基于红外及可见图像的电力设备故障检测方法及评估设备技术

本发明专利技术涉及一种基于红外及可见图像的电力设备故障检测方法及评估设备，其中方法包括：步骤S1：接收检测到的红外拍摄图像，并基于对比识别红外拍摄图像的设备类别；步骤S2：判断是否存在检测到的可见光拍摄图像，若为是，则执行步骤S3，反之，则执行步骤S4；步骤S3：对红外拍摄图像和可见光拍摄图像进行融合，利用模板匹配的方式获取缺陷部位及缺陷温度，并执行步骤S5；步骤S4：利用红外拍摄图像获取匹配的可见光标准图像，对红外拍摄图像和可见光标准图像进行融合，利用模板匹配的方式获取缺陷部位及缺陷温度，并执行步骤S5；步骤S5：基于获取的设备类别、缺陷部位及缺陷温度得到故障诊断结果。与现有技术相比，本发明专利技术具有准确度高等优点。

Power equipment fault detection method and evaluation equipment based on infrared and visible image

The invention relates to a power equipment fault detection method and evaluation device based on infrared and visible images, wherein the method includes: step S1: receiving the detected infrared photographed image, and identifying the equipment category of the infrared photographed image based on comparison; step S2: judging whether there is a detected visible photographed image, if so, executing step S3; otherwise, executing step S 4; step S3: fuse the infrared image and visible light image, obtain the defect position and temperature by template matching, and execute step S5; step S4: obtain the matching visible light standard image by infrared image, fuse the infrared image and visible light standard image, and obtain the defect position and temperature by template matching And carry out step S5; step S5: get the fault diagnosis result based on the acquired equipment category, defect position and defect temperature. Compared with the prior art, the invention has the advantages of high accuracy.

【技术实现步骤摘要】
基于红外及可见图像的电力设备故障检测方法及评估设备
本专利技术涉及一种，尤其是涉及一种基于红外及可见图像的电力设备故障检测方法及评估设备。
技术介绍
目前，电力设备的安全预估，是主动式配电网安全运行的关键问题。然而，检测获得的大量非结构化图像数据由于缺乏有效的结构化方式造成故障诊断、状态预估困难。传统的故障诊断需人为方式对检测图像进行逐一排查，不仅准确性、实效性较差，还由于缺乏后续趋势建模分析导致设备安全管理被动。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于红外及可见图像的电力设备故障检测方法及评估设备。本专利技术的目的可以通过以下技术方案来实现：一种基于红外及可见图像特征的电力设备故障检测方法，包括：步骤S1：接收检测到的红外拍摄图像，并基于红外拍摄图像与红外标准图像进行对比，识别红外拍摄图像的设备类别；步骤S2：判断是否存在检测到的可见光拍摄图像，若为是，则执行步骤S3，反之，则执行步骤S4；步骤S3：对红外拍摄图像和可见光拍摄图像进行融合，利用模板匹配的方式获取缺陷部位及缺陷温度，并执行步骤S5；步骤S4：利用红外拍摄图像获取匹配的可见光标准图像，对红外拍摄图像和可见光标准图像进行融合，利用模板匹配的方式获取缺陷部位及缺陷温度，并执行步骤S5；步骤S5：基于获取的设备类别、缺陷部位及缺陷温度得到故障诊断结果。所述步骤S3和步骤S4中的融合、缺陷部位及缺陷温度获得过程具体包括：步骤S301：利用KNN，以加速稳健特征算法的特征点极值、特征点垂直响应、特征点水平响应和特征点主方向为样本进行特征点分类；步骤S302：将分类后的可见光图像与红外拍摄图像的特征点进行匹配、融合，其中，所述可见光图像为可见光标准图像或可见光拍摄图像；步骤S303：利用该类别设备的可见光健康图像与融合图像进行匹配，进而获得缺陷部位和缺陷温度。所述特征点分类过程具体为：计算特征点与目标分类集合的距离，并选择距离最小的集合所以的类别作为该特征点的类别，所述距离具体为：其中：d为距离，v(Det)为待分类特征点v的极值，为a类特征点集合中第K个特征点的极值，为待分类特征点v的水平响应，为a类特征点集合中第K个特征点的水平响应，为待分类特征点v的垂直响应，为a类特征点集合中第K个特征点的垂直响应，为待分类特征点v的主方向，为a类特征点集合中第K个特征点的主方向。所述步骤S1的对比过程采用NCC算法实现。一种基于红外及可见图像特征的电力设备安全预评估设备，包括：用于获取红外拍摄图像的红外摄像模块；用于根据红外拍摄图像和红外标准图像进行对比以获取设备类别的设备识别模块，该设备分类模块与红外摄像模块连接；用于将红外拍摄图像和可见光图像进行融合的图像融合模块，该图像融合模块与红外摄像模块连接；用于根据融合图像获得缺陷位置和缺陷温度的故障诊断模块，该故障诊断模块与图像融合模块连接；用于对故障进行演化预测的故障演化预测模块，该故障演化预测模块与故障诊断模块连接。所述设备识别模块的对比过程采用NCC算法实现。所述故障诊断模块利用权核K均值聚类算法以设备类别、缺陷部位、缺陷温度及运行参数为样本进行故障诊断。所述故障演化预测模块在故障诊断的基础上结合长-短期记忆模型的预测负荷及环境信息对故障趋势进行建模分析。所述设备还包括用于获取可见光拍摄图像的可见光摄像模块，所述可见光摄像模块与图像融合模块连接。融合、缺陷部位及缺陷温度获得过程具体包括：步骤S301：利用KNN，以加速稳健特征算法的特征点极值、特征点垂直响应、特征点水平响应和特征点主方向为样本进行特征点分类；步骤S302：将分类后的可见光图像与红外拍摄图像的特征点进行匹配、融合，其中，所述可见光图像为可见光标准图像或可见光拍摄图像；步骤S303：利用该类别设备的可见光健康图像与融合图像进行匹配，进而获得缺陷部位和缺陷温度。与现有技术相比，本专利技术具有以下有益效果：1)通过对检测图像进行识别和融合，实现了非结构化的图像数据向结构化数据转化。2)利用NCC算法克服融合过程中的背景及相似设备干扰，通过KNN以SURF特征点极值、特征点垂直响应、特征点水平响应和特征点主方向为样本进行分类匹配的方法避免了融合过程中原匹配原则的缺陷。3)在故障诊断的基础上，关联环境和深度学习方法预测的负荷，对设备后续趋势进行建模分析。4)与以往的人工方式进行设备诊断相比，本专利技术实现了设备识别、状态检测、故障诊断、状态预估的自动化，避免了人力物力的耗费，能更加及时的掌握电力设备运行状态随负荷变化的趋势，有效预估电力设备安全运行极限，提升了电网运行的稳定性、经济性。附图说明图1为本专利技术方法的主要步骤流程示意图；图2为本专利技术基于图像特征的电力设备安全预评估结构框图；图3为情况I的电力设备安全预评估的结构化流程；图4为情况II的电力设备安全预评估的结构化流程；图5为KNN以SURF特征点极值、垂直响应、水平响应和主方向为样本进行特征点分类。具体实施方式下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。随着检测技术的推广，生成了海量的非结构化数据，难以有效的进行设备故障诊断，进而导致设备状态预评估困难。而长期采用的人工方法进行故障诊断不仅效率低下，还会由于人员主观差异造成误诊。如图2所示，本实例实现一种基于红外-可见图像特征融合的电力设备安全预评估方法，该方法包括设备识别、状态检测、故障诊断和故障演化预测，设备识别包括可见标准图库、红外标准图库以及检测图库，其中检测图库按可见检测图库是否完备进行情况划分。上述一种基于红外-可见图像特征融合的电力设备安全预评估方法首先利用NCC算法将红外检测图像与红外标准图库进行对比，识别设备类型；其次，判断可见检测图库是否存在，若存在则利用改进SURF算法进行红外检测图像与可见检测图像匹配融合，若不存在则根据识别结果利用标准库中预留的可见图像与红外检测图像进行融合；再次，利用WKK以设备识别和图像融合获得的设备类型、缺陷部位、缺陷温度及运行参数为样本进行故障诊断；最后，在故障诊断的基础是关联环境因素及LSTM预测的负荷，进行后续状态预估。一种基于红外及可见图像特征的电力设备故障检测方法，包括：步骤S1：接收检测到的红外拍摄图像，并基于红外拍摄图像与红外标准图像进行对比，识别红外拍摄图像的设备类别，其中，对比过程采用NCC算法实现；步骤S2：判断是否存在检测到的可见光拍摄图像，若为是，则执行步骤S3，反之，则执行步骤S4；步骤S3：如图3所示，对红外拍摄图像和可见光拍摄图像进行融合，利用模板匹配的方式获取缺陷部位及缺本文档来自技高网...

【技术保护点】
1.一种基于红外及可见图像特征的电力设备故障检测方法，其特征在于，包括：/n步骤S1：接收检测到的红外拍摄图像，并基于红外拍摄图像与红外标准图像进行对比，识别红外拍摄图像的设备类别；/n步骤S2：判断是否存在检测到的可见光拍摄图像，若为是，则执行步骤S3，反之，则执行步骤S4；/n步骤S3：对红外拍摄图像和可见光拍摄图像进行融合，利用模板匹配的方式获取缺陷部位及缺陷温度，并执行步骤S5；/n步骤S4：利用红外拍摄图像获取匹配的可见光标准图像，对红外拍摄图像和可见光标准图像进行融合，利用模板匹配的方式获取缺陷部位及缺陷温度，并执行步骤S5；/n步骤S5：基于获取的设备类别、缺陷部位及缺陷温度得到故障诊断结果。/n

【技术特征摘要】
1.一种基于红外及可见图像特征的电力设备故障检测方法，其特征在于，包括：
步骤S1：接收检测到的红外拍摄图像，并基于红外拍摄图像与红外标准图像进行对比，识别红外拍摄图像的设备类别；
步骤S2：判断是否存在检测到的可见光拍摄图像，若为是，则执行步骤S3，反之，则执行步骤S4；
步骤S3：对红外拍摄图像和可见光拍摄图像进行融合，利用模板匹配的方式获取缺陷部位及缺陷温度，并执行步骤S5；
步骤S4：利用红外拍摄图像获取匹配的可见光标准图像，对红外拍摄图像和可见光标准图像进行融合，利用模板匹配的方式获取缺陷部位及缺陷温度，并执行步骤S5；
步骤S5：基于获取的设备类别、缺陷部位及缺陷温度得到故障诊断结果。


2.根据权利要求1所述的一种基于红外及可见图像特征的电力设备故障检测方法，其特征在于，所述步骤S3和步骤S4中的融合、缺陷部位及缺陷温度获得过程具体包括：
步骤S301：利用KNN，以加速稳健特征算法的特征点极值、特征点垂直响应、特征点水平响应和特征点主方向为样本进行特征点分类；
步骤S302：将分类后的可见光图像与红外拍摄图像的特征点进行匹配、融合，其中，所述可见光图像为可见光标准图像或可见光拍摄图像；
步骤S303：利用该类别设备的可见光健康图像与融合图像进行匹配，进而获得缺陷部位和缺陷温度。


3.根据权利要求2所述的一种基于红外及可见图像特征的电力设备故障检测方法，其特征在于，所述特征点分类过程具体为：计算特征点与目标分类集合的距离，并选择距离最小的集合所以的类别作为该特征点的类别，所述距离具体为：



其中：d为距离，v(Det)为待分类特征点v的极值，为a类特征点集合中第K个特征点的极值，为待分类特征点v的水平响应，为a类特征点集合中第K个特征点的水平响应，为待分类特征点v的垂直响应，为a类特征点集合中第K个特征点的垂直响应，为待分类特征点v的主方向，为a类特征点集合中第K个特征点的主方向。

【专利技术属性】
技术研发人员：崔昊杨，周坤，曾俊东，
申请(专利权)人：上海电力学院，
类型：发明
国别省市：上海;31