阅读说明：本技术 一种新能源汽车充电桩智能管理系统 (New energy automobile fills electric pile intelligent management system ) 是由 李国安 于 2020-07-10 设计创作，主要内容包括：一种新能源汽车充电桩智能管理系统,包括参数检测模块、图像检测模块、信息传输模块和智能管理终端,所述参数检测模块用于采集新能源汽车充电桩表面的温度数据,所述图像检测模块用于采集新能源汽车充电桩的图像,所述信息传输模块用于将采集的温度数据和图像传输至智能管理终端,所述智能管理终端用于对接收到的温度数据进行处理和判断,并对接收到的图像进行处理和显示。采用本发明确定的最终局部邻域能够实现对待检测像素的有效检测的同时,保证图像的细节信息；根据确定的局部邻域计算待检测像素对应的像素检测阈值,根据待检测像素和像素检测阈值之间的情况判断所述待检测像素是否为噪声像素,从而能够有效的检测出图像中的噪声像素。(The utility model provides a new energy automobile fills electric pile intelligent management system, includes parameter detection module, image detection module, information transmission module and intelligent management terminal, parameter detection module is used for gathering the temperature data on new energy automobile fills electric pile surface, image detection module is used for gathering new energy automobile fills electric pile's image, information transmission module is used for the temperature data and the image transmission to the intelligent management terminal of gathering, the intelligent management terminal is used for handling and judging received temperature data to handle and show received image. The final local neighborhood determined by the method can realize effective detection of the pixel to be detected and ensure the detail information of the image; and calculating a pixel detection threshold corresponding to the pixel to be detected according to the determined local neighborhood, and judging whether the pixel to be detected is a noise pixel according to the condition between the pixel to be detected and the pixel detection threshold, so that the noise pixel in the image can be effectively detected.)

一种新能源汽车充电桩智能管理系统

技术领域

本发明创造涉及安全监控领域，具体涉及一种新能源汽车充电桩智能管理系统。

背景技术

新能源电动汽车充电桩其功能类似于加油站里面的加油机，可以固定在地面或墙壁，安装于公共建筑(公共楼宇、商场、公共停车场等)和居民小区停车场或充电站内，可以根据不同的电压等级为各种型号的电动汽车充电。

广东产品质量监督检验研究院首次公布了电动汽车充电桩产品风险监测结果。结果显示，超过70％的监测样本存在安全隐患。此次检测样本的采集，为研究院从市场采购9家生产企业的10批次电动汽车充电桩产品，其中有7批次不符合国标要求，存在严重的安全隐患。风险监测发现，样品有四个项目不符合国标要求，容易起火、导致使用者触电。我国发展新能源汽车，是应对节能减排重大挑战的需要，同时也是汽车产业跨越式发展和提升国际竞争力的需要。电动汽车的普及必定以充电桩的建设为前提，新能源汽车充电桩以其环保、使用便捷和易于安装的优势成为电动汽车获取电能的一种重要方式。为了提高电动汽车充电的便利性，新能源汽车充电桩普遍采用分散布局的安装方式。为了解决分散安装的新能源汽车充电桩安全性差，维护困难和管理低效的问题，本申请提供一种新能源汽车充电桩智能管理系统，能够实现对新能源汽车充电桩安全运营的有效管理。

发明内容

针对上述问题，本发明旨在提供一种新能源汽车充电桩智能管理系统。

本发明创造的目的通过以下技术方案实现：

一种新能源汽车充电桩智能管理系统，包括参数检测模块、图像采集模块、信息传输模块和智能管理终端，所述参数检测模块采用传感器节点采集新能源汽车充电桩表面的温度数据，并将采集到的温度数据通过信息传输模块传输至智能管理终端，所述图像采集模块包括采集控制单元和图像采集单元，所述采集控制单元用于根据接收到的采集指令控制图像采集单元采集新能源汽车充电桩的图像，所述图像采集单元通过信息传输模块将采集到的新能源汽车充电桩的图像传输至智能管理终端，所述智能管理终端包括危险分析单元、图像优化单元和图像显示单元，所述危险分析单元用于对接收到的温度数据进行处理，并将处理后的温度数据和预设的安全阈值进行比较，当所述温度数据超过预设的安全阈值时进行预警，并通过信息传输模块向采集控制单元发送采集指令，所述图像优化单元用于对接收到的图像进行处理，并将处理后的图像在图像显示单元进行显示。

优选地，图像优化单元用于对采集到图像进行去噪，设I表示待去噪的图像，I(x，y)表示图像I中坐标(x，y)处的像素，采用迭代的方式确定像素I(x，y)的局部邻域，设Ω^r(x，y)表示在第r次迭代时以像素I(x，y)为中心的(2r+1)×(2r+1)的局部邻域，N^r(x，y)表示局部邻域Ω^r(x，y)中的像素集合，对局部邻域Ω^r(x，y)中的像素进行筛选，具体为：

设表示局部邻域Ω^r(x，y)中像素灰度值的最大值，表示局部邻域Ω^r(x，y)中像素灰度值的最小值，给定第一筛选阈值和第二筛选阈值且

其中，M^r(x，y)表示局部邻域Ω^r(x，y)中的像素数，Ω^r-1(x，y)表示在第(r-1)次迭代时以像素I(x，y)为中心的(2(r-1)+1)×(2(r-1)+ 1的局部邻域，Mr-1x，y表示局部邻域Ωr-1(x，y)中的像素数，MI表示图像I中的像素数，C(I)表示图像I的长，K(I)表示图像I的宽；设I^r(m，n)表示局部邻域Ω^r(x，y)中坐标(m，n)处的像素，且I^r(m，n)≠I(x，y)，f^r(m，n)表示像素I^r(m，n)的灰度值，当

或时，则将像素I^r(m，n)在集合N^r(x，y)中删除；

将集合N^r(x，y)中筛选剩余的像素组成的集合表示为N^r′(x，y)，定义局部邻域Ω^r(x，y)对应的迭代判断函数为W^r(x，y)，且W^r(x，y)的表达式为：

W^r(x，y)＝ω^r(x，y)-ω^r-1(x，y)

式中，ω^r(x，y)表示第r次迭代时的局部邻域Ω^r(x，y)对应的局部检测系数，ω^r-1(x，y)表示第(r-1)次迭代时的局部邻域Ω^r-1(x，y)对应的局部检测系数，I^r′(e，z)和I^r′(p，q)为集合 N^r′(x，y)中的像素，(e，z)表示像素I^r′(e，z)在局部邻域Ω^r(x，y)中的坐标，(p，q)表示像素 I^r′(p，q)在局部邻域Ω^r(x，y)中的坐标，f^r′(e，z)表示像素I^r′(e，z)的灰度值，f^r′(p，q)表示像素 I^r′(p，q)的灰度值，M^r′(x，y)表示集合N^r′(x，y)中的像素数，N^(r-1)(x，y)表示局部邻域Ω^r-1(x，y)的像素集合，N^(r-1)′(x，y)表示集合N^(r-1)(x，y)中筛选剩余的像素组成的集合， I^(r-1)′(v，g)和I^(r-1)′(s，u)为集合N^(r-1)′(x，y)中的像素，(v，g)表示像素I^(r-1)′(v，g)在局部邻域Ω^r-1(x，y)中的坐标，(s，u)表示像素I^(r-1)′(s，u)在局部邻域Ω^r-1(x，y)中的坐标， f^(r-1)′(v，g)表示像素I^(r-1)′(v，g)的灰度值，f^(r-1)′(s，u)表示像素I^(r-1)′(s，u)的灰度值， M^(r-1)′(x，y)表示集合N^(r-1)′(x，y)中的像素数；

当局部邻域Ω^r(x，y)对应的迭代判断函数W^r(x，y)满足时，则继续采用迭代的方式确定像素I(x，y)的局部邻域，直到W^r(x，y)满足时，停止继续迭代，则当前迭代的上一次迭代时的局部邻域即为像素I(x，y)的最终局部邻域；

设Ω^σ(x，y)表示采用上述方法确定的像素I(x，y)的最终局部邻域，Ω^σ(x，y)为在第σ次迭代时以像素I(x，y)为中心的(2σ+1)×(2σ+1)的局部邻域，N^σ(x，y)表示局部邻域Ω^σ(x，y)中的像素集合，N^σ′(x，y)表示集合N^σ(x，y)中筛选剩余的像素组成的集合，给定像素I(x，y)对应的像素检测阈值为H(x，y)，则H(x，y)的表达式为：

式中，I^σ′(G，D)表示集合N^σ′(x，y)中的像素，且I^σ′(G，D)≠I(x，y)，(G，D)表示像素I^σ′(G，D)在局部邻域Ω^σ(x，y)中的坐标，f^σ′(G，D)表示像素I^σ′(G，D)的灰度值，I^σ′(A，B)表示集合N^σ′(x，y)中的像素，且I^σ′(A，B)≠I(x，y)，(A，B)表示像素I^σ′(A，B)在局部邻域Ω^σ(x，y)中的坐标，f^σ′(A，B)表示像素I^σ′(A，B)的灰度值，M^σ′(x，y)表示集合N^σ′(x，y)中的像素数；

当像素I(x，y)的灰度值f(x，y)满足对，则判定像素I(x，y)为噪声像素，令当像素 I(x，y)的灰度值f(x，y)满足时，则判定像素 I(x，y)为正常像素。

本发明创造的有益效果：

(1)提供一种新能源汽车充电桩智能管理系统，通过采集新能源汽车充电桩表面的温度数据判断所述新能源汽车充电桩是否安全运营，当判断新能源汽车充电桩在运营过程中出现危险时，采集新能源汽车充电桩的图像进行显示，能够更加直观的对当前新能源汽车充电桩的运营情况进行了解。

(2)本发明在对图像中的像素进行处理时，采用迭代的方式确定待检测像素的局部邻域，给定第一筛选阈值和第二筛选阈值，根据给定的第一筛选阈值和第二筛选阈值对每一次迭代时对应的局部邻域中的像素进行筛选，从而去除局部邻域中存在的噪声像素，所述第一筛选阈值和第二筛选阈值随着当前迭代时的局部邻域中的像素数的变化量和当前的迭代次数进行自适应的调整，当前迭代时的局部邻域中的像素数增加的较多或者当前迭代时的局部邻域的范围较大时，较大概率引入更多的噪声数据，因此，增加第一筛选阈值和减小第二筛选阈值，从而能够筛选掉局部邻域中更多的噪声像素，避免噪声像素影响局部邻域的确定结果；当待检测像素为噪声像素，并且所述待检测像素处于噪声密度较大的图像区域中时，采用传统的方法确定待检测像素的局部邻域时，容易出现确定的局部邻域中的像素多为噪声像素，从而根据所述局部邻域中的像素对待检测像素进行检测时，并不能够有效的检测出噪声像素，针对上述情况，本优选实施例定义迭代判断函数，所述迭代判断函数中的局部检测系数通过像素灰度值之间的差值情况衡量局部邻域中像素的统一性，所述迭代判断函数通过两次迭代时的局部邻域的局部检测系数的变化情况判断当前迭代时的局部邻域中像素的统一性相较于上一次迭代时的局部邻域中像素的统一性的变化情况，当迭代判断函数的值在一定范围时，继续进行迭代，从而增加待检测像素的局部邻域中像素的多样性，避免出现待检测像素的局部邻域中的像素都为噪声像素的现象，当迭代判断函数的值超出一定范围时，则停止迭代，从而在增加待检测像素的局部邻域中像素的多样性的同时，保证待检测像素的局部邻域中像素之间的统一性，即采用本优选实施例确定的最终局部邻域能够实现对待检测像素的有效检测的同时，保证图像的细节信息；根据确定的局部邻域计算待检测像素对应的像素检测阈值，根据待检测像素和像素检测阈值之间的情况判断所述待检测像素是否为噪声像素，从而能够有效的检测出图像中的噪声像素。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1，本实施例的一种新能源汽车充电桩智能管理系统，包括参数检测模块、图像采集模块、信息传输模块和智能管理终端，所述参数检测模块采用传感器节点采集新能源汽车充电桩表面的温度数据，并将采集到的温度数据通过信息传输模块传输至智能管理终端，所述图像采集模块包括采集控制单元和图像采集单元，所述采集控制单元用于根据接收到的采集指令控制图像采集单元采集新能源汽车充电桩的图像，所述图像采集单元通过信息传输模块将采集到的新能源汽车充电桩的图像传输至智能管理终端，所述智能管理终端包括危险分析单元、图像优化单元和图像显示单元，所述危险分析单元用于对接收到的温度数据进行去噪处理，并将去噪处理后的温度数据和预设的安全阈值进行比较，当所述温度数据超过预设的安全阈值时进行预警，并通过信息传输模块向采集控制单元发送采集指令，所述图像优化单元用于对接收到的图像进行去噪处理，并将去噪处理后的图像在图像显示单元进行显示。

所述信息传输模块采用GPRS通信方式或者4G，5G通信方式进行信息传输。

所述图像采集单元采用摄像头采集新能源汽车充电桩的图像。

所述图像优化单元用于对采集到图像进行去噪，设I表示待去噪的图像，I(x，y)表示图像 I中坐标(x，y)处的像素，采用迭代的方式确定像素I(x，y)的局部邻域，设Ω^r(x，y)表示在第r次迭代时以像素I(x，y)为中心的(2r+1)×(2r+1)的局部邻域，N^r(x，y)表示局部邻域Ω^r(x，y)中的像素集合，对局部邻域Ω^r(x，y)中的像素进行筛选，具体为：

设表示局部邻域Ω^r(x，y)中像素灰度值的最大值，表示局部邻域Ω^r(x，y)中像素灰度值的最小值，给定第一筛选阈值和第二筛选阈值

且

其中，M^r(x，y)表示局部邻域Ω^r(x，y)中的像素数，Ω^r-1(x，y)表示在第(r-1)次迭代时以像素I(x，y)为中心的(2(r-1)+1)×(2(r-1)+1)的局部邻域，M^r-1(x，y)表示局部邻域Ω^r-1(x，y)中的像素数，M(I)表示图像I中的像素数，C(I)表示图像I的长，K(I)表示图像I的宽；设I^r(m，n)表示局部邻域Ω^r(x，y)中坐标(m，n)处的像素，且I^r(m，n)≠I(x，y)，f^r(m，n)表示像素I^r(m，n)的灰度值，当或时，则将像素Ir(m，n)在集合N^r(x，y)中删除；

将集合N^r(x，y)中筛选剩余的像素组成的集合表示为N^r′(x，y)，定义局部邻域Ω^r(x，y)对应的迭代判断函数为W^r(x，y)，且W^r(x，y)的表达式为：

W^r(x，y)＝ω^r(x，y)-ω^r-1(x，y)

式中，ω^r(x，y)表示第r次迭代时的局部邻域Ω^r(x，y)对应的局部检测系数，ω^r-1(x，y)表示第(r-1)次迭代时的局部邻域Ω^r-1(x，y)对应的局部检测系数，I^r′(e，z)和I^r′(p，q)为集合 N^r′(x，y)中的像素，(e，z)表示像素I^r′(e，z)在局部邻域Ω^r(x，y)中的坐标，(p，q)表示像素 I^r′(p，q)在局部邻域Ω^r(x，y)中的坐标，f^r′(e，z)表示像素I^r′(e，z)的灰度值，f^r′(p，q)表示像素 I^r′(p，q)的灰度值，M^r′(x，y)表示集合N^r′(x，y)中的像素数，N^(r-1)(x，y)表示局部邻域Ω^r-1(x，y)的像素集合，N^(r-1)′(x，y)表示集合N^(r-1)(x，y)中筛选剩余的像素组成的集合， I^(r-1)′(v，g)和I^(r-1)′(s，u)为集合N^(r-1)′(x，y)中的像素，(v，g)表示像素I^(r-1)′(v，g)在局部邻域Ω^r-1(x，y)中的坐标，(s，u)表示像素I^(r-1)′(s，u)在局部邻域Ω^r-1(x，y)中的坐标， f^(r-1)′(v，g)表示像素I^(r-1)′(v，g)的灰度值，f^(r-1)′(s，u)表示像素I^(r-1)′(s，u)的灰度值， M^(r-1)′(x，y)表示集合N^(r-1)′(x，y)中的像素数；

当局部邻域Ω^r(x，y)对应的迭代判断函数W^r(x，y)满足

时，则继续采用迭代的方式确定像素I(x，y)的局部邻域，直到W^r(x，y)满足

时，停止继续迭代，则当前迭代的上一次迭代时的局部邻域即为像素I(x，y)的最终局部邻域；

设Ω^σ(x，y)表示采用上述方法确定的像素I(x，y)的最终局部邻域，Ω^σ(x，y)为在第σ次迭代时以像素I(x，y)为中心的(2σ+1)×(2σ+1)的局部邻域，N^σ(x，y)表示局部邻域Ω^σ(x，y)中的像素集合，N^σ′(x，y)表示集合N^σ(x，y)中筛选剩余的像素组成的集合，给定像素I(x，y)对应的像素检测阈值为H(x，y)，则H(x，y)的表达式为：

式中，I^σ′(G，D)表示集合N^σ′(x，y)中的像素，且I^σ′(G，D)≠I(x，y)，(G，D)表示像素I^σ′(G，D)在局部邻域Ω^σ(x，y)中的坐标，f^σ′(G，D)表示像素I^σ′(G，D)的灰度值，I^σ′(A，B)表示集合N^σ′(x，y)中的像素，且I^σ′(A，B)≠I(x，y)，(A，B)表示像素I^σ′(A，B)在局部邻域Ω^σ(x，y)中的坐标，f^σ′(A，B)表示像素I^σ′(A，B)的灰度值，M^σ′(x，y)表示集合N^σ′(x，y)中的像素数；

当像素I(x，y)的灰度值f(x，y)满足

时，则判定像素I(x，y)为噪声像素，令

当像素 I(x，y)的灰度值f(x，y)满足

时，则判定像素 I(x，y)为正常像素。

本优选实施例在对图像中的像素进行处理时，采用迭代的方式确定待检测像素的局部邻域，给定第一筛选阈值和第二筛选阈值，根据给定的第一筛选阈值和第二筛选阈值对每一次迭代时对应的局部邻域中的像素进行筛选，从而去除局部邻域中存在的噪声像素，所述第一筛选阈值和第二筛选阈值随着当前迭代时的局部邻域中的像素数的变化量和当前的迭代次数进行自适应的调整，当前迭代时的局部邻域中的像素数增加的较多或者当前迭代时的局部邻域的范围较大时，较大概率引入更多的噪声数据，因此，增加第一筛选阈值和减小第二筛选阈值，从而能够筛选掉局部邻域中更多的噪声像素，避免噪声像素影响局部邻域的确定结果；当待检测像素为噪声像素，并且所述待检测像素处于噪声密度较大的图像区域中时，采用传统的方法确定待检测像素的局部邻域时，容易出现确定的局部邻域中的像素多为噪声像素，从而根据所述局部邻域中的像素对待检测像素进行检测时，并不能够有效的检测出噪声像素，针对上述情况，本优选实施例定义迭代判断函数，所述迭代判断函数中的局部检测系数通过像素灰度值之间的差值情况衡量局部邻域中像素的统一性，所述迭代判断函数通过两次迭代时的局部邻域的局部检测系数的变化情况判断当前迭代时的局部邻域中像素的统一性相较于上一次迭代时的局部邻域中像素的统一性的变化情况，当迭代判断函数的值在一定范围时，继续进行迭代，从而增加待检测像素的局部邻域中像素的多样性，避免出现待检测像素的局部邻域中的像素都为噪声像素的现象，当迭代判断函数的值超出一定范围时，则停止迭代，从而在增加待检测像素的局部邻域中像素的多样性的同时，保证待检测像素的局部邻域中像素之间的统一性，即采用本优选实施例确定的最终局部邻域能够实现对待检测像素的有效检测的同时，保证图像的细节信息；根据确定的局部邻域计算待检测像素对应的像素检测阈值，根据待检测像素和像素检测阈值之间的情况判断所述待检测像素是否为噪声像素，从而能够有效的检测出图像中的噪声像素。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。