基于深度学习算法的变电站设备智能测温方法技术

本发明专利技术涉及电力设备状态检测技术领域，提供了基于深度学习算法的变电站设备智能测温方法，包括通过巡检设备的摄像头采集红外热成像图像；对红外热成像图像进行预处理；将预处理后的红外热成像图像带入预先建立的目标检测模型，以识别待测温设备的设备类型及关键部位并标注出对应关键部位的识别框；提取识别框内的像素值并计算出该识别框内待测温设备关键部位温度；将计算出的温度与该设备关键部位的预设温度进行比较，若计算出的温度超出预设温度，则判断该设备存在过热缺陷；收集存在过热缺陷的红外热成像图像。通过目标检测模型识别(热成像图像中)待测温设备的设备类型及关键部位，并对其进行测温，实现了对目标测温区域温度的智能提取。

【技术实现步骤摘要】
基于深度学习算法的变电站设备智能测温方法
本专利技术涉及电力设备状态检测
，具体涉及基于深度学习算法的变电站设备智能测温方法。
技术介绍
变电站内设备温度监测任务是工作人员日常巡检过程中较为重要的部分，及时发现设备温度异常可以有效、快速地发现设备运行异常，避免严重故障的发生。长期以来，变电站红外测温巡检任务由现场操作人员通过手持红外测温设备遍历各测温点来完成，这种巡检方法具有劳动成本高、效率低、间隔时间长等问题。为此，近年来电网公司逐渐采用巡检机器人配合人工巡视的方式进行变电站红外测温，一定程度上提高了工作质效，但现有机器红外测温方式仍然存在不足之处。现有通过机器红外测温的方式，无法自动识别变电设备及其关键部件，需要通过预置位设置和人工画框配合的方式实现测温区域的定位，该方法配置工作量大，可推广性不高，且受摄像头机械稳定性的影响较大。
技术实现思路
本专利技术所要解决的技术问题是克服上述现有的缺陷，提供了基于深度学习算法的变电站设备智能测温方法，能够通过深度学习算法识别变电设备关键部件，从而实现本文档来自技高网...

【技术保护点】
1.基于深度学习算法的变电站设备智能测温方法，其特征在于，包括，/n通过巡检设备的摄像头采集变电站设备的红外热成像图像；/n对红外热成像图像进行预处理；/n将预处理后的红外热成像图像带入预先建立的目标检测模型，以识别待测温设备的设备类型及关键部位并在红外热成像图像中标注出对应待测温设备的关键部位的识别框；/n在红外热成像图像中提取识别框内的像素值并计算出该识别框内待测温设备的关键部位温度；/n将计算出的温度与该设备关键部位的预设温度进行比较，若计算出的温度超出预设温度，则判断该设备存在过热缺陷；/n收集存在过热缺陷的红外热成像图像。/n

【技术特征摘要】
1.基于深度学习算法的变电站设备智能测温方法，其特征在于，包括，
通过巡检设备的摄像头采集变电站设备的红外热成像图像；
对红外热成像图像进行预处理；
将预处理后的红外热成像图像带入预先建立的目标检测模型，以识别待测温设备的设备类型及关键部位并在红外热成像图像中标注出对应待测温设备的关键部位的识别框；
在红外热成像图像中提取识别框内的像素值并计算出该识别框内待测温设备的关键部位温度；
将计算出的温度与该设备关键部位的预设温度进行比较，若计算出的温度超出预设温度，则判断该设备存在过热缺陷；
收集存在过热缺陷的红外热成像图像。


2.根据权利要求1所述的基于深度学习算法的变电站设备智能测温方法，其特征在于，所述在红外热成像图像中提取识别框内的像素值并计算出该识别框内待测温设备的关键部位温度，其中的温度包括最高温度、最低温度以及平均温度。


3.根据权利要求2所述的基于深度学习算法的变电站设备智能测温方法，其特征在于，所述预先建立的目标检测模型通过以下步骤建立：
采集变电站设备的红外热成像图像的样本集，样本集包含所述待测温设备在不同位置状态、不同角度及不同环境背景下的红外热成像图像；
对采集到的样本集中的红外热成像图像进行预处理；
将预处理后的样本集，按照训练要求筛选整理，获得训练集；
将训练集中的图像根据待测温设备的设备类型和关键部位分别进行标注，获取标注后的数据集及对应的标签数据集；
利用标注后获得...

【专利技术属性】
技术研发人员：韩睿，刘黎，韩译锋，王威，蒋鹏，李斐然，冯宇哲，杨立川，刘爽，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院，浙江大学，
类型：发明
国别省市：浙江;33