一种温度异常缺陷检测定位方法及系统技术方案

本发明专利技术涉及一种温度异常缺陷检测定位方法及系统，所述系统包括：红外热成像测温模块、可见光成像模块、参数设定模块、结果显示模块、报警模块、图像分析定位模块；所述方法包括：S1：将红外热成像测温模块与可见光成像模块相对位置固定，且二者的镜面相对平行；红外热成像测温模块采集红外热图数据，可见光成像模块采集可见光图像数据；将两者数据传送至图像分析定位模块；S2：图像分析定位模块接收红外热图数据、可见光图像数据，通过图像分析处理得到的温度异常检测和定位结果；S3：将温度异常检测定位结果的图像和文字信息传递给结果显示模块进行显示，将温度异常检测信号传递给报警模块进行报警。本发明专利技术可提高温度异常缺陷判断和定位的效率。

A method and system for detecting and locating abnormal temperature defects

【技术实现步骤摘要】
一种温度异常缺陷检测定位方法及系统
本专利技术涉及温度异常缺陷检测定位领域，更具体地，涉及一种温度异常缺陷检测定位方法及系统。
技术介绍
对于温度异常缺陷使用图像进行检测定位，一般采用红外热像仪进行温度数据采集获取红外温度热图，进行温度异常缺陷定位。但大多数红外热像仪分辨率较低且远低于普通可见光相机分辨率，导致红外热图细节丢失严重、图像模糊。目前对于温度异常缺陷的定位往往根据巡检机器人拍摄位置或者技术人员拍摄位置大概确定温度异常区域，需要熟悉现场和红外热图的工作人员远程或者进入现场进一步查看才能确定温度异常具体位置。这样不仅工作量大、效率低，同时还要求工作人员具有较好的专业技能及丰富的实操经验。中国专利CN110223330A提出了一种可见光和红外图像的配准方法及系统。该专利采集电力设备的可见光图像和红外图像；对红外图像和可见光图像进行初次配准；采用在初次配准点对中任意取三对点对以获得仿射变换矩阵集合，求得仿射变换矩阵集合中使得图像边缘相关度最高的集合，以得到最优的三对配准点对，构建配准点邻域；以选定的亚像素单位在配准点邻域内遍历查找使得仿射边缘相关度最高的亚像素点，并最终得到配准点对。该专利使用角点检测提取特征，引入边缘相关度计算配准点对。特征点配对繁琐复杂，容易因局部明显特征导致图像配准出现较大偏差。中国专利CN110335271A提出了一种电气部件故障的红外检测方法及装置。该专利采集正常电气部件的红外及可见光图像作为标准图像，检测时采集待测电气部件的红外及可见光图像；将正常部件及待测电气部件的红外图像与可见光图像做相应处理以实现可见光图像与红外图像完全匹配；将两完全匹配的待测及正常电气部件的红外图像进行灰度化处理得到的灰度图像进行差分比对分析，以确定待测电气部件的异常情况。该专利实现可见光图像与红外图像完全匹配需经过标定才能实现，当红外热像仪与可见光相机相对位置因为日常使用中造成偏移，将导致匹配出现偏差，必须重新标定或者调整相机相对位置才能正常完成完全匹配。目前，温度异常缺陷检测定位主要存在以下缺陷：(1)特征点配准难度大。由于传感器间的成像方式和成像平台的不同，即使在同一时间对同一区域成像所得到的红外图像与可见光图像也存在较大差异。红外图像和可见光图像在分辨率和色彩上存在的巨大差异，从而使得红外图像与可见光图像的配准较难实现；在分辨率上，红外图像大多远低于普通可见光图像的分辨率，这导致红外图像灰度细节丢失严重、图像模糊，与可见光灰度图像中清晰的纹理具有较大差异。可较快实现特征点提取，但实现高精度的特征点配对，往往涉及复杂的描述子建立，解决尺寸、分辨率、方向等变换带来的影响。(2)相机位置要求较高。为较为快速简单实现可见光图像与红外图像配准采用相机标定方式实现。但当红外热像仪与可见光相机相对位置因为日常使用中由于正常震动等原因造成相机相对位置发生偏移，将导致位置映射出现偏差，必须重新标定或者调整相机相对位置才能正常完成图像配准。
技术实现思路
本专利技术为克服上述现有技术所述的温度异常缺陷检测定位特征点配准难度大、相机位置要求较高导致温度异常缺陷判断和定位效率不够高的缺陷，提供一种温度异常缺陷检测定位方法及系统。所述方法包括以下步骤：S1：将红外热成像测温模块与可见光成像模块相对位置固定，且红外热成像测温模块的镜面和可见光成像模块的镜面相对平行；红外热成像测温模块采集红外热图数据，可见光成像模块采集可见光图像数据；将红外热图数据和可见光图像数据传送至图像分析定位模块；S2：图像分析定位模块接收红外热图数据、可见光图像数据，通过图像分析处理得到温度异常检测和定位结果；S3：将温度异常检测定位结果的图像和文字信息传递给结果显示模块进行显示，将温度异常检测信号传递给报警模块进行报警。优选地，S1所述的相对平行，容许存在一定的偏角，为防止采集的可见光图像和红外热图存在过大旋转偏角，偏角范围优选为：0°～10°。优选地，S2包括以下步骤：S21：使用红外热图根据输入温度阈值进行温度异常判断；若无温度异常区域则判定无温度异常缺陷发生，输出拍摄原图，并发出无温度异常缺陷信号；若存在温度异常区域则判定有温度异常缺陷发生，则发出有温度异常缺陷报警信号，并将温度异常区域位置保存，以供接下来图像处理调用；S22：对可见光图像和红外热图进行图像预处理；S23：使用小波变换对预处理后可见光图像进行小波多尺度分解，再对小波多尺度分解后所得的各层低频分量图像进行梯度提取，得到可见光图像各层梯度图像；使用小波变换对预处理后红外热图进行小波多尺度分解，再对小波多尺度分解后所得的各层低频分量图像进行梯度提取，得到红外热图各层梯度图像；S24：对多层可见光的梯度图像和多层红外热图的梯度图像通过模板匹配方式进行温度异常区域定位。优选地，S21中温度异常具体包括：温度过高、温度过低。优选地，S22中对可见光图像进行预处理具体包括：图像灰度化与去噪；将获取的可见光图像转化为灰度图；为去除噪声同时尽可能保持图像边缘细节信息，使用自适应中值滤波进行去噪处理。优选地，S22所述对红外热图进行预处理具体包括：形态学滤波与去噪；使用形态学滤波对获取的红外热图进行背景抑制；所述形态学滤波包括选择结构元素，使用开运算消除亮噪声，使用闭运算消除暗噪声，使用原图与处理后所获得的图像进行差分获得抑制背景后的图像；为去除噪声同时尽可能保持图像边缘细节信息，使用自适应中值滤波进行去噪处理。优选地，S24包括以下步骤：S241：使用对齐度作为相似度准则，通过模板匹配方式，以先粗后细、先小后大的顺序作为匹配策略，对处理得到的梯度图像进行遍历，以粗分辨率的结果指导细分辨率的匹配搜索过程，得到两幅待配准图像间的最佳几何变换关系；S242：根据S241获得的几何变换关系，计算出红外热图和可见光图像对应的位置关系和范围，将S21获得的温度异常区域通过仿射变换确定在可见光图像中的位置和区域，实现温度异常区域在可见光图像中定位。优选地，对齐度的具体计算方法为：图像IA(x,y)和图像IB(x,y)的大小同为M×N，对每个灰度等级n＝k(k＝0～255)定义HA(n)和HB(n)分别表示图像IA(x,y)和图像IB(x,y)中灰度值为k的像素数量，于是灰度值k在两幅图像中的出现概率分别为：对于图像IA(x,y)的每一个灰度级n，现定义图像IB(x,y)相对于图像IA(x,y)灰度值为n的对应像素集合的灰度均值和方差分别为：用灰度值n出现的概率PA(n)对σ2A,B(n)进行加权平均即可得到基于图像IA(x,y)的期望方差：同理可得到和定义两幅图像的交互方差为：式中σ2A和σ2B分别为图像IA(x,y)和图像IB(x,y)的方差；故定义对齐度为：优选地，进行对齐度计算时，对齐度的快速遍历方法为：本文档来自技高网...

【技术保护点】
1.一种温度异常缺陷检测定位方法，其特征在于，所述方法包括以下步骤：/nS1：将红外热成像测温模块与可见光成像模块相对位置固定，且二者的镜面相对平行；红外热成像测温模块采集红外热图数据，可见光成像模块采集可见光图像数据；将红外热图数据和可见光图像数据传送至图像分析定位模块；/nS2：图像分析定位模块接收红外热图数据、可见光图像数据，通过图像分析处理得到温度异常检测和定位结果。/n

【技术特征摘要】
1.一种温度异常缺陷检测定位方法，其特征在于，所述方法包括以下步骤：
S1：将红外热成像测温模块与可见光成像模块相对位置固定，且二者的镜面相对平行；红外热成像测温模块采集红外热图数据，可见光成像模块采集可见光图像数据；将红外热图数据和可见光图像数据传送至图像分析定位模块；
S2：图像分析定位模块接收红外热图数据、可见光图像数据，通过图像分析处理得到温度异常检测和定位结果。


2.根据权利要求1所述的温度异常缺陷检测定位方法，其特征在于，所述方法还包括S3：将温度异常检测和定位结果的图像和文字信息传递给结果显示模块进行显示，将温度异常检测信号传递给报警模块进行报警。


3.根据权利要求1或2所述的温度异常缺陷检测定位方法，其特征在于，S2包括以下步骤：
S21：使用红外热图根据输入设定温度阈值进行温度异常判断；若无温度异常区域则判定无温度异常缺陷发生，输出拍摄原图，并发出无温度异常缺陷信号；若存在温度异常区域则判定有温度异常缺陷发生，则发出有温度异常缺陷报警信号，并将温度异常区域位置保存，以供接下来图像处理调用；
S22：对可见光图像和红外热图进行图像预处理；
S23：使用小波变换对预处理后可见光图像进行小波多尺度分解，再对小波多尺度分解后所得的各层低频分量图像进行梯度提取，得到可见光图像各层梯度图像；
使用小波变换对预处理后红外热图进行小波多尺度分解，再对小波多尺度分解后所得的各层低频分量图像进行梯度提取，得到红外热图各层梯度图像；
S24：对多层可见光的梯度图像和多层红外热图的梯度图像通过模板匹配方式进行温度异常区域定位。


4.根据权利要求3所述的温度异常缺陷检测定位方法，其特征在于，S22中对可见光图像进行预处理具体包括：图像灰度化与去噪；将获取的可见光图像转化为灰度图；为去除噪声同时尽可能保持图像边缘细节信息，使用自适应中值滤波进行去噪处理。


5.根据权利要求4所述的温度异常缺陷检测定位方法，其特征在于，S22所述对红外热图进行预处理具体包括：形态学滤波与去噪；使用形态学滤波对获取的红外热图进行背景抑制；所述形态学滤波包括选择结构元素，使用开运算消除亮噪声，使用闭运算消除暗噪声，使用原图与处理后所获得的图像进行差分获得抑制背景后的图像；为去除噪声同时尽可能保持图像边缘细节信息，使用自适应中值滤波进行去噪处理。


6.根据权利要求4或5所述的温度异常缺陷检测定位方法，其特征在于，S24包括以下步骤：
S241：使用对齐度作为相似度准则，通过模板匹配方式，以先粗后细、先小后大的顺序作为匹配策略，对处理得到的梯度图像进行遍历，以粗分辨率的结果指导细分辨率的匹配搜索过程，得到两幅待配准图像间的最佳几何变换关系；
S242：根据S241获得的几何变换关系，计算出红外热图和可见光图像对应的位置关系和范围，将S21获得的温度异常区域通过仿射变换确定在可见光图像中的位置和区域，实现温度异常区域在可见光图像中定位。


7.根据权利要求6所述的温度异常缺陷检测定位方法，其特征在于，对齐度的具体计算方法为：
图像IA(x,y)和图像IB(x,y)的大小同为M×N，对每个灰度等级n＝k(k＝0～255)定义HA(n)和HB(n)分别表示图像IA(x,y)和图像IB(x,...

【专利技术属性】
技术研发人员：吴涛，陈贤碧，包能胜，江惠宇，李超平，徐媛媛，
申请(专利权)人：汕头大学，
类型：发明
国别省市：广东;44