一种从红外图像中自动识别电网设备的方法和装置，所述方法包括：在若干收集的热图图像上标注电网输变电设备的类别，形成数据集后，对所述数据集进行神经网络训练，形成实例分割模型；输入待识别的热图图像；调用所述实例分割模型对所述待识别的热图图像进行实例分割，获得若干电网输变电设备的对应的类别、坐标和轮廓。本申请的方法可以快速和准确的识别出待识别的热图图像多个类别的电网输变电设备以及该类别的电网输变电设备的位置和轮廓，因而后续进行温度检测时，可以快速和准确的判断所述待识别的热图图像中各个电网输变电设备的温度，并可以快速和准确的判断哪个电网输变电设备存在异常，从而提高温度检测时的准确性和效率。准确性和效率。准确性和效率。
【技术实现步骤摘要】
从红外图像中自动识别电网设备的方法及装置
[0001]本专利技术涉及红外检测领域，尤其涉及一种从红外图像中自动识别电网设备的方法及装置。
技术介绍
[0002]红外测温技术是利用红外热像仪探测物体发出的红外辐射，将不可见的辐射图像经由一系列转化处理得到设备直观的温度分布图谱，从而实现对变电设备异常温度点或异常温度分布的探查。近年来，红外测温诊断技术已十分成熟，并在各行业被广泛应用。运用该技术进行变电站设备或电网设备巡检时，一般是先对被测设备进行大面积快速扫描，监测设备的整体发热状况，之后对快速检查中发现的疑点进行准确检测，从而实现对设备故障的准确排查。运用红外检测技术，能够实现带电作业，确保在电网运行状态下对其进行真实有效的检测，具有操作简便、可靠性和灵活性强、测量精度高、稳定性好的优点。然而，该技术的弊端也比较明显，比如在巡检过程中，无论是疑点发现还是后续故障的诊断，受人为因素的影响比较大，因而检测准确性和检测效率仍有待提升。
技术实现思路
[0003]本专利技术一些实施例提供了一种从红外图像中自动识别电网设备的方法，包括：
[0004]在若干收集的热图图像上标注电网输变电设备的类别，形成数据集；
[0005]对所述数据集进行神经网络训练，形成实例分割模型；
[0006]输入待识别的热图图像；
[0007]调用所述实例分割模型对所述待识别的热图图像进行实例分割，获得若干电网输变电设备的对应的类别、坐标和轮廓。
[0008]在一些实施例中，所述收集的热图图像为收集的红外热图图像经过灰度转换后获得的灰度图像。
[0009]在一些实施例中，所述灰度图像为8位灰度图像。
[0010]在一些实施例中，所述标注的电网输变电设备的类别包括主变套管、主变本体、电压互感器、电流互感器、断路器、隔离开关、耦合电容器、阻波器、绝缘子、电力电容器和避雷器。
[0011]在一些实施例中，所述对所述数据集进行神经网络训练时，采用Mask R
‑
CNN神经网络。
[0012]在一些实施例中，所述实例分割模型中包含不同类别的电网输变电设备的标签，每个所述标签对应一个电网输变电设备的类别。
[0013]在一些实施例中，所述待识别的热图图像为待识别的红外热图图像经过灰度转换后获得的灰度图像。
[0014]在一些实施例中，所述灰度图像为8位灰度位图。
[0015]在一些实施例中，所述获得若干电网输变电设备对应的类别、坐标和轮廓时还包
括:当所述电网输变电设备的类别相同时，对所述类别相同的电网输变电设备依次进行编号。
[0016]在一些实施例中，所述坐标包括电网输变电设备的轮廓的坐标。
[0017]在一些实施例中，所述获得若干电网输变电设备的对应的类别、坐标和轮廓后，还包括：判断所述轮廓内的面积是否大于设定像素值，若所述轮廓内的面积大于或大于等于所述设定像素值，则所述获得若干电网输变电设备为有效的电网输变电设备，若所述轮廓内的面积小于所述设定像素值，则所述获得若干电网输变电设备为无效的电网输变电设备。
[0018]在一些实施例中，所述设定像素值为12个。
[0019]在一些实施例中，所述获得若干电网输变电设备的对应的类别、坐标和轮廓后，还包括：通过所述获得的若干电网输变电设备的轮廓坐标统计对应的轮廓内的所有像素点的最高温，所统计的最高温为对应的电网输变电设备的检测温度；判断所述检测温度是否超过基准阈值，若超过，则对应的电网输变电设备存在故障。
[0020]本专利技术另一些实施例还提供了一种从红外图像中自动识别电网设备的装置，包括：
[0021]数据集形成单元，用于在若干收集的热图图像上标注电网输变电设备的类别，形成数据集；
[0022]神经网络训练单元，用于对所述数据集进行神经网络训练，形成实例分割模型；
[0023]热图图像输入单元，用于输入待识别的热图图像；
[0024]实例分割单元，用于调用所述实例分割模型对所述待识别的热图图像进行实例分割，获得若干电网输变电设备的对应的类别、坐标和轮廓。
[0025]在一些实施例中，所述收集的热图图像为收集的红外热图图像经过灰度转换后获得的灰度图像。
[0026]在一些实施例中，所述标注的电网输变电设备的类别包括主变套管、主变本体、电压互感器、电流互感器、断路器、隔离开关、耦合电容器、阻波器、绝缘子、电力电容器和避雷器。
[0027]在一些实施例中，所述神经网络训练单元采用Mask R
‑
CNN神经网络。
[0028]在一些实施例中，所述实例分割模型中包含不同类别的电网输变电设备的标签，每个所述标签对应一个电网输变电设备的类别。
[0029]在一些实施例中，所述待识别的热图图像为待识别的红外热图图像经过灰度转换后获得的灰度图像。
[0030]在一些实施例中，所述实例分割单元还用于:当所述电网输变电设备的类别相同时，对所述类别相同的电网输变电设备依次进行编号。
[0031]在一些实施例中，还包括判断单元，用于在所述实例分割单元获得若干电网输变电设备的对应的类别、坐标和轮廓后，判断所述轮廓内的面积是否大于设定像素值，若所述轮廓内的面积大于或大于等于所述设定像素值，则所述获得若干电网输变电设备为有效的电网输变电设备，若所述轮廓内的面积小于所述设定像素值，则所述获得若干电网输变电设备为无效的电网输变电设备。
[0032]在一些实施例中，还包括：测温单元和监测单元，所述测温单元用于通过所述获得
的若干电网输变电设备的轮廓坐标统计对应的轮廓内的所有像素点的最高温，所统计的最高温为对应的电网输变电设备的检测温度；所述监测单元用于判断所述检测温度是否超过基准阈值，若超过，则对应的电网输变电设备存在故障。
[0033]与现有技术相比，本申请技术方案具有以下优点：
[0034]本申请一些实施例中提供的从红外图像中自动识别电网设备的方法，在若干收集的热图图像上标注电网输变电设备的类别，形成数据集后，对所述数据集进行神经网络训练，形成实例分割模型；输入待识别的热图图像；调用所述实例分割模型对所述待识别的热图图像进行实例分割，获得若干电网输变电设备的对应的类别、坐标和轮廓。前述步骤中通过调用所述实例分割模型对所述待识别的热图图像进行实例分割，就可以获得待识别的热图图像中具有那些类别的电网输变电设备，并可以获得对应类别的电网输变电设备坐标和轮廓，因而可以快速和准确的识别出待识别的热图图像多个类别的电网输变电设备以及该类别的电网输变电设备的位置和轮廓，后续进行温度判断时，可以快速和准确的判断所述待识别的热图图像中各个电网输变电设备(包括相同类别和不同类别的电网输变电设备)的温度，并可以快速和准确的判断哪个电网输变电设备存在异常，从而提高对变电站设备或电网设备进行温度检测时的准确性和效率。
附图说明
[0035]图1为本专利技术一实施例中从红外图像中自动识别电网设备本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种从红外图像中自动识别电网设备的方法，其特征在于，包括：在若干收集的热图图像上标注电网输变电设备的类别，形成数据集；对所述数据集进行神经网络训练，形成实例分割模型；输入待识别的热图图像；调用所述实例分割模型对所述待识别的热图图像进行实例分割，获得若干电网输变电设备的对应的类别、坐标和轮廓。2.如权利要求1所述的从红外图像中自动识别电网设备的方法，其特征在于，所述收集的热图图像为收集的红外热图图像经过灰度转换后获得的灰度图像。3.如权利要求2所述的从红外图像中自动识别电网设备的方法，其特征在于，所述灰度图像为8位灰度图像。4.如权利要求1所述的从红外图像中自动识别电网设备的方法，其特征在于，所述标注的电网输变电设备的类别包括主变套管、主变本体、电压互感器、电流互感器、断路器、隔离开关、耦合电容器、阻波器、绝缘子、电力电容器和避雷器。5.如权利要求1或4所述的从红外图像中自动识别电网设备的方法，其特征在于，所述对所述数据集进行神经网络训练时，采用Mask R
‑
CNN神经网络。6.如权利要求5所述的从红外图像中自动识别电网设备的方法，其特征在于，所述实例分割模型中包含不同类别的电网输变电设备的标签，每个所述标签对应一个电网输变电设备的类别。7.如权利要求1所述的从红外图像中自动识别电网设备的方法，其特征在于，所述待识别的热图图像为待识别的红外热图图像经过灰度转换后获得的灰度图像。8.如权利要求7所述的从红外图像中自动识别电网设备的方法，其特征在于，所述灰度图像为8位灰度位图。9.如权利要求1所述的从红外图像中自动识别电网设备的方法，其特征在于，所述获得若干电网输变电设备对应的类别、坐标和轮廓时还包括:当所述电网输变电设备的类别相同时，对所述类别相同的电网输变电设备依次进行编号。10.如权利要求1所述的从红外图像中自动识别电网设备的方法，其特征在于，所述坐标包括电网输变电设备的轮廓的坐标。11.如权利要求1所述的从红外图像中自动识别电网设备的方法，其特征在于，所述获得若干电网输变电设备的对应的类别、坐标和轮廓后，还包括：判断所述轮廓内的面积是否大于设定像素值，若所述轮廓内的面积大于或大于等于所述设定像素值，则所述获得若干电网输变电设备为有效的电网输变电设备，若所述轮廓内的面积小于所述设定像素值，则所述获得若干电网输变电设备为无效的电网输变电设备。12.如权利要求11所述的从红外图像中自动识别电网设备的方法，其特征在于，所述设定像素值为12个。13.如权利要求11所述的从红外图像中自动识别电网设备的方法，其特征在于，所述获得若干电网输变电设备的对应的类别、坐标和轮廓后，还包括：通过所述获得的若干电网输变电设备的轮廓坐标统计对应的轮廓...
【专利技术属性】
技术研发人员：朱光南，
申请(专利权)人：浙江大立科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。