阶段的状态。
一、计算机视觉技术的定义以及其基本内容
计算机视觉技术是专门研究用计算机来模拟生物外显或宏观视觉功能的技术。现代科学家将视觉定义为"根据获得的图像理解景物信息的处理过程"。计算机视觉也可以成为机器视觉、图像分析。视觉是依靠人眼与大脑神经系统完成的，但是计算机视觉确实利用计算机提供的方法完成对信息的处理。
目前，计算机视觉技术的应用广泛，在各个方面都得到了推广，医学中遥控图像、工业检测、文件处理、多媒体数据库等。简单地说，在人类需要视觉的所有情况下，都需要计算机视觉。在人无法感知和精确测量的情况下，计算机视觉的优越性就越发能体现出来。除了计算机视觉技术，如视频技术、图像数据压缩与传输、数字图像处理、人工神经网络、虚拟现实技术、模糊数学、模式识别等与计算机视觉相关的一些技术已经在电力系统中得到广泛应用，并显示出良好的前景。
上世纪80年代初的学者Marr提出了算视觉理论框架，并将视觉分为低层视觉、中层视觉、高层视觉三个层次。并在计算机视觉方面取得了巨大成就。从20世纪90年代初开始，人们又建立了一系列新的计算机视觉理论。图像分析和识别的算法一般比较复杂，因为此原因，计算量工程浩大。图象识别是模式识别在图象分类中的一个特例，这里面重要并且容易实现的分类方案是利用模式识别来设计图象识别。原理是在得到某个算法之后所涉及的分类方案对原来已知类别的图像能进行正确分类，或者在某种程度上将错误分类的可能性降到最低。
二、计算机视觉技术在电力系统自动化中的应用
方便、快捷、准确的获取各种图象信息是电力系统总应用计算机是计算机视觉技术的首要任务。本文介绍了一种变电站要是系统，这个是基于因特网传输方案的基础上的，实现了一个相对完善的变电站遥视警戒系统，其大面积的监视工作是利用一体化球形摄像机进行的，同时可以快速的调出现场画面。还能够在同时结合多种传感器信号和视频信号，变换出双重遥视警戒系统。其新的要求是可以通过依靠软件的升级来完成的，这在一定的程度上是给计算机视觉技术提供了一个非常好的应用前提条件。
在图像信息可以反映问题本质的前提条件下，对电力系统中的实际工程问题进行分析，计算机视觉技术可以适用的场合有：
1监测设备难以引出电信号或为了减少连接电缆；
2需要二十四小时全天候实时监视的重要设备和场所；
3监视范围大，角度自由，并且可以移动；
4人的视觉系统难以识别的图像（例如模糊图像、红外图像等）的分析。
现阶段看来计算机视觉技术的应用还是广泛的，也比较容易实现的。在店里系统中的应用，是一种对现有的遥视系统软件功能的完善和加强，在硬件设备上来看，基本的硬件设备不需要有变动，除了那些是为了识别需要增加的摄像机和照明系统之外，大体上都是没有做大的变动，所需要做的就是在软件红加入图像识别模块，并且经识别的结果输出到控制系统，更加不需要追加大的投资就可以达到一定程度上的视觉智能化。值得一提的一个问题是图像识别的实时性。图像识别的实时性问题，还是受影响于算法效率的高低以及硬件功能是否强大。还有另一个问题，图像种类比较繁多，当然识别的方法就不会是千篇一律的，所以不难发现，图像识别模块是具有相当繁重的工作量和相当大的工作规模，这就要求我们在应用时，要按照需要计划好图像识别功能，做到面面俱到，保证其通用性能的实现。
虽然科学技术在不断的更新进步，但是图像识别和计算机视觉技术在某些方面还并不成熟，计算机视觉技术如果要应用在现阶段的电力系统中或者是有关电力系统安全监视方面，那么最好的建议是要尽量运用简单并且算法成熟的的程序，所针对的问题基本上是需要识别状态数目、状态差异较大、容易分类的问题。综上所述，计算机视觉应用还没有在实际应用中完全代替人工操作，在这些实际应用中，不可能完全没有忽略人的视觉参与，计算机视觉技术的应用在一定程度上是处在一种辅助的地位，起到协助协调的作用。针对计算机视觉技术的各方面特点下面举个例子分析计算机视觉技术在电力系统自动化应用。
我国电力系统的发展迅速，随着电力系统的发展，电气设备也随之发展，正在从计划检修转变为状态检修。状态检修的基础是在线状态检修，计算机视觉技术在红外线图像故障检测的应用主要就是应用于电力设备的红外图像识别，与此同时也证明了电力设备进行在线监测的成功方法是红外线图像故障检测。众所周知，红外图像与物体表面的温度是密切相关的，所以红外热像仪拍摄电力设备的红外图像，进而惊喜图谱分析是得当的，此方法也是现阶段进行电力设备运行状态监测和故障诊断以及对整个发电厂或变电站进行温度管理的最佳方法，输电路绝缘条件恶化造成的局部过热、变压器少油造成的局部过热、断路器触头接触不良造成局部过热等这些情况都可以通过红外图像进行识别，这种情况识别问题的识别工作原理就是将电力系统设备实时的红外图像与其正常运行时的红外图像进行比较，超过我们所认定的标准值或者某个区间，就可认定发生故障，同时还能根据它的红外图像来定位发生故障的位置，这样就能做到及时发现及时解决处理，掌握熟练的技术识别图像变化着并不困难。电力设备的红外图像能得到其温度分布情况表，这样就可以根据温度分布情况对电力设备进行温度控制。电厂排取冷却水的局部控热和热污染控制和电厂保温材料性能的评价的图像分析和模式识别问题，还是有些困难额，一些技术等等都还暂时用不上。
在工作现场有时候会产生烟雾火苗、喷水冒起等异常现象，这些现象的识别报警也是一个需要慎重考虑的问题。从现场的某些时刻来看，在这些时刻前后拍摄图像数据变化情况，能鉴别出来其异常情况之处。但是有些正常的变化并不一定是发生了故障，也不是异常变化，这也是不该报警的地方。例如早晨晚上光线亮度的变化，在早晚温差较大某些地区早中晚温度的变化等，都是不应该报警的。遇到这种情况就可以采取一些算法和编程来过滤去除这些正常情况的规律变化，但是突发性的闪电打雷等都是属于自然现象，难以预计，这既不属于正常变化情况也不属于异常情况，难以去除，所以，这种不可抗力的情况还是需要借助于其他的辅助设备，用以协助人员监测等。
结语
伴随着科学技术的不断进步，电力系统自动化也离不开信息科技。计算机视觉技术也会跟着科学的进步在电力系统自动化的应用中不断深入。目前，多媒体技术是电力系统中应用最广泛的计算机视觉技术，因为在很多信息处理方面多媒体技术有着不可替代的优势和地位。电力系统的工作模式已经从原始落后的自动化模式转变为现代化的自动化模式。与图像有关的很多技术都可以运用到电力系统自动化中来。相信在不久的将来，科学技术的发展将会上升一个更高的高度，不仅能解决目前计算机视觉技术在电力系统自动化中的应用还存在的难题，更能使其应用更为全面和广泛。
参考文献
[1]龚超，罗毅，涂逛瑜.计算机视觉技术及其在电力系统自动化中的应用[J].电力系统自动化，2003（01）.
