设备识别（精选10篇）
设备识别 篇1
简单的说, 光纤分多模光纤和单模光纤。多模光纤 (Multi Mode Fiber) :中心玻璃芯较粗 (50或62.5μm) , 可传多种模式的光。但其模间色散较大, 这限制了传输数字信号的频率, 而且随距离的增加会更加严重。因此, 多模光纤传输的距离就比较近, 一般只有几公里。单模光纤 (Single Mode Fiber) :中心玻璃芯很细 (芯径一般为9或10μm) , 只能传一种模式的光。因此, 其模间色散很小, 适用于远程通讯, 但还存在着材料色散和波导色散, 这样单模光纤对光源的谱宽和稳定性有较高的要求, 即谱宽要窄, 稳定性要好。在实际工作中, 由于单模光纤传输的距离较远, 价格差距也不大, 所以新建的网络基本上都使用单模光纤进行数据传输。光纤铺设后, 并不能直接与设备相连, 必须使用光纤连接器。国际电信联盟 (ITU) 将光纤活动连接器定义为:用以稳定地, 但并不是永久地连接两根或多根光纤的无源组件。是用于光纤与光纤之间进行可拆卸 (活动) 连接的器件。它是把光纤的两个端面精密对接起来, 以使发射光纤输出的光能量能最大限度地耦合到接收光纤中去, 并使由于其介入光链路而造成的衰减减到最小。
1 常见的光纤连接器
光纤连接器按连接头结构型式可分为:FC、SC、ST、LC、D4、DIN、MU、MT-RJ等型, 在平时的网络工程中最常见到得最多的是SC、ST、LC、MT-RJ, 只有认识了这些接口, 才能在工程中正确选购光纤跳线、尾纤、GBIC光纤模块、SFP (mini GBIC) 光纤模块、光纤接口交换机、光纤收发器、耦合器。
1.1 SC型光纤连接器
SC型光纤连接器是一种插拔销闩式的连接器, 只要直接插拔就可以对接, 外壳呈矩形, 因此可以称为“方口”。所采用的插针与耦合套筒的结构尺寸与FC型完全相同, 其中插针的端面多采用PC或APC型研磨方式。SC型光纤连接器多应用在光纤收发器、GBIC光纤模块中。两头都是SC型是根SC-SC的光纤跳线。一般情况下, 这种跳线用于连接两台带光模块的设备。
1.2 ST型光纤连接器
ST光纤连接器有一个卡销式金属圆环以便与匹配的耦合器连接, 上有一个卡槽, 直接将插孔的key卡进卡槽并旋转即可, 因此也可以称为“卡口”。在出现SC之前ST一直被认为是标准连接器。SC后来同ST一起被TIA/EIA-568-B标准列为结构化布线推荐连接器。ST型光纤连接器多用在光纤终端盒或光纤配线架上。两头都是ST型是根ST-ST的光纤跳线。一般情况下, 这种跳线通过耦合器用于连接两根带光纤。
1.3 LC型连接器
LC型连接器采用操作方便的模块化插孔 (RJ) 闩锁机理制成。其所采用的插针和套筒的尺寸是普通SC、FC等所用尺寸的一半, 为1.25mm。LC型光纤连接器是为了满足客户对连接器小型化、高密度连接的使用要求而开发的一种新型连接器。它压缩了整个网络中面板、墙板及配线箱所需要的空间, 使其占有的空间只相当传统ST和SC连接器的一半。特点:体积小, 尺寸精度高;1.25mm陶瓷插芯;插入损耗低;回波损耗高。目前LC型连接器多见应用在SFP (mini GBIC) 光纤模块中, 而SFP模块用在提供SFP扩展槽的交换机中。两头都是LC型是根LC-LC的光纤跳线。一般情况下, 这种跳线用于连接两台带LC光模块的设备。
1.4 MT-RJ型连接器
MT-RJ型连接器是一种集成化的小型连接器, 是双纤的。它有与RJ-45型LAN电连接器相同的闩锁机构, 通过安装于小型套管两侧的导向销对准光纤, 为便于与光收发信机相连, 连接器端面光纤为双芯排列设计, 是主要用于数据传输的下一代高密度光连接器。MT-RJ的插口很象RJ45口, 由于它横截面小, 所以多见于含有光接口的交换机中, 这样在交换机的前面板上不占用太多空间。这是1根ST-MTRJ的光纤跳线, 即一头是ST型, 另外一头是MTRJ型。一般情况下, 这种跳线用于连接设备和光纤。SC-MTRJ的光纤跳线, 一头是SC型, 另外一头是MTRJ型。一般情况下, 这种跳线用于连接两台设备。
1.5 耦合器
光纤适配器主要用在光纤干线的两端接入的光纤终端盒上, 光纤终端盒上前面板上有若干个贯穿的圆孔, 光纤适配器就安装在圆孔上。光纤干线拉到这里, 要与相应接口的尾纤熔接, 以最终形成可使用的接头, 这个接头通过光纤适配器固定在光纤终端盒的前面板上。要使用时就可以用相应接口的光纤跳线来与对应光纤设备跳接。在网络工程中最常用的只有两种光纤适配器:分别是对应螺口尾纤的FC型或卡口尾纤的ST型, 而其中ST型的光纤适配器敢也是最最常用是ST型耦合器。
1.6 光纤收发器
光纤收发器是一种将短距离的双绞线电信号和长距离的光信号进行互换的以太网传输媒体转换单元, 在很多地方也被称之为光电转换器或光纤转换器 (Fiber Converter) 。光纤收发器一般应用在以太网电缆无法覆盖、必须使用光纤来延长传输距离的实际网络环境中, 同时在帮助把光纤最后一公里线路连接到城域网和更外层的网络上也发挥了巨大的作用。有了光纤收发器, 也为需要将系统从铜线升级到光纤, 但缺少资金、人力或时间的用户提供了一种廉价的方案。为了保证与其他厂家的网卡、中继器、集线器和交换机等网络设备的完全兼容, 光纤收发器产品必须严格符合10Base-T、100Base-TX、100Base-FX、IEEE802.3和IEEE802.3u等以太网标准。
1.7 光纤模块
光纤模块与光纤收发器的作用一样, 进行光电转换模块、光电信号互转。但光纤模块一般是以插槽形式, 嵌入交换机中。GBIC模块, GBIC是Giga Bitrate Interface Converter的缩写, 是将千兆位电信号转换为光信号的接口器件。GBIC设计上可以为热插拔使用。GBIC是一种符合国际标准的可互换产品。SFP模块, SFP是SMALL FORM PLUGGABLE的缩写, 可以简单的理解为GBIC的升级版本。SFP模块体积比GBIC模块减少一半, 可以在相同的面板上配置多出一倍以上的端口数量。SFP模块的其他功能基本和GBIC一致。有些交换机厂商称SFP模块为小型化GBIC (MINI-GBIC) 。
2 光纤测试参数
光纤布线系统安装完成之后需要对链路传输特性进行测试, 其中最主要的几个测试项目是链路的衰减特性、连接器的插入损耗、回波损耗等。
光纤链路的关键物理参数:
衰减: (1) 衰减是光在光沿光纤传输过程中光功率的减少。 (2) 对光纤网络总衰减的计算:光纤损耗 (LOSS) 是指光纤输出端的功率Power out与发射到光纤时的功率Power in的比值。 (3) 损耗是同光纤的长度成正比的, 所以总衰减不仅表明了光纤损耗本身, 还反映了光纤的长度。 (4) 光纤损耗因子 (α) :为反映光纤衰减的特性, 引进光纤损耗因子的概念。 (5) 对衰减进行测量:因为光纤连接到光源和光功率计时不可避免地会引入额外的损耗。所以在现场测试时就必须先进行对测试仪的测试参考点的设置。
回波损耗:反射损耗又称为回波损耗, 它是指在光纤连接处, 后向反射光相对输入光的比率的分贝数, 回波损耗愈大愈好, 以减少反射光对光源和系统的影响。改进回波损耗的方法是, 尽量选用将光纤端面加工成球面或斜球面是改进回波损耗的有效方法。
插入损耗:插入损耗是指光纤中的光信号通过活动连接器之后, 其输出光功率相对输入光功率的比率的分贝数。插入损耗愈小愈好。插入损耗的测量方法同衰减的测量方法相同。
责任编辑:王娜
摘要：在网络的建设工程中, 主干部分的布线大量采用光纤, 由于光纤设备的类型较多, 很多朋友工作中又很少接触光纤介质, 所以在处理故障时就会造成很多麻烦。结合工作经验, 介绍一下网络布线工程中常用到的光纤、常见的光纤接口及设备的种类和使用的方法。
关键词：光纤,设备,连接
设备识别 篇2
经排查、测试解决方法：
主板电池供电不足：
以上两台机子均是使用年数比较长的台式机，很有可能主板电池电量不足所知;
解决方法：更换新的主板电池，问题解决，
另外一种情况，也可以导致该现象，即BISO内关闭了USB2.0设备：
设备识别 篇3
指纹识别技术将走进手持设备
用指纹辨别身份已经不再只是科幻片里的场景了，指纹识别技术正在持续扩展触角。指纹识别技术厂商UPEK今年已将目标市场扩展至智能型手机、PDA等手持设备。预计在价格门槛不高以及信息价值已大于硬件价格等前提下，指纹识别技术大幅走进手持设备将指日可待。UPEK软件解决方案总监Bill Bockwoldt乐观地预期，到了2008年，指纹识别复合增长率将达到40%，其中手持设备是拉升指纹识别市场增长的最大动力。通过指纹识别技术认证身份后，使用者可利用手机在更安全的条件下小额付款消费，或以指纹取代帐号密码连接公司内部网络。
4项专利
到底是谁侵犯了谁苹果与创新的斗争还在进行中。在被创新指控iPod和iPod nano侵犯其专利后，苹果提起了反诉。5月15日，苹果在位于威斯康星州的联邦地方法院起诉了创新。就在同一天，创新在位于加利福尼亚州的联邦地方法院起诉了苹果，要求法院禁止苹果生产、销售iPod和iPod nano，并令苹果赔偿其损失。苹果在起诉书中指控创新侵犯了其4项与数字媒体播放器的用户界面、图标显示有关的专利，要求创新赔偿经济损失，停止侵犯其专利的行为。此外，创新还向美国国际贸易委员会进行了投诉。
2.0瓦特/千克
中国手机辐射新标准
你是不是还在担心手机辐射会对身体健康造成危害呢？目前，全球移动电话用户总数已高达5.7亿，作为世界上手机用户第二多的国家，我国已经向相关主管部门报批手机辐射新标准。据悉，目前提交的手机辐射限值采用欧洲国家普遍采用的国际标准之一的2.0瓦特/千克标准。对于这个即将出台的新的管理标准，多数手机厂商表示欢迎，韩国LG中国公司以及波导手机的相关人士均对自己的产品有很大的信心。不久之后，手机用户就可以放心地选择一款真正健康的手机了。
19.9%股份
中国移动收购凤凰卫视，为3G到来做准备
中国移动有限公司近期宣布，与凤凰卫视控股有限公司签署战略联盟协议，同时收购新闻集团旗下星空传媒所持19.9％的凤凰卫视股权。中国移动与凤凰卫视将在创新移动内容、产品、服务和应用的开发及推广方面展开合作。根据协议，中国移动和凤凰卫视将共同开发与无线媒体内容相关的产品和服务。凤凰卫视将可以比较优惠的条件直接接入中国移动的网络，享受中国移动的用户资源。而中国移动也将有限获得凤凰卫视的新闻和部分节目资源。分析人士指出，此举是中国移动第三代移动通信（3G）战略的重要部分，该交易将使中国移动向其用户提供更多服务和更丰富的媒体内容。业界普遍认为，中国将于今年发放3G牌照，以多媒体应用为特点的3G时代将为运营商和增值服务带来更多的机遇和挑战。中国移动是最大的移动通信运营商，向中国内地31个省、自治区、直辖市提供移动话音、移动数据及其他相关服务，也是香港的主要移动通信运营商之一。
6家公司
联手数字电视门户服务
如果你有了一台数字电视，那么谁来给你提供相关功能的服务就会显得非常重要。松下电器产业、索尼通讯网络（SCN）、索尼、夏普、东芝及日立制作所6家公司，将联合成立面向具备宽带连接功能的电视机提供门户服务的合资公司，目前正在探讨通过互联网向各厂商的电视机提供生活信息以及在线点播影像内容等服务。合资公司的“电视门户服务”将于2006年7月7日在东京都港区成立，注册资金为10亿日元。在出资比例方面，松下电器为35％，索尼通讯网络为25％，其他4家公司为10％。
7部
索尼将推出首批蓝光电影
索尼影业（Sony Pictures）近日表示，首批蓝光（Blu-ray）格式的DVD电影将于6月20日推出，目的是与三星的首款蓝光DVD播放机、索尼首款VAIO蓝光PC保持同步上市。索尼称，首批推出的蓝光DVD电影共有7部，其中包括《初恋50次》、《第五元素》、《全民情敌》和《十面埋伏》等，并计划于此后数周内再推出另一批此种格式的电影。为占据下一代DVD格式的主导地位，以索尼为首的蓝光阵营与以东芝为首的HD DVD阵营展开了激烈的市场争夺。今年4月，东芝率先推出了HD DVD播放机，但蓝光支持者对此表示，HD DVD播放机不见得能得到足够的内容支持。东芝表示，首款DVD播放机出货量为1万台，但没有透露其当前具体销量如何。
20款机型
电视机市场展开激烈竞争
在6月5日举行的“SID 2006”商务会议上，美国DisplaySearch总裁Ross Young以最新销售数据为依据，介绍了在美国电视机市场上索尼与韩国三星电子关于市场份额的激烈争夺战。索尼与三星目前正在为争夺美国电视机市场份额之首而激烈争夺。从不同机型的销售份额来看，两公司的优势非常明显。截至2006年5月20日，在畅销榜的前20款机型中，索尼占8款，三星也占8款，两公司共占了16款，而松下电器产业只有3款上榜。各品牌的争奇斗艳促使了电视机市场的蓬勃发展，这对于消费者来说，未尝不是一件好事。
1个有趣报道
报纸迈入电子化不久的将来，当你坐在沙发上边喝咖啡边查阅新闻的时候，手里拿的也许不再是报纸了。《纽约时报》最近有篇关于报纸走向电子化的有趣报道，相较以往对于有趣的广告、电子报的费用以及电子报将在何时何地以何种方式出现的讨论，这篇报道的内容显得更加有趣。比利时一份财金新闻报纸媒体《时报》（De Tijd）已经将他们的新闻内容放上iLiad电子报浏览机，巴黎的《回声报》（Les Echos）、德国的IFRA集团、《纽约时报》以及《国际先锋论坛报》目前皆在筹划今年推出可在电子装置（例如SONY的浏览机）上订购及阅读的电子新闻。
3个发现
关于多功能智能终端的调查到底什么样的移动设备最能满足人们的需要呢？最近，诺基亚进行了一项包括中国、法国、印度、日本、美国等11个国家在内的全球性调研，以期获得人们对于当前和未来的多功能智能终端的看法。在全球范围内，该调研有三个主要的发现：目前全球几乎每两个人中就有一个人将他们的移动设备作为主要的相机来使用；超过三分之二的人预言一个具备音乐功能的移动设备将会取代他们的MP3播放器；半数以上的人希望将移动设备与他们的家用电器相连。调研结果提供了一个独特的关于移动设备用途的全球性概况，揭示了人们对于主流的移动技术，特别是对音乐和数字家庭的态度。
60亿美元
印度最大的跨国公司
设备识别 篇4
从识别方法上看,目前主要采用的是隐马尔可夫模型(HMM)、模板匹配方法及神经网络方法。哈尔滨工业大学的吴江琴、高文等给出了ANN与HMM的混合方法作为手语的训练识别方法,以增加识别方法的分类特性和减少模型的估计参数。将ANN-HMM混合方法应用于有18个传感器的cyberglove型号数据手套的中国手语识别系统中,孤立词识别率为90%,简单语句识别率为92%[2]。高文等又选取Cyberglove型号数据手套作为手语输入设备,并采用了DGMM作为系统的识别技术,可识别中国手语字典中274个词条,识别率为98.2%.综合以上文献发现,传感器越多,可以提高识别率,但从舒适度和实用性等方面考虑却略显不足,因此本文研究只用5个传感器基于单手手语的识别,结果表明,只用5个传感器对于简单数字的识别也可以达到较高的识别率。
1数据采集与处理
1.1基于加速度传感器的数据采集与保存。根据手语识别中的加速度采集的要求,本文采用ADXL345加速度传感器作为手语加速度数据的采集源,采用ARM Contex微处理器作为平台,分别绑在五个手指上,随着手指的运动,加速度传感器开始采集数据,并通过sscom32串口,将数据传输到电脑中,保存为txt格式。
1.2加速度数据预处理。由于加速度传感器本身的技术,制造工艺,材料,以及个人身体抖动和环境因素,加速度传感器采集的数据中,伴随着许多随机误差和干扰。这些误差会严重干扰基于加速度的手势识别精度和难度。因此,有必要在数据进行正式处理之前,对采集的加速度数据预处理,包括跳点去除、平滑滤波、特征提取等,实现加速度信息的有效提取和高效压缩,有效解决在传统的手势识别算法中计算量过大的问题。为了准确判断用户何时开始以及何时结束手语动作,减小实验误差。本文统一规定五个手指竖直向上的静止状态作为手语动作的开始状态和结束状态。
1.2.1去除跳点。由于加速度传感器本身的原理、材料和制作工艺等方面的缺陷,以及周围环境的影响,会导致加速度传感器采集到的数据会有跳跃性较大的加速度值,可以称之为跳点。这些跳点的存在,对加速度特征的提取可能会有一定的影响,并最终导致手势识别的误差增加。本文有一种比较前后增量变化量的方法,对加速度数据中的跳点进行过滤。
假设t-1时刻读取到加速度数据为D(t-1),t时刻读取到加速度数据为D(t),t+1时刻读取到加速度数据为D(t+1)。首先要获取变化幅度,计算相邻两个时刻的加速度增量,即D(t,t-1)=D(t)-D(t-1),D(t+1,t)=D(t+1)-D(t).在跳跃性比较大的点,总有两个相邻的增量,一个急剧增大,一个急剧减小,即如果D(t,t-1)和D(t+1,t)符号相反,并且两个增量的绝对值均超过给定阈值M,则认为t时刻的加速度值D(t)为跳点,然后用前后两点的加速度值的平均值来代替此点的加速度值。以此类推,就可以将整个手势动作的加速度序列中的所有跳点去除。
1.2.2加速度数据的平滑处理。由于人体手臂的抖动,身体的摆动以及周围环境的晃动,采集到的加速度数据会有很多的随机干扰数据,需要对加速度数据进行平滑滤波处理。噪声的存在,会加大提取特征值的难度,同时,也会降低手语识别的准确度。因此需要对加速度数据进行平滑处理。本文对滑动均值滤波和中值滤波作比较,最后采用中值滤波算法进行平滑去噪,前后数据对比如图1。
2 BP神经网络手语识别
本文采用BP神经网络模型进行手势动作的识别,识别过程如图2。
本项目采用的三层神经网络,隐含层的神经元的个数分别为(25,9,12)。传递函数采用了多次尝试修改之后最终选定了每层的传递函分别为('logsig','tansig','purelin'),数据的拟合度可以达到97.312%,这是一个很不错的结果,。
2.1训练效果的实际性检验(表2)。
2.2结果分析。在数据训练识别中,由于数字9和数字0的识别中,由于数字0的手势识五个手指全部握住,而在数字求的识别中,手语动作识食指只是一个弧度,没有彻底握住,导致了数字9和数字0的识别率较低。这一问题有待于以后的提高。
摘要：本文用ADXL345加速度传感器作采集单手手语数据,再提取手语动作的的特征提取方法,最后通过BP神经网络对手语动作进行训练和识别,结果表明对于0-9等10个阿拉伯数字的平均识别率为88%,为实现手语动作的人机交互提供了参考。
关键词：手语识别,特征提取,BP神经网络
参考文献
[1]戴俊.基于图像高阶NMI值的手势识别算法研究[D].上海:上海海事大学,2004,5.
[2]吴江琴.基于DGMM的中国手语识别系统[J].计算机研究与发展,2000,5.
[3]张宏林.材料数字图像模式识别技术及工程实践[M].2003年2月第1版.北京人民邮电出版社,2003:1-5.
[4]杨全.基于7Hu不变矩特征量的中国手指语字母识别算法[D].西安:西安建筑科技大学,2007,5.
[5]邹伟.一种中国手语单手词汇识别系统[J].系统仿真学报,2003,2.
设备识别 篇5
无法识别usb设备解决方法：
1.前置USB线接错。当主板上的USB线和机箱上的前置USB接口对应相接时把正负接反就会发生这类故障，这也是相当危险的，因为正负接反很可能会使得USB设备烧毁。所以尽量采用机箱后置的USB接口,也少用延长线.也可能是断口有问题,换个USB端口看下.
2.USB接口电压不足。当把移动硬盘接在前置USB口上时就有可能发生系统无法识别出设备的故障。原因是移动硬盘功率比较大要求电压相对比较严格，前置接口可能无法提供足够的电压，当然劣质的电源也可能会造成这个问题。解决方法是移动硬盘不要接在前置USB接口上，更换劣质低功率的电源或尽量使用外接电源的硬盘盒，假如有条件的话，
3.主板和系统的兼容性问题。呵呵这类故障中最著名的就是NF2主板与USB的兼容性问题。假如你是在NF2的主板上碰到这个问题的话，则可以先安装最新的nForce2专用USB2.0驱动和补丁、最新的主板补丁和操作系统补丁，还是不行的话尝试着刷新一下主板的BIOS一般都能解决。
4.系统或BIOS问题。当你在BIOS或操作系统中禁用了USB时就会发生USB设备无法在系统中识别。解决方法是开启与USB设备相关的选项。就是开机按F2或DEL键,进入BIOS,把enableusbdevice选择enable。
5.拔插要小心,读写时千万不可拔出,不然有可能烧毁芯片。XP中任务栏中多出USB设备的图标，打开该图标就会在列表中显示U盘设备，选择将该设备停用,然后你再拔出设备，这样会比较安全。
其实判断软件硬件问题很简单,在别的机器或换个系统试试就可以了.有些小的问题不妨先用专门软件格式化下.还有提醒大家WINDOWS下格式化时要选择FAT,不要选FAT32。
提示无法识别的USB设备维修
设备识别 篇6
关键词：电气焊点,定位识别,膨胀算法,边缘检测
0 引言
DW设备是用于多纤维物质干燥处理的常用设备, 对其进行电气组装的时候经常要面对形状各异的焊点。为了提高DW设备的组装过程的速度, 需要实现其电气组装的自动化。这个自动化的过程, 就涉及到计算机的自动控制和焊点的自动识别与定位, 尤其是焊点的准确识别与定位非常关键。
对于计算机而言, 为了实现电气组装的自动化, 一般需要以摄像机为传感器获取焊点图像, 并经过一系列图像处理操作最终识别和定位焊点。目前, 对于不同形状的特征识别和定位, 可以采用基于灰度统计的模板匹配技术。但是, 焊接现场拍摄回的图像, 受到各种噪声的干扰往往无法对焊点特征形成清晰的表达。如何在模板匹配前, 强化图像中的特征、确定各个特征的准确区域, 才能确保定位和识别结果的准确性。
目前, 应用于特征增强、区域分割的图像处理方法很多, 比如阈值分割、边缘检测等技术[8]。因此, 对于本文要处理的焊点自动识别来讲, 可以考虑将图像处理中常用技术进行有效的组合, 以期突出图像特征、准确匹配焊点并确定其位置。
1 焊点定位识别的总体构思
在现场拍摄的含有焊点特征的原始图像, 含有圆形、方形、扇形、圆矩角、朵头型等形状信息。要实现其电气连线焊接的自动化, 需要靠计算机视觉及图像处理技术完成不同形状焊点的自动识别与定位。在大量的实验中我们发现, 原始图像中各特征区域 (焊点特征和非焊点特征) 与背景之间的对比度并不显著, 因此需要采用一定的图像增强操作来突出特征。经过增强后的图像中, 特征区域变得明显, 但其中仍有一些细碎区域, 使得特征区域无法形成统一完整的闭合形状。为了解决这个问题, 进一步考虑采用膨胀算法消除细碎区域, 但是膨胀算法会使得边界向外扩张。为此, 在执行膨胀算法前, 最好能通过边缘检测技术准确确定边缘, 使得膨胀算法只在边缘区域内进行。闭合完整的各特征区域确定以后, 就可以执行模板匹配技术, 实现焊点形状的识别和定位了。基于这个整体思路, 我们确定的焊点定位识别方法框架如图1所示。
焊点定位识别的方法设计
2.1 自适应阈值分割粗定特征区域
阈值分割技术是区分特征目标和背景区域的常用方法。但是, DW设备电气连接图像中, 各个特征区域以及背景区域之间无法用单一的阈值实现准确的分割。这里, 考虑使用一种更加有效的自适应阈值分割方法。自适应分割中的阈值, 是依靠待处理像素周围邻域的像素灰度确定的。比如, 在一个3*3的处理模板中, 中心像素是待处理像素, 分割阈值可以用整个邻域的均值来表达, 这样分割过程就比较好地反映了图像局部的灰度分布特征。阈值的计算和最终的分割处理公式如下所示。
2.2 Canny边缘检测定位特征轮廓
通过自适应阈值分割技术, 可以获得比较明显的特征区域。但是特征区域之内存在细碎的不同像素分布, 为了便于后续的模板匹配, 需要将特征区域完整填充。一般来讲, 可以采用膨胀算法填充细碎区域。这里, 借助边缘检测技术定位特征轮廓, 以便确定膨胀算法的执行区域。Canny算子同其它边缘检测算法相比, 不但边缘定位准确, 而且可以获得单像素边缘。Canny算子的边缘检测过程如下:
首先, 用高斯滤波器平滑图像。分别用g (x, y) 、f (x, y) 表示平滑前后的图像, 具体处理如公式 (2) 所示。
其次, 通过求取平滑后图像偏导数, 计算边缘强度和边缘方向, 如公式 (3) 所示。
式中, 分别代表图像的方向一阶偏导数、方向一阶偏导数、图像边缘的强度、图像边缘的方向。
再次, 对强度为非极大值的边缘进行抑制。经过偏导求解, 大量的边缘信息将会生成。但是, 其中有很多并非真正边缘的伪边缘信息。对于这样的边缘, 是需要去除的。Canny算子的处理方法是, 比较待处理像素和邻域梯度极值, 如果它不超过邻域梯度极值, 就应该去除。
最后, 边缘特征的连接。经过上述3个步骤的处理, 很多边缘特征还是断续的情况。这时, 可以通过判断一个邻域内是否存在不连续的两个非0像素, 完成边缘连接。
2.3 边缘内膨胀精确定位特征区域
为了实现特征区域内的完全填充, 我们采用膨胀算法弥合区域内的非主流像素。用F表示图像中的一个特征区域, 在整幅图像中移动事先设定的结构元素S到a个单位后, 形成新的结构元素Sa。如果Sa恰好击中F, 则膨胀后的特征区域表达如公式 (4) 所示。
但是, 膨胀操作不但会弥合特征区域内的非主流像素, 也会扩展特征区域的边界。所以, 我们用上一步骤Canny算子得到的边缘, 限制膨胀算法的执行范围不超过特征区域的边界, 也不允许向其外扩展。
2.4 模板匹配识别定位焊点特征
通过以上操作, 我们就获得了每一幅DW设备电气连接图像的清晰的特征图。这时, 我们通过事先构建的焊点特征模板图像, 和待检测图像进行模板匹配, 来确定其中焊点的类型和位置。设模板图像T的大小为M*N, 待检测图像为Q, 则二者之间相似度比较的公式如下:
待检测图像中, 检测到那幅模板, 就确定了特征的类型。其检索到的位置, 也就是特征所在的位置。
3 实验与实验分析
为了验证本文方法的有效性, 我们根据DW设备电气连接的实际图像进行了焊点检测实验。实验结果如图2所示。
图2中, 第一行图像是根据DW设备常见的焊点形状提取出的基本模板图像, 在模板库中我们还对它们进行了水平镜像、垂直镜像等操作, 以获得更多方向上模板。图2中第二行、第三行分别是带有朵头形状焊点、跑道形状焊点的原始图像及其实验结果。其中的第二列是执行自适应阈值分割效果, 第三列是执行Canny边缘检测的效果, 第四列是执行边缘内膨胀的效果, 第五列根据第一列模板图像展开的模板匹配结果, 最终的定位位置用红色十字进行标注。
通过图2的结果不难看出, 我们设计的检测方法实现了对朵头形状焊点、跑道形状焊点的准确识别和定位。对于其它类型焊点的查找也取得了不错的效果, 但因为篇幅所限没有全部给出。
4 结论
针对DW设备的电气焊接的自动化问题, 提出了一种基于图像处理的焊点定位与识别方法。这种方法通过自适应阈值分割, 可以更加完整地保留各个区域的特征信息;而Canny算子的使用, 准确地确定了各个区域的边缘, 为后续的膨胀算法实施奠定了基础;膨胀算法的执行, 有效地消弭了各个特征区域内的细碎信息;在此基础上的模板匹配, 准确地完成了焊点特征的识别与定位。
本文提出的这种方法, 虽然是针对DW设备提出的, 但是对于类似的电气焊点识别问题具有普遍的意义, 可以在同类研究中推广使用。
参考文献
[1]周颖, 赵海凤, 郝红敏.基于图像处理的焊点缺陷识别方法的研究[J].计算机工程与应用, 2011, 10 (24) :1-6.
[2]Joseph LaDou.Printed circuit boardindustry[J].International Journal ofHygiene and Environmental Health, 2006, 209:211-219.
[3]Chwee Liong Tee, Andy Pascual.Impact of quad flat no lead packageon automated X-ray Inspection[C].International Test Conference, 2007:1-10.
[4]赵鑫.基于能量的图像分割的应用及研究[D].江南大学, 硕士学位论文, 2012.
[5]王子须, 于素萍.一种避免颜色失真的图像增强算法[J].计算机工程与应用, 2012, 3 (21) :1-4.
[6]王学伟, 于锴峰, 王琳.红外图像锁相滤波去噪算法的研究[J].电测与仪表, 2008, 45 (6) :38-42.
[7]宁志刚, 汪仁煌, 张艳玲, 谭义.基于图像识别的指针式仪表阻尼时间测量方法[J].电测与仪表, 2005, 42 (11) :49-52.
设备识别 篇7
关键词：移动存储设备,安全隐患,可信移动介质,解决方案
随着信息产业E时代向G时代的高速发展, 各企业的信息化应用水平有了显著的提高, 移动硬盘、u盘等移动存储没备的应用已经屡见不鲜, 其购置成本低, 使用方便, 体积小、携带方便、海量存储等优点致使其成为人们进行办公信息处理的首选存储设备。许多大量的敏感信息、秘密数据和档案资料被存储在这些移动存储设备中。同时, 移动存储设备的“不固定”特性也为当前企事业单位的保密工作带来了新的风险, 成为人们广泛关注的新的研究课题。
一、移动存储介质的安全隐患
1、公私混用存在一定安全隐患
由于U盘等移动存储设备体积较小, 海量存储, 便于携带, 使用方便, 因此存在着不少人将u盘等随时携带和在不同的环境下使用的现象, 造成单位的资料和个人的资料混杂在一起, 不便于管理, 容易出现使用上的差错, 当移动存储体被借用时, 存储在移动存储体中的一些重要信息资料存在泄露的风险。
2、现有的移动设备体积小、易丢失
移动存储介质由于体积小、重量轻, 更容易丢失。而移动介质本身往往没有任何防护措施, 一旦丢失或被盗, 就会造成大量信息外泄。
3、数据本身容易损坏
作为档案资料保管的存储介质如果保管不善, 很容易造成存储介质不能渎取, 信息不能复用, 失去电子档案的保存价值。
4、现有的信息管理办法无法实现对移动设备的安全管理
缺少有效的移动设备管理监督机制保密机构和人员缺乏, 难以适应计算机及信息技术发展工作的新要求, 对移动设备管理缺乏可资借鉴的管理经验, 对没备的信息安全检查不到位, 往往形成“感觉上重要, 而行动却无从下手”的管理空白。
5、病毒的载体, 安全的危害
在使用过程中使用者往往忽视对移动设备的查杀毒工作, 由于移动没备使用范围较广不可避免地会出现在外使用时感染计算机病毒的情况, 如果不能及时有效地查杀病毒, 轻易将染毒文件在单位内计算机打开, 很容易将病毒传播到单位内部网中, 影响到单位内计算机的应用操作。
二、如何最大限度的减少安全隐患
对移动办公没备的信息安全管理, 仍应坚持“预防为主”的方针, 以人为本, 充分利用技术和管理两种手段, 达到有效防范信息失密的目的。
1、加强“人防”, 构筑人员安全关
一是加强保密知识和职业道德教育, 提高全员个人综合素质。使全体员在心目中树立“哪些是可以做的, 哪些是不应该做的、哪些是需要防范的”的理念, 从思想上筑起一道信息安全风险防范的“防火墙”;二是要开展安全知识培训, 提高安全防范能力。对操作人员可以用网上攻击案例教育大家, 使他们充分了解计算机网络存在的安全隐患, 提高工作人员的安全保密意识和自我防范能力。
2、突出“技防”, 把好技术安全关
加密, 即俏皮话在移动介质上的信息都是加密处理的, 必须通过的解密程序或密码才能打开, 这样解决了数据的存储问题, 实现了信息的保密。
注册、授权, 即所有在企业内需要使用移动存储设备的必须登录相关软件进行注册, 只允许授权过的移动介质在内部计算机上使用, 未授权的移动介质在内部计算机上不可以使用。这样解决了载体的身份问题, 实现了访问控制。
监控, 即对企图使用未授权移动介质的行为进行监控, 对使用过程中的读、写、复制等进行监控, 这样解决了介质的使用问题, 实现了安全审计。
3、注重“管理”, 健全信息管理关
(1) 加强内部管理。防范内部风险主要是进一步完善计算机保密制度, 细化各个操作环节的管理规范和责任追究, 明确界定涉密信息范围, 切实落实各项具体措施。使计算机安全保密工作有章可循, 逐步实现计算机信息安全保密工作的规范化管理。首先, 工作人员在使用笔记本电脑和移动存储介质 (含u盘、MP3、IPod、PAD、移动硬盘、数码相机、数码录像机、移动存储卡等) 期间要做好防盗失、防损坏等保护工作。移动设备管理应当责任到人, 未经同意不得将笔记本电脑和移动存储介质转借他人使用。尽量减少移动设备共用机会。其次, 定期对笔记本电脑的操作系统、防病毒软件进行升级维护及移动存储介质的防病毒、信息备份工作。再次, 笔记本电脑和移动存储介质严禁存储涉密的任何文件、数据。此外, 工作人员原则上不得将软盘附送服务对象, 确实需要的, 将软盘格式化后, 只拷贝指定内容附送。
(2) 加强对移动办公设备管理的检查。检查主要是要形成一种机制, 树立管理权威。全面掌握单位笔记本电脑、移动存储设备的使用管理情况, 定期对笔记本电脑进行信息安全检查, 如果发现违规情况应进行通报批评, 起到警示作用。对涉密笔记本电脑应严格管理, 专人专用, 专人管理, 严禁在办公室以外的地方使用。
(3) 加强对外来技术服务的管理。为了防范信息泄密, 确保信息与踟络的安全。应当进一步规范外来技术服务工作, 保证外来技术支持服务达到内部网与信息系统安全管理要求, 堵住外来技术人员通过随身携带的移动设备在内部网上传播计算机病毒的途径, 防范外来人员通过技术服务方式窃取信息及重要业务数据的风险。
三、可信移动介质管理解决方案
可信移动介质解决方案, 须满足几个基本要求:一是, 通过移动介质交换的数据必须是密文, 保证数据离开应用环境后不可用;二是, 数据交换前必须通过正确的身份认证, 包括密码认证或USB KEY等授权硬件的身份认证;三是, 记录数据交换过程的工作日志, 便于以后进行跟踪审计;四是, 未经授权的移动介质, 在工作环境中不可用, 只有经过公司授权的移动介质才能进入到公司的办公环境;五是, 工作配发的移动介质带出办公环境后变为不可用。
根据以上思路, 中软信息安全实验室研究开发了一套“可信移动存储没备安全管理平台”。可信移动存储设备安全管理平台是利用信息保密、访问控制、审计等技术手段, 对企业移动存储设备实施安全保护的软件系统, 使企业信息资产、涉密信息不能被移动存储设备非法流失。移动介质识别系统的功能包括:首先, 它可以集中授权移动存储设备;其次, 要求移动存储没备认证;再次, 防止信息泄露;还有, 实行数据加解密和操作行为的安全审计等。实现技术有以下几项技术, 很显然要用到的授权技术、身份认证技术和加/解密技术, 另外还涉及到日志记录和审计技术, 即在整个环境中, 无论移动介质是否经过授权。
四、结束语
信息安全是信息发展的基础, 移动存储介质所带来的安全隐患也必须引起各企业的高度关注, 笔者建议大家应坚持“预防为主”的方针以人为本, 充分利用技术和管理两种手段, 达到有效实现信息安全的目的。所以, 移动存储介质的识别将会为各企业的信息安全加上最有必要的一道锁。
参考文献
[1]李清松.移动存储设备的安全使用和管理[J].金融电子化, 2007, (11) :66-66.
设备识别 篇8
急救类设备是每个大型医院必不可少的基础设备,这类设备往往使用范围广、通用性强,是大多数临床科室必须配备的。实行急救设备的专管共用可以提高急救设备的使用效率,减少宝贵设备资源的闲置,提高急救设备使用操作水平,减少由于不当操作造成的故障,同时便于管理,可以定期开展维护、消毒、质控检测等。目前国内很多大医院都实施了急救设备的专管共用制度,但是绝大多数仍然停留在手工记账或者人工录入的阶段,易造成漏记或者登记信息不全等,不便于急救设备的合理调配和动态管理。图1为我院专管共用设备的流程图。目前管理中主要存在的问题是设备借用及归还信息记录不完整,无法实时统计设备借用分布情况,不利于对专管共用设备的使用效益和合理配备数量进行统计和分析[1]。
2 无线射频识别技术简介
无线射频识别(radio frequency identification,RFID)技术是一种利用射频通信实现的非接触式自动识别技术。它利用无线射频信号,通过读写器、天线和安装在载体上的RFID标签构成RFID系统,实现对载体的非接触识别和数据信息交换[2]。RFID电子标签分为2大类:无源电子标签(被动标签),有源电子标签(主动标签)。最基本的RFID系统由3部分组成(如图2所示):(1)标签(Tag,即射频卡):由耦合元件及芯片组成,标签含有内置天线,用于与射频天线间进行通信。(2)阅读器:读取(在读写卡中还可以写入)标签信息的设备。(3)天线:在标签和读取器间传递射频信号。
目前RFID技术正在为物联网领域带来一场巨大的变革,以识别距离远、快速、不易损坏、容量大等条码无法比拟的优势,简化繁杂的工作流程,有效改善工作的效率和透明度。本项目采用RFID技术的电子标签读写系统,对各个作业环节的数据进行自动化的数据采集,保证设备管理各个环节数据输入的速度和准确性,确保科室及时准确地掌握共用设备的真实数据,合理保持和控制共用设备的数量。
3 系统硬件及软件设计
系统布局示意图如图3所示。目前,各个医院基本上都已经建立了HIS,并且布置了遍及医院的网络,本文设计的方案利用了医院现有的HIS和网络,并在此基础上完成对急救设备的专管共用管理,系统由硬件及软件2部分组成。系统硬件由RFID标签、RFID天线及阅读器、手持式终端、RFID服务器组成,各个组成部分与医学工程科信息管理系统构成一个整体[3]。
3.1 系统硬件设计
3.1.1 RFID标签
所有在院的专管共用设备都配备1个RFID标签,每个标签标识1个不同的管理对象。当设备进入工作区后,通过手持式设备读取设备信息,并做相应的数据操作。
3.1.2 RFID天线及阅读器
天线用于实现标签与阅读器之间的通信。标签被激活后,向阅读器发送信号,然后阅读器接收到来自标签的载波信号,对接收的信号进行解调和解码后,送至手持式设备或者系统服务器进行处理。
3.1.3 手持式终端HC-R231C WINCE
支持USB等计算机标准接口,操作频率13.56 MHz,智能卡读/写速率106、212 Kbit/s,应用软件开发环境为Wince操作系统,编程软件EVC、VS2005。
3.1.4 系统服务器
接收读卡器发送过来的标签信息,对标签进行识别,解析接收到的数据,记录标签内的设备信息。
3.2 系统软件设计
软件是指运行于RFID服务器及手持式终端的应用软件,用于实现对电子标签进行信息采集、分析、存储、查询,主要由系统管理、基本资料管理、业务功能、统计查询等功能模块组成,如图4所示[4]。
3.2.1 系统管理模块
包括(1)用户管理:增加、删除用户,修改用户相关属性包括用户名、密码、角色等;(2)角色管理:增加、删除、修改角色属性;(3)权限管理:设置各角色有权使用的相关功能项。
3.2.2 基本资料管理模块
包括(1)设备管理:设备编号、设备名称、设备类型等的管理;(2)读卡器管理:读/写RFID标签,识别不同设备;(3)部门(科室)管理:科室名称、联系人、位置、电话等的管理;(4)标签管理:标签名称、编号等的管理。
3.2.3 业务功能模块
包括(1)设备出借;(2)设备归还;(3)设备维护;(4)手持式终端数据通信。
3.2.4 统计查询模块
包括(1)交接班设备借出统计表;(2)设备清单统计表;(3)设备借用时间统计分析表。
4 结语
RFID在医院的应用方兴未艾,是未来医疗设备管理的趋势和必然,能够实现医疗设备管理的自动化和动态化[5]。将RFID技术应用到急救设备专管共用管理系统中,便于设备的动态管理和效益分析,较为贴近医院医疗设备特别是专管共用设备管理的特殊性及实用性,实现专管共用设备管理的网络化和多层次化。
通过应用急救设备专管共用管理系统不但能满足以上要求,而且使此类设备的巡检、维护变得简单,避免工作的疏漏。采用RFID技术的电子标签读写系统,取代了传统的手工记账和纸质设备标签,无需接触设备就可直接识别、获取设备相关数据;操作快捷方便,可在现场实时修改、保存标签里的设备信息,并可通过串口上传至PC,及时更新数据库;还可以长期反复使用,简化设备巡检和维修工作,提高工作效率、设备的使用效益和经济效益[6]。由于每次巡检和维护的结果都记录存储于芯片和中央处理器中,避免了随意更改记录带来的医疗安全隐患。如果采用手持式终端,内嵌大容量存储器及32位高速处理器,通过嵌入式编程可实现脱机使用。
参考文献
[1]周理治,姜天,邱伟.急救类设备专管共用的实施和建议[J].医疗卫生装备,2010,31(11):102-103.
[2]黄智伟.射频集成电路芯片原理与应用电路设计[M].北京:电子工业出版社,2004.
[3]应俊,王剑,李开元,等.RFID技术在数字化医院应用初探[J].解放军医院管理杂志,2008,15(4):361.
[4]孟新秀,邱力军.基于RFID的医疗设备信息管理系统的设计与实现[J].医疗卫生装备,2009,30(9):24-26.
[5]王竹萍,曹世华,章笠中.基于RFID技术在医院ICU设备清点跟踪系统的设计[J].中国数字医学,2008,3(3):43-46.
设备识别 篇9
关键词：图像识别技术背景意义,图像识别技术的检测方案,计算图像的预处理
引言
当今时代是一个飞速发展的信息时代, 科学技术就是第一生产力是一个永远都不会改变的主题。中国的经济能够以这么快的速度发展和我们的经济模式是有着非常重要的关系的。这也决定了我们不久的将来就要改变能源的利用方式。因为毕竟我们国内的能源是有限的, 只有当我们能够发现新的能源技术的时候, 我们未来的经济才能够持续的发展下去。图像识别技术就是在这个时代背景下出现的, 这也决定了这是一次非常大的技术革命。我们要是能够在这个改革中掌握一定的主动权, 未来我们的综合实力才能够在世界上立于不败之地。在南方地区经常会出现的用电慌, 相信不需要很长的时间就能够得以解决掉。希望我们的政府部门能够对于图像识别技术的研究给以帮助, 这是一个具有划时代意义的技术革新。
一、图像识别技术的背景
图像识别技术是在能源改革的前提下出现的, 这是一个风口浪尖的时代。一个小小的革新就能让一个国家的在综合实力的较量上处于一个不败之地。能源问题是中国非常尴尬的一个问题, 因为在世界能源大会上中国的相关代表一向是没有什么发言权的, 中国的经济是靠着牺牲能源换取的。图像识别技术是在电力设备中必须的一个技术, 在这个技术没有出现之前, 在电力传输的过程中往往会消耗掉很多的能源。这是现在的技术没有办法解决掉的问题, 中国是一个用电大国, 冗长的线路急需解决, 所以说在这个时候图像识别技术就和我们见面了。
二、电力检测设备的方案分析
计算机在电力运输时扮演了一个非常重要的角色。在平时的电路正常运转的过程中, 很多工作都是计算机完成的, 但是因为在运输的过程中所传达的数据非常的大, 经常会出现很多的数据的损失。电力检测设备就在这个时候起了决定性的作用, 很多工作都是通过计算机独自完成的。因为工业用电量非常大, 所以说在传输的过程中会因为电流过大的原因, 导致线路损坏。线路的损坏不仅仅会影响工业的正常运转, 还给电业公司增加了很多的成本, 电力公司是一个国有企业, 他是依靠盈利生存的, 所以说这些费用还是最终会转嫁到消费者的身上。运行参数的不稳定性决定了一般的网络信息技术没有办法检测电力设备。因为一般的检测系统没有到达这么高的自动水平, 不能够根据传输过来的数据响应的给予回馈, 这样就增加了电子计算机的反应时间。
三、提前处理用电设备
在电子计算机中安装一个采集卡, 这个采集卡能把用电终端的图像凭借着感应器反应出一个数据。电子计算机凭借着采集卡提前捕捉到的数据作出回馈。电脑在传输非常庞大的数据时经常会发出很大的噪声, 但是图像识别技术就完全解决了这个问题。通过高科技的技术实现的去噪声的目的, 这样在回馈的时候才能够做到更加的准确到位。在图像上一般都会有一个灰度的区间, 图像识别技术能够准确的判断出这个区间。这也是图像识识别技术的高明之处。直方图的处理是一个非常复杂的过程, 不是每一个软件都能处理好的。
四、结语
图像识别技术的原理在电子计算机中安装了这个现代化的处理软件, 在用电终端传导过来数据的时候, 计算机能够凭借着图像反应的内容在第一时间作出反应, 这样就实现了高度的自动化。图像识别技术实现了需要多少供给多少的一种要求, 这是很多科学家一直致力研究的一个课题。众多的变电站就能节省下很多的多余的电量, 能够在一定程度身上缓解用电上的压力。图像识别技术是一个不折不扣的科技产品, 对于中华民族的发展具有很重要的作用。图像识别技术对于我们而言具有非常大的意义。南方地区是中国用电最多的一个地区, 经常出现的断电情况已经让很多企业家感觉到苦恼, 要是我们能够在这个关键时刻把用电问题解决掉是非常好的。图像识别技术其实实现的是智能的敏感感应, 这是中国科技水平的体现。相信在不远的将来中国一定能够把图像识别技术的应用范围普及的更广。
参考文献
[1]李弼程, 彭天强.智能图像处理技术.北京;电子工业出版社.2004.7.
[2]陆宗骐, 梁城.用soble算子细化边缘.中国图像图形学报[J].2000, 6 (5) :516-520.
[3]张凯丽, 刘辉.边缘检测技术的发展研究.昆明理工大学学报[J].2000, 25 (5) :37-39.
设备识别 篇10
随着国内电力网络规模的不断扩大,电力系统的安全运行变得越来越重要。近年来,图像处理技术被逐渐运用于电力系统的安全运行当中,例如,基于图像三维重建技术对输电线路覆冰情况进行在线监测[1]。变电站作为电网的重要组成部分,其运行状态是决定电网是否能够安全运行的关键因素之一。随着视频监控技术的发展,变电站的无人值守化已逐渐成为当今电网调度自动化的发展趋势[2,3,4],为了保障变电站的正常运行,需要对变电站开关设备的开合状态进行监控。现有的变电站视频监控系统,往往只有监视功能,还不具备对变电站的开关设备状态进行自动识别的功能,因此,借助变电站远程监控系统对隔离开关状态进行自动识别,是实现变电站无人值守化的技术关键,也是变电站安全运行的重要保障。
在图像中准确检测与定位开关设备是识别开关状态的第一步。由于变电站断路器、隔离开关设备具有特殊性与多样性,国内针对这方面的研究还比较少,例如:采用霍夫变换,通过直线检测来判别断路器开关的基本位置[5];利用尺度不变特征转换(SIFT)算法实现断路器、隔离开关检测与定位[6];采用新的灰度模板匹配方法对变电站开关设备进行检测与定位[7]。现有的方法虽然简单,但是对于开关设备的检测与定位还存在着稳定性较差、抗干扰能力不强等问题,而且现有方法有较强的针对性,还未形成不同类型开关检测与定位的通用解决方案。
2009年,Gall等人提出了霍夫森林(Hough forests,HF)[8]的概念,HF是在随机森林(random forests,RF)框架上的一个扩展,在RF基础上引入广义霍夫变换,将图像中的特征直接映射到霍夫空间中。由于霍夫变换损失的信息少,对遮挡具有一定的免疫力,所以和RF相比,HF除了具有RF分类器高效、无过拟合、鲁棒性强的优势外,对于检测局部遮挡目标也有很强的鲁棒性[9]。
为此,本文提出一种基于HF的开关设备检测及状态识别方法,将开关状态的识别建立在开关检测与定位的基础之上,识别准确率高,稳定性好,抗干扰能力强,可为变电站的远程视频监控系统提供一种稳定、高效的开关状态识别方法。
1 算法整体流程
本文提出的开关状态的识别方法首先对开关进行检测与定位,将开关的检测抽象为被识别目标物的分类问题,同时训练“分”和“合”两种开关模型。其次,利用这两种开关模型对开关进行检测,并根据检测结果判别开关状态,具体流程如图1所示。
2 开关设备检测与定位
基于HF的开关设备检测与定位方法分为两部分:首先,提取开关特征,训练生成指定类型的开关模型,即基于HF对开关模型进行学习;然后,利用开关模型生成的投票码本对开关位置中心进行投票,获得开关位置的矩形框描述,实现开关设备的检测与定位。算法原理如图2所示。
2.1 开关特征提取
特征提取在开关检测与定位过程中是至关重要的。由于HF能够融入多种特征作为其判别信息,因此,本文将综合考虑开关的边缘、梯度以及颜色特征,提出一种多特征融合方法,由梯度方向直方图(HOG)特征[10]、Lab颜色空间、边缘轮廓组成开关设备的特征描述集,作为HF中决策树的分类属性集合。分类属性越多越有利于决策树对投票元素进行准确的分类,减少投票元素的虚假投票,提高开关检测与定位的准确率。
2.1.1 梯度特征提取
图像的梯度包含了图像边缘轮廓以及纹理信息,可用于图像分析与识别。在隔离开关、断路器刀闸梯度特征的提取过程中,本文简化了HOG特征的计算过程,提高了计算效率,能更好地描述开关的梯度特征。在5×5单元格内,采用9个bin的直方图来统计这25个像素的梯度信息。即将单元格的梯度方向360°分为9个方向区间,对单元格内的每个像素用梯度方向在直方图中进行加权投影,权值为梯度幅值,每个方向直方图的幅值形成一个特征向量,因此共提取9个特征向量。
计算所有像素点的梯度,梯度幅值为:
式中:Gx(x,y)和Gy(x,y)分别为每个像素点x方向和y方向的梯度幅值。
梯度方向为:
计算单元格内各个像素点在[-π/2,π/2]梯度方向上的9个均匀区间内的加权投影:
式中:Gk(x,y)为单元格内不同梯度方向梯度幅值累加值;k表示不同直方柱的编号;bk表示不同直方柱,用来表示不同的梯度方向范围。
2.1.2 颜色特征提取
Lab颜色空间中L分量表达了人眼对亮度的感知,a和b分量的输出色阶更均匀平衡,相较于RGB和CMYK颜色模型,Lab空间有着更宽广的色域并且与物理设备无关。
因此,为尽可能保留宽阔的色域和丰富的色彩,以及更好地对色彩进行量化分析,本文采用Lab颜色模型作为颜色特征,即将原始图像转换为Lab颜色空间模型表示,L,a,b颜色分量组成3个特征向量集。
2.1.3 边缘轮廓特征
图像的边缘是指图像局部灰度显著变化的区域,是图像的最基本特征,包含了用于识别的有用信息。因此,本文分别提取图像的x和y方向一阶、二阶微分,作为开关的边缘轮廓特征向量集。其中,一阶、二阶微分用Sobel微分算子实现。
综上所述,共提取开关设备16个特征向量组成开关的特征描述符,每个特征向量即为一个特征通道,每个特征通道是与图像大小相同的矩阵块,16个特征通道图见附录A图A1。
2.2 训练开关模型
本文利用HF完成“分”和“合”两种开关模型的学习,训练开关模型即为训练对应的HF,作为开关检测与定位过程中的分类器。
2.2.1 训练样本集
在训练模型的过程中,正样本训练集由从样本图像集中采集的图像块组成。图像块的尺寸会对最终的目标检测与定位效果产生影响,因此,HF中将其大小设定为16×16像素,表示为pi=(I(y),c(y),d(y)),如图3所示。
其中:i为图像块编号;I(y)={I1,I2,…,Ij,…,IC},为图像块特征集,表示图像块在不同特征通道Ij的特征信息;c(y)用于标记来自前景或背景(来自前景的样本标记为1,为正样本,来自背景的样本标记为0,为负样本);d(y)表示图像块中心至目标中心的偏移量(负样本不做定义);y表示图像块的中心位置。
2.2.2 训练HF
HF在有监督判断的机制下进行学习训练,训练结果为一系列决策树,每一棵树由一个根节点以及若干分支节点和叶节点组成。叶节点存储投票信息,分支节点存储分类判别信息。输入为包含正负样本的训练集{pi},决策树的每一个分支节点中存储了将一个训练样本集划分成两个训练样本子集的分裂机制。
本文根据实际需要,设计一种二值测试作为分裂机制,即随机选取训练样本特征集中某一特征通道,并在该特征通道上随机选取两个不同位置上的点,对这两点上的值进行判断,具体定义如下:
式中:a∈{1,2,…,C},为特征通道号;(p,q)和(r,s)分别为特征通道上的两个像素点坐标;δ为分裂阈值。
a,p,q,r,s,δ,I这些信息存储在每一个分支节点中,用来对样本进行分类。
理想的二值测试应该尽可能地将两类训练样本集分开。因此,选取二值测试的评价标准及阈值δ是关键,直接影响分配至子节点的训练集的质量、训练的速度及识别的准确性。
本文分别用类别不确定度Q1(A)和偏移量不确定度Q2(A)来量度节点的不纯度。
式中:Pi为子节点i中训练集占父节点训练集的比例;K为子节点数量;E(A)为子节点中训练样本集类别的信息熵,熵越小则代表类别的不确定度越小。
针对偏移量的不确定性问题,采用每个目标类别的偏移量均值差的平方和来度量,目的是降低训练集偏移量的不确定性:
式中:dA为目标类别训练集偏移量的均值;di为目标类别训练集的偏移量,其中i为图像块编号,在计算上式时,不考虑不属于目标类别的图像块。
在决策树每一个分支节点的构造过程中,随机选择Q1(A)和Q2(A)中的一种来衡量二值测试的效果,从中选取使该量度值最小的二值测试作为该分支节点的分裂机制。
当决策树的深度大于最大深度dmax,或该训练集中正样本的数量小于给定值Nmin,该节点作为叶子节点。HF中每棵决策树的叶节点存储到达该节点的所有图像块的信息。CL表示正样本图像块到达叶节点L的比例,若CL=1,则表示到达该叶节点的所有图像块均为正样本。DL={di}记录到达该叶节点的所有图像块中心距离目标中心的偏移量。叶节点所承载的信息形成一个可判别的码本,该码本保存了可能的目标物体中心位置信息,并以此进行下一步的目标定位。
2.3 霍夫变换检测与定位开关
假设开关的检测窗口是大小为W1×H1的矩形框,只需要确定目标物体的中心位置即可完成检测与定位,该过程基于霍夫投票实现。
假设霍夫空间H,其中的每一个点h(xc)表示目标物,xc表示目标物中心位置。将待检测图像划分成若干个可重叠的图像块作为投票元素。图像块的尺寸需要与训练样本集中的图像块尺寸保持一致,可表示为pi=(I(y),c(y),d(y)),偏移量为d(y)=y-xc。
对于霍夫变换来说,图像块即为投票元素i,表示为随机变量xi,若xi=h(xc)∈H,则表示该投票元素i来自于目标物h(xc),若xi=0,则表示该投票元素i来自于背景。让每一个投票元素i遍历HF的每一棵二叉决策树,到达叶节点,就认为该投票元素拥有叶节点存储的所有信息,即该投票元素i属于目标类别的概率PL以及可能出现的位置距离目标中心的偏移量DL。每个投票元素i在霍夫空间H中可以投票的目标集合为{h(xc),xc=ydL|dL∈DL},其中dL为每一个可能的偏移量,用核密度来估计随机变量xi的概率分布函数:
式中:σ为高斯核函数的标准差。
由式(7)所得概率作为投票元素i对每一个可能的目标物h(xc)中心位置的投票权重,如此遍历HF,即{Tt,t=1,2,…,T},其中T为HF中决策树总数,取所有树的平均概率估计,如式(8)所示。P(xi=h(xc),c(y)=1|I(y);{Tt,t=1,2,…,
最后,将来自不同投票元素的投票线性累加到霍夫空间H,得到霍夫空间中每一个元素h是目标物的概率估计,如式(9)所示。
式中:p为所有投票元素i的集合。
寻找霍夫图像权值最大点的坐标,即为目标物的中心位置。
2.4 多个开关检测与定位
上述霍夫投票过程将来自不同投票元素的投票累加成一幅霍夫图像,通过检测霍夫图像中的峰值确定目标中心,其中峰值的大小表征了目标中心可能位置的置信度。但当图像中存在多个目标物时,霍夫图像中存在多个峰值,需通过非极大值抑制寻找局部最大值,从而检测和定位图像中多个目标物,但非极大值抑制的阈值设置问题容易导致目标物的漏检或者误检。因此,本文结合一种启发性算法以避免非极大值抑制,解决同时检测与定位多个开关问题[11]。具体步骤如下。
步骤1:初始化目标集S为空,初始化最大迭代次数N,初始化霍夫图像H为0。
步骤2:对于所有投票元素,假设每个投票元素i都属于背景,即xicur=0。
步骤3:对于所有假设元素h(xc),使其在霍夫图像H中对应位置的权值为0,即M(h(xc))=0。
步骤4:如果迭代次数小于最大迭代次数N,则进入循环迭代。
步骤5:对于所有的投票元素,更新每个投票元素i周围的所有目标假设元素h(xc)在霍夫图像H中对应位置的权值,使其自加ΔM,其中ΔM的计算公式如式(10)所示。
步骤6:寻找霍夫图像中权值最大的点y=arg max M,同时判断该点的权值是否大于给定的阈值λ,如果大于λ,则将该点加入到目标集S中;如果小于λ,则结束循环,并返回目标集S。
步骤7:更新步骤6中新加入的目标中心y周围的所有投票元素的投票,对于目标中心y周围的每个投票元素i而言,如果P(xi=y|I(y))>P(xi=xicur|I(y)),那么xicur=y,其中xicur为上一步迭代时xi的赋值。
步骤8:返回步骤4,继续进行循环迭代。
需要注意的是,上述步骤中无论是目标中心y还是投票元素i的“周围”,均指以它们为中心的W1×H1的矩形框。
上述方法可以归结为一个迭代的过程,每次求取权值最大点,确定为目标中心,而后更新目标中心周围投票元素的投票,再求取权值最大点,重复上述过程直至检测和定位出图像中所有的目标。开关的检测与定位过程详见附录A图A2。
由于拍摄角度、距离等因素的影响,图像中的开关大小会有所不同,因此,需要对原始图像进行多尺度缩放,遍历图片提取图像块通过HF生成投票码本,通过霍夫变换对开关中心位置进行投票,生成不同尺度下的霍夫图像,并选取大于阈值的最大值点作为开关中心位置,重复上述迭代过程,直至图像中所有开关被检测出来。
3 开关状态识别
变电站最常见的开关设备是三相隔离开关,其包含3个刀闸开关,并且这3个刀闸开关之间有联动机构保证它们能够保持相同的状态。开关有闭合和断开两种不同的状态,两种状态的开关属于不同的目标类型,基于此可以训练两类开关模型,分别检测“分”和“合”状态的开关,由于在霍夫投票阶段,只有当霍夫图像的峰值超过给定阈值时,才会将其确定为目标中心,因此用“分”的开关模型去检测状态为“合”的开关图像,检测到的开关个数为0,而用“合”的开关模型能够检测到的开关个数则不为0。针对具体情况,本文设定当“合”开关模型检测出的开关个数大于等于2且大于“分”开关模型检测到的开关数,就判定三相隔离开关的状态为闭合;当“分”开关模型检测出的开关个数大于等于2且大于“合”开关模型检测到的开关数,就判定三相隔离开关的状态为断开;当两种开关模型的检测结果相同,则表示这次开关状态识别失败。具体过程如图4所示。
闭合开关状态识别过程如图5所示。可以看出,用“合”开关模型可以检测出闭合的三个隔离开关,但却不能检测出断开的三个隔离开关,由此可以判别隔离开关的状态。
4 实验分析
本文实验数据来源于宁夏天元锰业集团110kV变电站,变电站隔离开关的实际图像见附录A图A3,红色矩形框区域内为刀闸开关。选取其中的部分图片作为本次实验对象,图片大小为408×306像素,共300张,“分”和“合”隔离开关图片各150张,训练图片各选取50张,其余200张图片作为测试图片。基于100张训练样本图片训练“分”和“合”两种开关模型,图像块的大小为16×16像素。
以训练“合”开关模型为例,从每张训练样本图片闭合开关矩形框区域中提取150个图像块,共提取450个图像块,故正训练样本集共有22 500个图像块。负训练样本集由两部分组成:一是从每张“合”训练样本图片背景区域中提取的450个图像块,共22 500个图像块,二是从“分”训练样本图片集中提取22 500个图像块,故负训练样本集共有45 000个图像块。每个开关模型训练15棵树,每棵树的最大深度为15。当开关90%被矩形框覆盖时,即判定为开关被正确检测。
采用“合”和“分”开关模型分别去检测两种状态隔离开关测试图片,得到的结果如表1和表2所示。
从表1可见,用“合”开关模型检测闭合状态开关的准确率达到94.3%,检测断开状态开关的误检率只有1%;从表2可见,“分”开关模型检测断开状态开关的准确率为93%,检测闭合状态开关的误检率为1.7%。因此,可以根据两类开关模型的检测结果判断三相隔离开关的状态。表3给出了三相隔离开关状态识别结果,准确率都在90%以上。
模板匹配方法是一种在电力设备检测过程中最常用的方法[7],其优点是检测速度快,但是若图像总存在多个开关设备,或者开关设备的尺寸、方向发生变化时,往往不能做出精确匹配,具体匹配结果见附录A图A4,模板匹配结果出现偏差。而本文方法能够同时检测与定位图像中的多个开关,并且针对不同尺寸的开关设备以及不同的拍摄角度,本文方法效果都较为理想,具体检测结果见附录A图A5。
椒盐噪声和高斯噪声是数字图像处理领域内最常见的两类噪声,加入高斯噪声以及椒盐噪声情况下的开关检测与定位结果见附录A图A6和图A7,可以看出本文方法能够准确检测与定位图像中的开关,鲁棒性好。同样,在部分遮挡情况下,本文算法的检测定位效果见附录A图A8。
与目前的变电站开关检测与定位方法相比,本文方法通用性强,并且具有良好的检测与定位效果,在面对噪声、遮挡等情况下,鲁棒性强,可同时解决多个开关设备的检测与定位问题。利用“合”和“分”开关模型检测测试图片,通过计算检测到的开关个数判别开关的状态,可实现开关的状态识别。
5 结语
针对变电站开关检测与状态识别问题,综合考虑了变电站隔离开关梯度、边缘和颜色特征,将多种特征描述与HF相结合,弥补传统检测与定位方法的缺陷,解决了同时检测与定位多个开关的问题,准确率高,鲁棒性好,且具有较强的通用性,能够保证开关状态识别的准确率。
本文方法可用于变电站巡检机器人系统,也可用于变电站智能辅助监控系统,对开关设备进行检测及状态识别,具有较强实际意义。但是,由于应用环境的复杂性,特别是在雨、雪、雾霾等恶劣天气环境下,则需采用图像增强及去噪算法对采集的图像进行预处理,提高图像质量,并需要针对不同开关设备类型设计相应的状态识别方法,确保变电站开关设备检测与识别准确率,这也是后续的研究工作。
附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。
参考文献
[1]杨浩,吴畏.基于三维重建的输电线路覆冰在线检测方法[J].电力系统自动化,2012,36(23):103-108.YANG Hao,WU Wei.On-line monitoring method of icing transmission lines based on 3Dreconstruction[J].Automation of Electric Power Systems,2012,36(23):103-108.
[2]刘海忠.智能变电站视频监控系统的应用[J].安防科技,2011,12(5):32-35.LIU Haizhong.Application of monitoring system of remote video in intelligent substation[J].Security and Safety Technology Magazine,2011,12(5):32-35.
[3]沈祥,祝项英,金乃正.无人值班变电站远方监控系统的设计和应用[J].电力系统自动化,2004,28(2):89-90.SHEN Xiang,ZHU Xiangying,JIN Naizheng.Design and application of control and watch systems for keeping watch selfservice substation[J].Automation of Electric Power Systems,2004,28(2):89-90.
[4]鲁守银,钱庆林,张斌,等.变电站设备巡检机器人的研制[J].电力系统自动化,2006,30(13):94-98.LU Shouyin,QIAN Qinglin,ZHANG Bin,et al.Development of a mobile robot for substation equipment inspection[J].Automation of Electric Power Systems,2006,30(13):94-98.
[5]丁四海,刘玉雪,路林吉.数字图像处理技术在电气控制柜开关状态识别中的应用[J].微型电脑应用,2013,30(5):39-40.DING Sihai,LIU Yuxue,LU Linji.Application of digital image processing in the switch identification[J].Microcomputer Applications,2013,30(5):39-40.
[6]陈安伟,乐全明,张宗益,等.基于机器人的变电站开关状态图像识别方法[J].电力系统自动化,2012,36(6):101-105.CHEN Anwei,YUE Quanming,ZHANG Zongyi,et al.An image recognition method of substation breakers state based on robot[J].Automation of Electric Power Systems,2012,36(6):101-105.
[7]张浩,王玮,徐丽杰,等.图像识别技术在电力设备监测中的应用[J].电力系统保护与控制,2010,38(6):88-91.ZHANG Hao,WANG Wei,XU Lijie,et al.Application of image recognition technology in electrical equipment on-line monitoring[J].Power System Protection and Control,2010,38(6):88-91.
[8]GALL J,LEMPITSKY V.Class-specific Hough forests for object detection[C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition,June 20-25,2009,Miami,USA:1022-1029.
[9]刘倩,侯建华,牟海军,等.联合生成与判别模型的目标检测与跟踪[J].中国图象图形学报,2013,18(10):1293-1301.LIU Qian,HOU Jianhua,MOU Haijun,et al.Object detection and tracking combining generative and discriminative model[J].Journal of Image and Graphics,2013,18(10):1293-1301.
[10]DALAL N,TRIDDS B.Histograms of oriented gradients for human detection[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition,June 25,2005,San Diego,USA:886-893.