电缆终端漏油缺陷红外图像自动识别算法

高压电缆终端漏油缺陷往往通过红外图像的方式进行检测,而人工评估既耗时又费力,因此通过图像处理算法对所采集的电缆终端红外图像进行自动计算,评估终端是否存在漏油缺陷。首先通过有限元算法分析漏油终端表面温度的特点,然后通过滤波算法对图像进行降噪预处理,并通过边缘提取算法对图像中的电缆终端进行图像区域分割,最后基于分割图像的灰度值曲线进行漏油评估。现场试验验证了所提图像处理方法的有效性。     

基于局部区域聚类的电力设备故障区域提取方法

针对电力设备红外图像诊断中热故障区域提取问题,提出了一种局部区域Mediodshift聚类的电力设备红外图像故障区域提取方法。文章根据热故障所表现的灰度特性初始化聚类中心;结合Mediodshift聚类方法,对目标区域邻域像素进行聚类。为了尽可能获取故障区域邻域相似像素,引入了基于邻域灰度的调节策略。同时,为了提高聚类效率,采用了自高向低的聚类阈值分割机制,从而使得Mediodshift算法能快速地将整幅图像中故障区域像素进行聚类,实现红外图像中热故障区域的提取。最后通过典型红外图像实验测试,验证了该方法区域提取的有效性,且对比目前现有的一些方法,进一步表明文中方法具有较好的故障区域提取性能。     

基于改进FAsT-Match算法的电力设备红外图像多目标定位

红外检测技术具有远距离、不接触、不取样、不解体、准确、快速、直观等特点,广泛用于电力设备过热缺陷监测和诊断,对提高电力系统的稳定性具有重要意义。FAs TMatch(fast affine template matching)算法是一种基于灰度值的快速模板匹配算法,可在一幅图像中找到一个近似全局最优目标。文中综合利用可见光和红外图像,提出一种多目标定位方法。首先,通过改进的FAsT-Match算法在电力设备可见光图像中实现多目标定位;其次,利用红外图像和可见光图像之间存在近似仿射变换,求出目标在红外图像中的位置。实验结果表明文中方法的有效性。     

基于红外图像目标检测与温度特征提取的变压器套管发热缺陷识别

针对变压器套管发热缺陷人工检测方法效率低下的问题，设计基于红外图像目标检测与温度特征提取的变压器套管发热缺陷诊断系统，以实现发热缺陷的自动诊断。首先，采用YOLOX目标检测模型对红外图像中不同电压等级套管进行分类识别，使用结合Mish激活函数的快速空间金字塔池化(spatial pyramid pooling-fast, SPPF)结构替换主干特征提取网络的空间金字塔池化(spatial pyramid pooling, SPP)结构，并在特征融合网络中添加高效通道注意力(efficient channel attention, ECA)模块以提高检测准确率；其次，设定所检测套管电压等级类别，根据预测框信息对同电压等级套管进行定位裁剪；最后对套管图像做加权均值法灰度化处理并进行区域划分，提取不同区域温度特征信息进行发热缺陷诊断，并以报表形式展示。实验结果表明：目标检测模型识别准确率达到98.41%,模型对图像的平均检测速度达到46.80帧/s,所设计系统能准确诊断出变压器套管发热缺陷，提高缺陷检测效率。     

基于红外热点的电力缺陷检测方法

针对直升机电力巡检拍摄到的实时红外视频序列,寻找定位高温点并实时反馈给控制系统,首先对其进行Hough变换检测输电线,然后采用Otsu自适应阈值算法对红外图像中的热点区域进行分割,提取出缺陷区域,接着利用SIFT特征匹配识别红外图像中的绝缘子,最后对缺陷进行分类和分级。实验证明该算法发热点定位准确率较高,可智能识别缺陷,减轻了人工作业负荷。     

基于Mask-RCNN算法的复合绝缘子串红外图像分割与温度读取

红外成像可以快速发现复合绝缘子异常温升,从而实现缺陷检测。为了解决复合绝缘子红外检测中人工诊断时间成本高、效率低、背景干扰多的问题,文中提出了基于Mask-RCNN的温升绝缘子自动检测方法。首先使用Mask-RCNN对红外图像数据进行学习训练,进而对其中的绝缘子目标进行识别检测和图像分割。在智能分割之后,通过识别图中的温度范围数据并将绝缘子区域图像灰度与之比对,得到了绝缘子的温度信息,用于绝缘子异常发热故障的诊断。实验研究表明:在对南方某市绝缘子红外测温图像的自动识别中,Mask-RCNN有着优异的表现,能够运用于在巡线工作中,可以有效减轻人工处理数据的压力,对于提升推进智能巡线的智能化水平、保障输电线路安全运行有着重要的意义。     

基于图像匹配的制衣裁片对横条方法

针对格子类衬衫的衣服裁片缝制时需要对条对横的基本要求,提出在机器视觉范围内制衣裁片对横条方法。此方法通过工业相机获取需要缝制的格子类裁片的图像。首先,运用阈值法分割出裁片,孔洞填充以及形态学方法使锯齿边缘消除,通过面积大小识别前幅后幅并进行校正;然后,根据纹理灰度变化梯度计算裁片最小格子单元,选取缝合边缘区域大小为6~8个最小纹理周期作为模板,匹配另一相应缝制区域裁片,模板及匹配区域同时包含非裁片区域。经实验对比了几种不同模板及匹配算法后,分析裁片对横条产生偏移的原因,提出基于灰度的互相关匹配的裁片对横条方法,该方法能够不偏移的对齐横条,且误差小于1像素。     

基于改进MSER算法的电力设备红外故障区域提取方法

红外图像处理中因目标边界模糊、区域灰度变化等因素,导致传统的极大稳态区域方法区域提取效果低下。为此,提出一种基于改进极大稳态区域方法的电力设备红外故障区域提取机制,提升区域提取效果。首先,从灰度相似度聚类出发,采用Meanshift算法对分割区域的邻域像素进行聚类。其次,结合阈值分割机制,快速将相似像素进行分割,最终通过迭代得到电力设备故障所呈现的亮度区域信息。实验结果表明该提取区域方法性能优于极大稳态区域算法,具有较低的误分类错误,且相比于Mean shift算法,具有高效的处理速度。     

基于无人机红外视频的输电线路发热缺陷智能诊断技术

以无人机搭载的红外传感器获取的视频为数据源,研究了基于红外图像的电力设备异常发热检测,实现了输电线故障缺陷位置的自动诊断和定位。首先从红外视频中抽取红外序列图像帧并对抽取的红外图像进行自动拼接和帧间差分,进而确定输电线的主方向,并对输电线区域进行定位;然后根据红外图像和输电线故障诊断标准对提取的输电线进行故障诊断,最终实现了输电线故障的定位和自动诊断。实践证明该方法具有较高的自动化程度和效率。     

基于深度学习的输变电设备异常发热点红外图片目标检测方法

随着红外热成像检测技术在变电站巡检机器人及输电线路无人机等检测平台的广泛应用,大量输变电设备红外异常发热故障的红外图片需要人工定期进行评估诊断,亟待需要智能算法对图片进行智能诊断。当前经典的机器学习算法难以有效识别输变电设备红外图像故障异常发热点。基于人工智能深度学习理论,本文采用了深度学习算法体系中基于区域建议网络的Faster RCNN算法实现对输变电红外图像发热故障的检测、识别及定位。本文以红外热成像仪采集到的输变电设备发热故障图像库为基础,对数据集进行人工标注包围框,通过交替训练构建网络共享参数,构建输变电设备异常发热红外智能检测模型。所描述的方法为输变电设备红外热成像智能检测提供了新思路。     

结合模板匹配和深度神经网络的电能表信息识别

针对真实拍摄电能表图像受光照、污渍及拍摄角度等影响给识别带来的挑战,提出一种结合模板匹配和深度神经网络的电能表示数及其标签的自动识别方法。首先利用SIFT特征与模板库中图像进行匹配来获得待测电能表的类型（即高压或低压电能表）,然后利用边缘信息和Hough变换提取出准确的电表屏幕区域,进一步借助所匹配的标准模板标定信息获得待测图像的屏幕示数及示数标签区域;在此基础上,利用等间隔分割和对标签区域是否存在标签的二分类判定网络来实现示数数字的分割和标签识别,最后利用数字识别网络识别出示数。所提方法充分利用了模板标定信息,将复杂条件下的示数检测变为简单有效的等距分割,将标签识别由复杂的文本检测和识别任务变为简单高效的二值检测任务,因而具有更好的鲁棒性。实验结果证明了该方法的有效性。     

变电站机器人自动巡检中的刀闸开合状态分析

针对人工刀闸巡检主观性强、费时费力等弊端,提出一种可应用于机器人巡检的刀闸开合状态分析方法。该方法分别提取了模板图像和巡检图像的SURF特征点和特征向量,并基于最近邻匹配和随机抽样一致性(RANSAC)算法完成了巡检和模板图像的匹配与配准;然后根据模板图像上的刀闸位置信息获得配准后巡检图像的刀闸区域;接着采用Canny算法对刀闸区域进行边缘检测,并利用概率Hough直线检测算法提取边缘直线;最后根据刀闸左右两臂的直线斜率差来判断刀闸的开合状态。实验结果表明该方法对于巡检和模板图像的匹配与配准都均有较高的准确度,并能精确描述出刀闸的开合程度。     

110kV电缆终端红外测温培训系统开发

红外测温作为一项非接触式带电检测技术,可快速、安全地发现电缆终端异常发热缺陷.为了相应地提高巡检人员红外拍摄技能水平和图像分析能力,在总结归纳各类电缆终端故障案例特点的基础上,设计了一种110 kV电缆终端红外测温培训系统,该系统等比还原了110 kV电缆终端.内部结构采用110 kV终端样品和加热系统相结合,可真实模拟电缆终端运行工况;布置多个定制加热器及温控表,灵活配置发热状态;采用PID控温算法,使温度控制平稳;采用ModBus-Tcp协议与温控表通信,通过WiFi-485总线实现移动终端对温控箱的远程设置;人机交互界面可灵活设置温度并实时显示监测结果.该系统在实训中取得良好效果.     

基于SURF的红外图像识别

为了识别信息量较少的红外图片,采用SURF算法提取特征并匹配。首先进行滤波、增强和分割等图像预处理工作,然后通过SURF算法提取图像特征并识别匹配,最后经过RANSAC算法筛选,获得正确率较高的匹配点。实验表明,在红外图像识别过程中,采用合适的预处理算法以及鲁棒性较强的SURF算法,可以取得令人满意的识别效果。     

轧管1344线高压电缆终端套管异常发热机理初探

从高压电缆终端的绝缘结构、内部填充绝缘油的理化和色谱分析、电缆绝缘材料的微观扫描、红外光谱和热失重分析等方面分析了轧管 1344线高压电缆终端异常发热的机理 ,探索了绝缘油老化与套管局部过热的关联度 ,为宝钢高压电缆的剩余寿命评估提供了科学依据。     

基于灰度熵多阈值分割和SVM的火焰图像状态识别

为了进一步提高锅炉燃烧火焰图像状态识别的性能,提出了一种基于灰度熵多阈值分割和支持向量机(supportvector machine,SVM)的火焰图像状态识别方法。对火焰图像进行基于灰度熵准则的多阈值分割,采用改进粒子群优化算法选取最优多阈值,由此快速准确地分割出火焰图像中的背景区域、有效燃烧区域及高温燃烧区域;然后,提取火焰图像的10个特征参数,以此作为训练样本训练支持向量机,最后采用支持向量机依据提取的特征对火焰图像进行分类,并通过上述改进粒子群优化算法优化支持向量机中的2个参数。实验结果表明,提出的方法分割结果正确,与采用将图像像素作为训练样本的方法相比,该方法的分类识别正确率更高,运行速度大大加快。     

基于图像识别技术在变电站设备监测中的应用

为减少传统基于灰度的模板匹配算法的计算量,采用一种在图像匹配中基于灰度的编码方式,将待搜索的源图像分割成若干块大小相同的子图像,计算每个子图像中的总灰度值,然后根据该子图像与相邻的子图像灰度值的排列关系进行编码,最后对每个子图像的编码值进行比较,实现图像的匹配。在图像匹配过程中,只需对编码值进行相等比较,并且每个子图像的编码计算简单,减少了传统模板匹配算法的计算量。仿真结果表明,该匹配算法能快速、准确地对变压器进行定位识别。     

基于红外成像技术的电气设备故障检测

以往电气设备故障检测所采用的信号处理方法为提取信号特征进行故障检测,无法实现故障的区域检测,缺乏故障等级的有效判断,检测结果具有检测准确度低、结果不稳定的缺点。因此,提出基于红外成像技术的电气设备故障检测方法,其通过红外摄像仪检测电气设备红外图像的温度值后,以灰度图像替代红外图像获得阈值的强度信息矩阵,提取电气设备红外图像的灰度值。根据温度与灰度的映射关系,采用相对温差法对红外图像高温区域进行提取。基于电气设备红外图像高温区域,进行故障区域面积与故障区域质心的计算,获得红外图像的故障区域特征,通过灰度和温度的对应关系,反推电气设备故障区域质心的温度,运用绝对温差法确定电气设备故障等级。实验结果说明:所提方法具有较高的检测准确度和稳定性。     

基于卷积递归网络的电流互感器红外故障图像诊断

电力大数据中日益增多的非结构化数据为以人工诊断为主的传统处理方式提出了新的挑战。红外故障图像作为一种典型的非结构化数据,对于电力大数据的研究有着至关重要的作用。为了达到自动处理海量红外故障图像的目的,提出了一种基于卷积递归网络的电流互感器红外故障图像诊断方法。对红外故障图像首先进行超像素分割并利用其色度信息提取温度异常区域;然后采用两级联合卷积-递归神经网络,对大量样本信息进行训练学习来指导设备故障部位识别;最后依据部位信息对故障进行分类。实验结果表明,该算法鲁棒性较强,准确性较高,有效地提高了红外检测效率,为非结构化数据的特征提取分析提供了坚实的基础。     

基于旋转目标检测的变电设备红外图像电压致热型缺陷智能诊断方法

传统红外人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,目前针对电流致热型缺陷较易识别,但缺少危害严重的电压致热型缺陷智能诊断方法研究,提出了一种基于旋转目标检测的变电设备电压致热型缺陷智能诊断方法。基于改进R3Det模型对瓷套进行旋转目标检测,基于Faster RCNN模型对红外图像中三相区域、套管、电流互感器等变电设备区域进行识别、定位;通过自动关联包含在三相区域中的同类设备,计算同类设备温差;基于温差阈值法进行电压致热型缺陷诊断。使用现场采集红外图像进行训练和测试,结果表明:目标检测平均精度均值为90.65%,电压过热型缺陷识别准确率达到81.39%,误报率为9.62%,实验结果证明所提方法能够有效地从红外图像中自动识别电压致热型缺陷,可为实现机器巡检作业红外诊断智能化奠定基础。