一种基于测量温度的电力设备红外图像处理方法技术

本发明专利技术公开了一种基于测量温度的电力设备红外图像处理方法，该方法包括：S1：利用红外热像仪在不同的环境温度下采集电力设备的灰度数据图像；S2：根据步骤S1利用红外热像仪在不同环境温度下采集的电力设备灰度数据图像，构建机器学习温度转换模型，利用模型把不同环境温度下的电力设备灰度数据图像转换成温度数据。本发明专利技术采用一种基于测量温度的电力设备红外图像处理方法，极大提高了红外图像在电力设备中的实用性。相比传统的灰度数据成像方法能取得了更好的处理效果。该发明专利技术特点是创新性强，实用性强，能够实现电力设备红外图像去噪效果好、速度快的需求。

【技术实现步骤摘要】
一种基于测量温度的电力设备红外图像处理方法
本专利技术涉及电力设备监测
，具体涉及一种基于测量温度的电力设备红外图像处理方法。
技术介绍
我国的电力产业是关系到国计民生的命脉产业，对我国的经济发展、社会发展、军事发展起着重要作用，也是中国制造2025能够实现的基础前提。为了贴合国家统筹战略资源的要求，优化国内电力基础建设，配合智能电力监控网络的高速发展，完成新时代新电网的信息化管理。电力系统在国内市场中不仅仅扮演着电力输送工的角色，也负有优化国内基础网络建设的重要责任。所以电力安全监管的力度、生产中的安全用电在我国是举足轻重。为了满足可靠供电的需求，密集型、封闭型、小型化、无油化等新型电力设备占据越来越多的比例。电力系统是一种复杂的、纵横交错的系统。往往电力系统中一个组件出现了故障，会使大面积的电力设备陷入瘫痪。由于采用了绝缘材料和封闭式的结构，传统对于电力系统的监测手段例如目测、耳听，显然已经难以符合电力系统对于稳定性的需求。我国全国范围内每年都有由于电力设备故障引起的安全事故，其占全国电力安全生产事故的80％以上，大部分电力设备的故障都跟电流的泄露、接触不良、连接松动等造成的发热有关，因此，对不同类型的电力设备进行有效的监控，成为了目前研究的热点。而且近年来，随着通信技术的更新换代，从以前只能交换文字信息的2G时代，到图片传输的3G时代，再到视频交互的4G时代，还有将要到来的云服务互联网加的5G时代。迅速发展的时代对电力系统网络建设提出了新的要求，建立智能电站已经是迫在眉睫。所以，得益于电子技术与图像技术的发展，电力系统里的监测技术也不断更新，传统变电站往自动化变电站发展，自动化变电站往数字智能变电站发展。其中，智能变电站就是采用了通信技术、电子技术，并且将这种技术结合在各种一次设备、二次设备上，从而使变电站的管理监测向无人化、智能化发展。近年来，红外成像技术快速发展，相关技术也越来越多的应用在电力设备的检测中，解决了大量设备热故障问题。红外热像技术是基于温度在绝对零度以上物体的热辐射进行检测，具有非接触、灵敏度高、不受电场干扰、快速、准确等特点。利用红外福射将物体表面的红外福射能量测量成温度图。将红外测温技术应用到配电设备的在线监测和巡检上，及时预测和发现设备问题，可以有效增强设备的可靠性、减少设备事故，正成为保障电力系统可靠运行的常用技术。这也成为了电力系统在线实时监测中的一个强大的工具。1990年，国际大电网会议首先肯定了热成像技术在电力设备诊断中的作用，近年来我国也积极推进相关技术研究与应用，并且相应的发布了应用指导准则。通过红外热成像技术，我们可以把电力设备发出的热红外辐射转变成热分布图像，设备的热像图经过对比，就可以分析判断出设备可能存在的故障。图1显示了电力设备红外图像的特点。然而，传统的电力设备红外图像采用的是灰度数据成像，图像中每一个点的灰度值与被测物体上该点发出并到达光电转换器件的辐射能量相对应，但图像的灰度数据在不同的环境温度下与被测物体温度值并非一一对应。因此，传统针对电力设备红外图像处理方法存在处理效果不佳、速度不快等问题。
技术实现思路
本专利技术所要解决的技术问题是现有的针对电力设备红外图像处理方法存在处理效果不佳、速度不快，而转化后的温度数据在不同的环境温度下并不是一一对应的等问题。本专利技术目的在于提供一种基于测量温度的电力设备红外图像处理方法，使用本专利技术方法转化后的电力设备图像温度数据在不同的环境温度下与被测物体温度值是一一对应的，用户在任何可工作的环境温度下，均可快速的找到感兴趣的温度段。本专利技术方法创新性强，实用性强，能够实现电力设备红外图像处理效果好、速度快的需求。本专利技术通过下述技术方案实现：一种基于测量温度的电力设备红外图像处理方法，该方法包括以下步骤：S1：利用红外热像仪在不同的环境温度下采集电力设备的灰度数据图像；S2：根据步骤S1利用红外热像仪在不同环境温度下采集的电力设备灰度数据图像，构建机器学习温度转换模型，利用模型把不同环境温度下的灰度数据图像转换成温度数据。本专利技术改进了一种基于测量温度的电力设备红外图像处理方法，本专利技术采用将灰度转化成温度后并采用温度进行电力设备红外图像处理的方法，极大的提高了红外图像在电力设备中的实用性，传统的电力设备红外图像采用的是灰度数据成像，图像中每一个点的灰度值与被测物体上该点发出并到达光电转换器件的辐射能量相对应，但图像的灰度数据在不同的环境温度下与被测物体温度值并非一一对应，而转化后的电力设备图像温度数据在不同的环境温度下与被测物体温度值是一一对应的，用户在任何可工作的环境温度下，均可快速的找到感兴趣的温度段。本专利技术特点是创新性强，实用性强，能够实现电力设备红外图像处理效果好、速度快的需求。进一步地，步骤S2包括以下子步骤：S21：利用红外热像仪将不同环境温度下的电力设备灰度数据图像进行到物体温度的映射；S22：根据步骤S21，采用盲元检测算法查找温度的最大值和最小值，并去除盲元及过热像元；S23：根据步骤S21及S22，在电力设备温度图像画面上建立温宽色标。进一步地，步骤S21包括以下子步骤：S211：利用红外测温仪测得与步骤S1相同场景下的物体温度，并将物体温度与电力设备灰度数据图像一一对应，形成电力设备温度数据图像；S212：将电力设备温度数据图像与电力设备灰度数据图像形成样本对，将样本对按7：3分成训练集和测试集；S213：搭建测量温度的机器学习温度转换模型；S214：对所述模型进行参数调节及优化，训练所述模型并对其进行测试。进一步地，步骤S211的具体操作为：将步骤S1中测得的灰度数据与物体温度在像素关系上一一对应，形成电力设备温度数据图像，电力设备温度数据图像的像素值代表物体在该像素上对应的温度值。进一步地，步骤S213的具体操作为：所述机器学习温度转换模型包括三部分，第一部分为特征提取模块，由一个卷积层和一个非线性激活层构成；第二部分为密集连接模块；第三部分为重建模块，由一个卷积层构成。进一步地，步骤S213中，所述特征提取模块中，卷积层卷积核大小为3X3，卷积核初始化的权重分布符合高斯分布，输入为电力设备灰度数据图像，输出64通道的特征图，非线性激活层使用的激活函数为tanh。进一步地，步骤S213中，所述密集连接模块：有3个卷积层，两两卷积层之间分别嵌入批归一化层、非线性激活层、1×1卷积层；输入都为64通道的特征图，且输出都为128通道的特征图，卷积核大小都为3X3，卷积核初始化的权重分布符合高斯分布，非线性激活层使用的激活函数为ReLU。进一步地，步骤S213中，所述重建模块中，卷积层卷积核大小为3X3，卷积核初始化的权重分布符合高斯分布，输入为128通道的特征图，输出为电力设备温度数据图像。进一步地，所述步骤S214的具体包括以下子步骤：步骤a：构造损失函数，损失函数为其中表示的是模型输入的电力设备灰度数据图像，表示的是实际的本文档来自技高网...

【技术保护点】
1.一种基于测量温度的电力设备红外图像处理方法，其特征在于，该方法包括以下步骤：/nS1：利用红外热像仪在不同的环境温度下采集电力设备的灰度数据图像；/nS2：根据步骤S1利用红外热像仪在不同环境温度下采集的电力设备灰度数据图像，构建机器学习温度转换模型，利用模型把不同环境温度下的灰度数据图像转换成温度数据。/n

【技术特征摘要】
1.一种基于测量温度的电力设备红外图像处理方法，其特征在于，该方法包括以下步骤：
S1：利用红外热像仪在不同的环境温度下采集电力设备的灰度数据图像；
S2：根据步骤S1利用红外热像仪在不同环境温度下采集的电力设备灰度数据图像，构建机器学习温度转换模型，利用模型把不同环境温度下的灰度数据图像转换成温度数据。


2.根据权利要求1所述的一种基于测量温度的电力设备红外图像处理方法，其特征在于，步骤S2包括以下子步骤：
S21：利用红外热像仪将不同环境温度下的电力设备灰度数据图像进行到物体温度的映射；
S22：根据步骤S21，采用盲元检测算法查找温度的最大值和最小值，并去除盲元及过热像元；
S23：根据步骤S21及S22，在电力设备温度数据图像画面上建立温宽色标。


3.根据权利要求2所述的一种基于测量温度的电力设备红外图像处理方法，其特征在于，步骤S21包括以下子步骤：
S211：利用红外测温仪测得与步骤S1相同场景下的物体温度，并将物体温度与灰度数据图像一一对应，形成电力设备温度数据图像；
S212：将电力设备的温度数据图像与灰度数据图像形成样本对，将样本对分成训练集和测试集；
S213：搭建测量温度的机器学习温度转换模型；
S214：对所述模型进行参数调节及优化，训练所述模型并对其进行测试。


4.根据权利要求3所述的一种基于测量温度的电力设备红外图像处理方法，其特征在于，步骤S211的具体操作为：
将步骤S1中测得的灰度数据与物体温度在像素关系上一一对应，形成电力设备温度数据图像，温度数据图像的像素值代表物体在该像素上对应的温度值。


5.根据权利要求3所述的一种基于测量温度的电力设备红外图像处理方法，其特征在于，步骤S213的具体操作为：
所述机器学习温度转换模型包括三部分，第一部分为特征提取模块，由一个卷积层和一个非线性激活层构...

【专利技术属性】
技术研发人员：周云，王五一，阙隆成，吕坚，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51