变电站无人值守是变电站智能改造过程中的重要环节,而关键电气柜开关设备的运行状态识别对于变电站的安全稳定运行至关重要。当前变电站采用人工巡视的方式来监测电气柜开关的运行状态,人工方式需要工作人员花费大量的人力、物力去对电气控制柜进行周期性巡视,对保护压板开关进行核对。随着电力网络的不断发展,变电站中的电气控制柜越来越多,工作人员的工作量大幅增加,极容易出现个别设备出现故障或者开关工作状态错误而没有及时发现,造成重大电力事故。针对变电站电气控制柜开关状态自动识别问题,本文研究基于机器视觉技术进行变电站电气控制柜开关状态识别的方法。主要的研究内容如下:(1)设计基于机器视觉技术的电气控制柜开关状态识别系统,该系统包含开关面板图像采集与开关控制信息获取系统、开关位置检测与状态识别算法、后期识别结果处理与警报系统。系统使用工业相机或者智能手机采集开关面板图像和保存开关控制信息的二维码,然后输送至开关检测与识别系统进行状态识别,最后上传到变电站后台管理系统进行比对,如果工作状态有误就及时预警。(2)针对开关面板上开关位置检测问题,研究并提出了两种算法。第一种算法使用SVM(Support Vector Machine)与滑动窗口技术,结合图像的HOG(Histogram of Oriented Gradient)特征检测目标窗口中是否包含开关。第二种算法使用卷积神经网络提取输入图像的特征,然后进行目标区域提名,将提名区域交由RPN网络进行目标检测与位置回归。通过大量的数据集训练,该算法能够精准的检测到开关的位置。(3)针对开关面板上开关状态识别问题,研究并分别提出了基于SVM和基于卷积神经网络的开关状态识别算法。两种算法都将目标开关状态识别问题转化为图像分类任务。基于SVM的开关状态识别算法利用核函数将二维开关图像映射到高维空间,然后进行分类;基于卷积神经网络的算法利用多层卷积操作计算开关的特征图,然后利用全连接层输出各个类别的概率进行分类。两种算法都能准确识别出开关状态,并能适应多变的场景。(4)基于YOLOv3提出了目标开关位置检测和状态识别算法。该算法将目标开关位置检测与状态识别任务合二为一,是一个端到端的目标检测与识别算法。算法通过大量的样本集进行训练,能够高精度的检测出开关的位置并识别出状态,并且能满足当前变电站实时检测的应用要求。