(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211419670.8 (22)申请日 2022.11.14 (71)申请人 长江勘测规划设计 研究有限责任公 司 地址 430010 湖北省武汉市汉口解 放大道 1863号 (72)发明人 梁波　乐零陵　刘亚青　崔磊　 朱钊　谌睿　 (74)专利代理 机构 武汉开元知识产权代理有限 公司 42104 专利代理师 陈家安 (51)Int.Cl. G01L 11/02(2006.01) G06V 10/44(2022.01) G06V 10/25(2022.01)G06V 10/62(2022.01) G06V 10/82(2022.01) (54)发明名称 利用机器视觉测量水轮机内部流道压力脉 动的方法及系统 (57)摘要 本发明公开了一种利用机器视觉测量水轮 机内部流道压力脉动的方法。 它包括如下步骤， 步骤一： 获取待测等压引流管及管内水体图像； 步骤二： 基于自动识别最优阙值的边缘检测方法 对目标标志物进行检测并读取管内水体高度； 步 骤三： 结合Meanshift目标追踪方法对水位在透 明垂直段的变幅和变化频率进行检测； 步骤四： 采用多项Logistic模型预测水位在透明垂直段 的高度、 变幅以及变化频率和引流区域压力脉动 值的关系； 步骤五： 采用BP神经网络预测引流区 域压力脉动值的变化趋势， 用以预知危险情况的 发生。 本发明具有检测精度高、 无需检修更换检 测系统的优点。 本发明还公开了利用机器视觉测 量水轮机内部流道压力脉动的系统。 权利要求书5页 说明书13页 附图7页 CN 115493740 A 2022.12.20 CN 115493740 A 1.一种利用机器视觉测量水轮机内部流道压力脉动的方法， 其特征在于： 通过等压引 流管将水力发电机组的水轮机流道范围内易发生压力脉动的区域的压力无差别传递到水 轮机流道的外部,基于机器视觉识别可视的透明垂直段内的水位在透明垂直段的高度、 变 幅和变化频率， 直观识别流道内部压力 分布和波动情况， 通过算法测得真实反 映内部引流 区域的压力脉动值； 具体方法， 包括如下步骤， 步骤一： 获取待测等压引流管及管内水体图像； 步骤二： 基于自动识别最优阙值的边缘检测方法对目标标志物进行检测并读取管内水 体高度； 步骤三： 结合Meanshift目标追踪方法对水位在透明垂直段的变幅和变化频率进行检 测； 步骤四： 采用多项Logistic模型预测水位在透明垂直段的高度、 变幅以及变化频率和 引流区域压力脉动值的关系； 步骤五： 采用BP神经网络预测引流区域压力脉动值的变化趋势， 用以预知危险情况的 发生。 2.根据权利要求1所述的利用机器视觉测量水轮机内部流道压力脉动的方法， 其特征 在于： 在步骤二中， 基于 自动识别最优阙值的边缘检测方法对目标标志物进行检测并读取 管内水体高度的具体方法为： 假设以灰度级 t为阀值， 将所摄不锈钢等压引流管及管内水体图像分成背景和前景两 类， 背景类用S1表示， 包含图像中像素值不大于 t的所有点； 前景类用S2表示， 包含图像中像 素值大于 t的所有点； 基于此， 分别定义S1和S2的类内 中心， 如公式 （1） 所示：             （1） 公式 （1） 中， 表示图像中灰度值为i的点的个数， L为图像中灰度最大值； 和 分 别表示 和 出现的概 率， 且二者的和为1； 分别定义S1和S2的类内距， 如公式 （2） 所示：     （2） 由此计算S1和S2的类间距为 ； 当d1和d2的值越小， 背景类S1和前景类S2内部像素值的距离越小， 即类的内聚性越好； D 越大时， 背景类S1和前景类S2的类间距离越大， 分类效果越好； 定义分类判别函数 以尽量分析， 如下公式 （3） 所示：           （3） 由公式 （3） 可知， H(t)越大， S1和S2的类间距离越大， 将前景和背景分开的效果就越好； 当图像的灰度级 T使 取最大值， 则T为所求的最优分割阀值； 滤除所有灰度值小于T的像素点， 保留图像中所有灰度值大于T的像素点， 得到检测目权　利　要　求　书 1/5 页 2 CN 115493740 A 2标引流管及水内水体的所在区域， 并对照标尺， 读取 水位在透明垂直段的高度进行； 采用基于自动识别最优阈值的边缘检测方法对特定帧图像中的目标标志物引流管及 管内水体进行检测后， 用矩形框标 出， 得到目标区域。 3.根据权利要求2所述的利用机器视觉测量水轮机内部流道压力脉动的方法， 其特征 在于： 在步骤三中， 结合Meanshift目标追踪 方法对水位在透明垂直段的变幅和变化频率进 行检测， 具体方法为： 首先， 将核函数作用于目标区域； 将核函数 定义为空间中任一点 到某一中心 之间欧氏距离的单调函数， 记作 ； 将目标区域的大小设置为核函数的带宽 ； 同时， 将视频 帧中所有像素值平均分为n个 区间， 此时该视频帧中特征值的总数 ； 每个区间根据值域的大小分别对应其中一 个特征值， 计算每 个特征值u的概 率的方法如公式 （4） 所示：      （4） 公式 （4） 中， 表示目标模型的归一化常数； 为kronecker  data函数， 用于判断 该区域内的像素值是否与该 特征值相等； 其次， 在后一帧中寻找包含视觉特征标志物的目标框， 并将其目标框质心坐标作为核 函数的中心坐标， 基于此对该目标框计算特征概率密度分布； 若候选目标框区域的中心坐 标为y， 则候选目标模型的概 率分布根据公式 （5） 进行计算：      （5） 公式 （5） 中， 表示候选目标模型的归一化常数； 基于目标模型和候选目标模型， 选取 巴氏系数作为相似性 函数， 以度量目标与候选目标直方图之间的相似性， 具体表示 为：          （6） 根据上述公式 （6） 判断候选区域与目标区域的相似度， 的数值越大， 表明目 标模型和候选模型越相似； 得 出目标模型的Meanshift向量如公式 （7） 所示：                    （7） 最后， 将前一帧中目标框的中心位置作为搜索窗口的中心， 不断迭代  Meanshift向量，权　利　要　求　书 2/5 页 3 CN 115493740 A 3