电气设备缺陷确定方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例涉及设备检测技术领域，公开了一种电气设备缺陷确定方法、装置、电子设备及存储介质，该方法包括：获取待识别电气设备的第一红外图像；根据第一红外图像，获取待识别电气设备的温度信息；根据温度信息，确定第一红外图像中的温度异常区域；通过训练好的缺陷确定模型提取温度异常区域的特征，根据特征生成温度异常区域对应的多个第一掩膜，并确定温度异常区域中缺陷部件的第一掩膜系数；通过缺陷确定模型，根据多个第一掩膜以及第一掩膜系数生成温度异常区域的第二掩膜；通过缺陷确定模型，根据第二掩膜确定待识别电气设备的缺陷部件在第一红外图像中的图像位置。能够准确对缺陷部件进行定位，能够提升电气设备缺陷部位的识别准确率。位的识别准确率。位的识别准确率。

【技术实现步骤摘要】
电气设备缺陷确定方法、装置、电子设备及存储介质


[0001]本申请涉及设备检测
，尤其涉及一种电气设备缺陷确定方法、装置、电子设备及存储介质。

技术介绍

[0002]电力系统中的电气设备长期在高电压的环境中运行，而电气设备在长期的电压、发热、机械应力和环境因素作用下不可避免地出现温度异常、结构损伤等缺陷，对电气设备缺陷的及时发现和排除有利于提高电气设备以及电力系统的安全性。
[0003]目前电力系统中通常应用红外图像来判断电气设备是否温度异常，但这只能反映电气设备温度异常的区域，对于电气设备中导致温度异常的缺陷部件的识别准确率较低。

技术实现思路

[0004]本申请实施例公开了一种电气设备缺陷确定方法、装置、电子设备及存储介质，能够准确识别到电气设备的缺陷部件，提高电气设备中缺陷部件的识别准确度。
[0005]本申请实施例第一方面公开一种电气设备缺陷确定方法，包括：
[0006]获取待识别电气设备的第一红外图像；
[0007]根据所述第一红外图像，获取所述待识别电气设备的温度信息；
[0008]根据所述温度信息，确定所述第一红外图像中的温度异常区域；
[0009]通过训练好的缺陷确定模型提取所述温度异常区域的特征，根据所述特征生成所述温度异常区域对应的多个第一掩膜，并确定所述温度异常区域中缺陷部件的第一掩膜系数；
[0010]通过所述缺陷确定模型，根据所述多个第一掩膜以及所述第一掩膜系数生成所述温度异常区域的第二掩膜；
[0011]通过所述缺陷确定模型，根据所述第二掩膜确定所述待识别电气设备的缺陷部件在所述第一红外图像中的图像位置。
[0012]作为一种可选的实施方式，在本申请实施例第一方面中，所述缺陷确定模型是通过训练图像集进行训练得到的，所述训练图像集包括电气设备中各组成部件分别作为缺陷部件时对应的红外图像，所述红外图像标注有电气设备中各组成部件分别作为缺陷部件时的信息。
[0013]作为一种可选的实施方式，在本申请实施例第一方面中，在所述通过所述缺陷确定模型，根据所述第二掩膜确定所述待识别电气设备的缺陷部件在所述第一红外图像中的图像位置之后，所述方法还包括：
[0014]根据所述图像位置从所述第一红外图像中截取所述缺陷部件对应的第一红外子图像；
[0015]根据所述第一红外子图像，获取所述缺陷部件的温度信息；
[0016]将所述第一红外子图像以及所述缺陷部件的温度信息，与数据库中所述待识别电
气设备的各组成部件的第二红外图像以及各组成部件的温度信息分别进行比对，其中，所述第二红外图像为所述待识别电气设备的各组成部件处于正常状态下的红外图像；
[0017]根据比对的结果，确定缺陷部件的部件信息。
[0018]作为一种可选的实施方式，在本申请实施例第一方面中，
[0019]所述缺陷确定模型包括具有多个卷积模块的深度残差网络，所述通过训练好的缺陷确定模型提取所述温度异常区域的特征，包括：
[0020]通过所述深度残差网络的多个卷积模块对所述温度异常区域进行处理，得到多个输出尺寸均不相同的第一特征图；
[0021]将输出尺寸最小的第一特征图经过卷积层处理，得到第二特征图；
[0022]对所述第二特征图进行卷积和下采样操作，得到深层网络特征图；
[0023]对输出尺寸第二小的第一特征图进行卷积处理，得到第三特征图；
[0024]将所述第二特征图进行放大，并将放大后的第二特征图与所述第三特征图进行求和，得到浅层网络特征图。
[0025]作为一种可选的实施方式，在本申请实施例第一方面中，
[0026]所述缺陷确定模型还包括掩膜生成网络以及系数生成网络，所述掩膜生成网络与所述系数生成网络为并行网络；
[0027]所述根据所述特征生成所述温度异常区域对应的多个第一掩膜，并确定所述温度异常区域中缺陷部件的第一掩膜系数，包括：
[0028]将所述浅层网络特征图输入到所述掩膜生成网络，通过所述掩膜生成网络基于所述浅层网络特征图生成所述温度异常区域对应的多个第一掩膜；
[0029]将所述第二特征图、深层网络特征图和浅层网络特征图共同输入到所述系数生成网络，通过所述系数生成网络基于所述第二特征图、深层网络特征图及浅层网络特征图确定所述温度异常区域中缺陷部件的第一掩膜系数。
[0030]作为一种可选的实施方式，在本申请实施例第一方面中，所述通过所述缺陷确定模型，根据所述第二掩膜确定所述待识别电气设备的缺陷部件在所述第一红外图像中的图像位置，包括：
[0031]通过所述缺陷确定模型，对所述温度异常区域的第二掩膜进行分割，得到所述温度异常区域中各缺陷部件对应的第三掩膜；
[0032]通过所述缺陷确定模型，对所述第三掩膜进行图像二值化处理，根据二值化处理后的第三掩膜确定所述缺陷部件在所述第一红外图像中的图像位置。
[0033]作为一种可选的实施方式，在本申请实施例第一方面中，
[0034]所述确定所述温度异常区域中缺陷部件的第一掩膜系数，包括：
[0035]在所述缺陷确定模型中，根据所述特征生成所述温度异常区域中缺陷部件的多个预测框，并确定与所述预测框一一对应的分类置信度以及与所述预测框一一对应的第二掩膜系数；
[0036]根据各个预测框对应的分类置信度对所述多个预测框进行筛选，确定所述缺陷部件唯一对应的目标预测框，并将所述目标预测框对应的第二掩膜系数确定为第一掩膜系数。
[0037]在本实施方式中，通过待识别电气设备的第一红外图像获取的温度信息，来确定
第一红外图像中的温度异常区域对应的图像，通过训练好的缺陷确定模型来提取该对应的图像的特征后，根据特征生成与该对应图像尺寸相同的多个第一掩膜，并确定温度异常区域中缺陷部件的第一掩膜系数，根据多个第一掩膜和第一掩膜系数生成能用于指示温度异常区域中缺陷部件的第二掩膜，根据第二掩膜能够准确确定缺陷部件在第一红外图像中的图像位置，从而能够准确对缺陷部件进行定位，能够有效地提升电气设备中缺陷部位的识别准确率。
[0038]本申请实施例第二方面公开一种电气设备缺陷确定装置，包括：
[0039]图像获取模块，用于获取通过红外摄像头采集的待识别电气设备的第一红外图像；
[0040]温度获取模块，用于根据所述第一红外图像，获取所述待识别电气设备的温度信息；
[0041]区域截取模块，用于根据所述温度信息，确定所述红外图像中的温度异常区域；
[0042]掩膜获取模块，用于通过训练好的缺陷确定模型提取所述温度异常区域的特征，根据所述特征生成所述温度异常区域对应的多个第一掩膜，并确定所述温度异常区域中缺陷部件的第一掩膜系数；
[0043]掩膜确定模块，用于通过所述缺陷确定模型，根据所述多个第一掩膜以及所述第一掩膜系数生成所述温度异常区域的第二掩膜；
[0044]缺陷确定模块，用于通过所述缺陷确本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电气设备缺陷确定方法，其特征在于，所述方法包括：获取待识别电气设备的第一红外图像；根据所述第一红外图像，获取所述待识别电气设备的温度信息；根据所述温度信息，确定所述第一红外图像中的温度异常区域；通过训练好的缺陷确定模型提取所述温度异常区域的特征，根据所述特征生成所述温度异常区域对应的多个第一掩膜，并确定所述温度异常区域中缺陷部件的第一掩膜系数；通过所述缺陷确定模型，根据所述多个第一掩膜以及所述第一掩膜系数生成所述温度异常区域的第二掩膜；通过所述缺陷确定模型，根据所述第二掩膜确定所述待识别电气设备的缺陷部件在所述第一红外图像中的图像位置。2.根据权利要求1所述的方法，其特征在于，所述缺陷确定模型是通过训练图像集进行训练得到的，所述训练图像集包括电气设备中各组成部件分别作为缺陷部件时对应的红外图像，所述红外图像标注有电气设备中各组成部件分别作为缺陷部件时的信息。3.根据权利要求1所述的方法，其特征在于，在所述通过所述缺陷确定模型，根据所述第二掩膜确定所述待识别电气设备的缺陷部件在所述第一红外图像中的图像位置之后，所述方法还包括：根据所述图像位置从所述第一红外图像中截取所述缺陷部件对应的第一红外子图像；根据所述第一红外子图像，获取所述缺陷部件的温度信息；将所述第一红外子图像以及所述缺陷部件的温度信息，与数据库中所述待识别电气设备的各组成部件的第二红外图像以及各组成部件的温度信息分别进行比对，其中，所述第二红外图像为所述待识别电气设备的各组成部件处于正常状态下的红外图像；根据比对的结果，确定缺陷部件的部件信息。4.根据权利要求1所述的方法，其特征在于，所述缺陷确定模型包括具有多个卷积模块的深度残差网络，所述通过训练好的缺陷确定模型提取所述温度异常区域的特征，包括：通过所述深度残差网络的多个卷积模块对所述温度异常区域进行处理，得到多个输出尺寸均不相同的第一特征图；将输出尺寸最小的第一特征图经过卷积层处理，得到第二特征图；对所述第二特征图进行卷积和下采样操作，得到深层网络特征图；对输出尺寸第二小的第一特征图进行卷积处理，得到第三特征图；将所述第二特征图进行放大，并将放大后的第二特征图与所述第三特征图进行求和，得到浅层网络特征图。5.根据权利要求4所述的方法，其特征在于，所述缺陷确定模型还包括掩膜生成网络以及系数生成网络，所述掩膜生成网络与所述系数生成网络为并行网络；所述根据所述特征生成所述温度异常区域对应的多个第一掩膜，并确定所述温度异常区域中缺陷部件的第一掩膜系数，包括：将所述浅层网络特征图输入到所述掩膜生成网络...

【专利技术属性】
技术研发人员：全晓方，郑奇凯，孙上元，陈何成，李顺，姚日斌，黄繁朝，刘彬，杨海亮，杨武志，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司柳州局，
类型：发明
国别省市：