一种输变电设备热缺陷识别方法、装置、设备和存储介质制造方法及图纸

本申请公开了一种输变电设备热缺陷识别方法、装置、设备和存储介质，方法包括：采集待测输变电设备的可见光图像和红外图像；对可见光图像和红外图像分别进行图像分割，得到分割后可见光图像和分割后红外图像；对分割后可见光图像和分割后红外图像进行图像融合，得到待测输变电设备的融合图像；根据待测输变电设备的融合图像对待测输变电设备进行热缺陷识别，改善了现有技术存在的识别精度低的技术问题。改善了现有技术存在的识别精度低的技术问题。改善了现有技术存在的识别精度低的技术问题。

【技术实现步骤摘要】
一种输变电设备热缺陷识别方法、装置、设备和存储介质


[0001]本申请涉及图像处理
，尤其涉及一种输变电设备热缺陷识别方法、装置、设备和存储介质。

技术介绍

[0002]近年来，为满足国民经济和社会发展对电力的需求，对电网设备运行的稳定性提出了新的要求。同时，伴随着电网系统数字化转型升级，人工智能技术在电网设备巡检工作中逐渐得以应用。运行中的电力设备，大多数故障的发生都是逐渐形成的并且通常都伴随着温度变化，这些设备的不同缺陷会因为发热机理和传热路径不同引发出不同的热特性，因此，借由人工智能技术的大力发展，可以有效发掘热特性与设备缺陷之间的内在联系，实现设备的缺陷性质和部位的甄别，甚至可以提早做出故障预警。
[0003]智能感知作为人工智能的前端技术，旨在运用多种传感设备探测外部空间的环境信息，能够为后端的智能决策任务提供信息基础，有助于实现端到端的人工智能应用。其中视觉是最直观和最重要的感知途径，通过成像传感设备获得的数字图像，是视觉信息的重要载体和表现形式。然而电网系统环境极为复杂，如何准确捕捉感知对象，并且获取有效信息，是人工智能技术得以顺利应用的重要前提。
[0004]而现有的输变电设备热缺陷识别方法没有考虑复杂背景的干扰，仅采用单一的图像信息进行热缺陷识别，存在识别精度低的问题。

技术实现思路

[0005]本申请提供了一种输变电设备热缺陷识别方法、装置、设备和存储介质，用于改善现有技术存在的识别精度低的技术问题。
[0006]有鉴于此，本申请第一方面提供了一种输变电设备热缺陷识别方法，包括：
[0007]采集待测输变电设备的可见光图像和红外图像；
[0008]对所述可见光图像和所述红外图像分别进行图像分割，得到分割后可见光图像和分割后红外图像；
[0009]对所述分割后可见光图像和所述分割后红外图像进行图像融合，得到所述待测输变电设备的融合图像；
[0010]根据所述待测输变电设备的融合图像对所述待测输变电设备进行热缺陷识别。
[0011]可选的，所述对所述可见光图像和所述红外图像分别进行图像分割，得到分割后可见光图像和分割后红外图像，包括：
[0012]将所述可见光图像和所述红外图像先后输入到图像分割网络中，所述图像分割网络包括主干网络和分割头，所述主干网络由4个分支组成，所述分割头包括特征增强特征金字塔模块；
[0013]通过主干网络分别提取所述可见光图像和所述红外图像的4个尺度的全局上下文信息；
[0014]通过分割头对所述可见光图像的4个尺度的全局上下文信息进行特征融合，并对得到的融合特征信息进行像素分割，得到分割后可见光图像；
[0015]通过分割头对所述红外图像的4个尺度的全局上下文信息进行特征融合，并对得到的融合特征信息进行像素分割，得到分割后红外图像。
[0016]可选的，所述对所述分割后可见光图像和所述分割后红外图像进行图像融合，得到所述待测输变电设备的融合图像，包括：
[0017]采样张氏标定法对所述分割后可见光图像和所述分割后红外图像分别进行畸变矫正，得到矫正后可见光图像和矫正后红外图像；
[0018]根据所述矫正后可见光图像和所述矫正后红外图像的缩放比统一所述矫正后可见光图像和所述矫正后红外图像的尺寸比例，并通过计算统一尺寸比例后的矫正后可见光图像和矫正后红外图像的相对偏移量对统一尺寸比例后的矫正后可见光图像和矫正后红外图像进行粗配准；
[0019]对粗配准的图像块，将在统一尺寸比例后的矫正后红外图像中不同块内提取的特征与统一尺寸比例后的矫正后可见光图像中对应块提取的特征进行双向匹配和筛选，实现可见光图像和红外图像的精配准，得到精配准后可见光图像和精配准后红外图像；
[0020]将精配准后可见光图像和精配准后红外图像输入到多源图像融合网络中进行图像融合，得到所述待测输变电设备的融合图像。
[0021]可选的，所述多源图像融合网络包括两个编码器、特征融合模块和解码器；
[0022]所述将精配准后可见光图像和精配准后红外图像输入到多源图像融合网络中进行图像融合，得到所述待测输变电设备的融合图像，包括：
[0023]将精配准后可见光图像和精配准后红外图像输入到多源图像融合网络中，通过一个编码器对精配准后可见光图像进行特征提取，通过另一个编码器对精配准后红外图像进行特征提取，分别得到可见光特征图和红外特征图；
[0024]通过特征融合模块对可见光特征图和红外特征图进行特征融合，得到融合特征图；
[0025]通过解码器对融合特征图进行图像重构，得到所述待测输变电设备的融合图像。
[0026]可选的，所述根据所述待测输变电设备的融合图像对所述待测输变电设备进行热缺陷识别，包括：
[0027]根据输变电设备在正常运行状态和异常运行状态下的融合图像的灰度值和温度进行曲线拟合，得到输变电设备在正常运行状态下的灰度值与温度的对应关系以及输变电设备在异常运行状态下的灰度值与温度的对应关系；
[0028]根据输变电设备在正常运行状态和异常运行状态下的灰度值与温度的对应关系确定输变电设备在正常运行状态下的温度范围；
[0029]通过所述待测输变电设备的融合图像提取温度分布信息，根据该温度分布信息确定所述待测输变电设备的温度是否超过对应的正常状态下的温度范围，若是，则判定所述待测输变电设备存在热缺陷，若否，则判定所述待测输变电设备不存在热缺陷。
[0030]可选的，所述根据所述待测输变电设备的融合图像对所述待测输变电设备进行热缺陷识别，包括：
[0031]根据输变电设备在正常运行状态下的融合图像对应的温度分布信息建立输变电
设备在正常状态下的温度场分布模型；
[0032]以所述温度场分布模型为先验信息，基于邻域风险最小化方法扩充正常运行状态下的输变电设备的融合图像并提取扩充后的正常运行状态下的输变电设备的融合图像的温度分布信息；
[0033]通过扩充后的正常运行状态下的输变电设备的融合图像和异常运行状态下的输变电设备的融合图像训练得到异常检测模型；
[0034]将所述待测输变电设备的融合图像输入到所述异常检测模型中进行异常检测，并以扩充后的正常运行状态下的输变电设备的融合图像的温度分布信息为先验信息输入到异常检测模型；
[0035]当所述异常检测模型输出异常时，判定所述待测输变电设备存在热缺陷；
[0036]当所述异常检测模型输出正常时，判定所述待测输变电设备不存在热缺陷。
[0037]本申请第二方面提供了一种输变电设备热缺陷识别装置，包括：
[0038]采集单元，用于采集待测输变电设备的可见光图像和红外图像；
[0039]图像分割单元，用于对所述可见光图像和所述红外图像分别进行图像分割，得到分割后可见光图像和分割后红外图像；
[0040]图像融合单元，用于对所述分割后可见光图像和所述分割后红外图像进行图像融合，得到所述待测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种输变电设备热缺陷识别方法，其特征在于，包括：采集待测输变电设备的可见光图像和红外图像；对所述可见光图像和所述红外图像分别进行图像分割，得到分割后可见光图像和分割后红外图像；对所述分割后可见光图像和所述分割后红外图像进行图像融合，得到所述待测输变电设备的融合图像；根据所述待测输变电设备的融合图像对所述待测输变电设备进行热缺陷识别。2.根据权利要求1所述的输变电设备热缺陷识别方法，其特征在于，所述对所述可见光图像和所述红外图像分别进行图像分割，得到分割后可见光图像和分割后红外图像，包括：将所述可见光图像和所述红外图像先后输入到图像分割网络中，所述图像分割网络包括主干网络和分割头，所述主干网络由4个分支组成，所述分割头包括特征增强特征金字塔模块；通过主干网络分别提取所述可见光图像和所述红外图像的4个尺度的全局上下文信息；通过分割头对所述可见光图像的4个尺度的全局上下文信息进行特征融合，并对得到的融合特征信息进行像素分割，得到分割后可见光图像；通过分割头对所述红外图像的4个尺度的全局上下文信息进行特征融合，并对得到的融合特征信息进行像素分割，得到分割后红外图像。3.根据权利要求1所述的输变电设备热缺陷识别方法，其特征在于，所述对所述分割后可见光图像和所述分割后红外图像进行图像融合，得到所述待测输变电设备的融合图像，包括：采样张氏标定法对所述分割后可见光图像和所述分割后红外图像分别进行畸变矫正，得到矫正后可见光图像和矫正后红外图像；根据所述矫正后可见光图像和所述矫正后红外图像的缩放比统一所述矫正后可见光图像和所述矫正后红外图像的尺寸比例，并通过计算统一尺寸比例后的矫正后可见光图像和矫正后红外图像的相对偏移量对统一尺寸比例后的矫正后可见光图像和矫正后红外图像进行粗配准；对粗配准的图像块，将在统一尺寸比例后的矫正后红外图像中不同块内提取的特征与统一尺寸比例后的矫正后可见光图像中对应块提取的特征进行双向匹配和筛选，实现可见光图像和红外图像的精配准，得到精配准后可见光图像和精配准后红外图像；将精配准后可见光图像和精配准后红外图像输入到多源图像融合网络中进行图像融合，得到所述待测输变电设备的融合图像。4.根据权利要求3所述的输变电设备热缺陷识别方法，其特征在于，所述多源图像融合网络包括两个编码器、特征融合模块和解码器；所述将精配准后可见光图像和精配准后红外图像输入到多源图像融合网络中进行图像融合，得到所述待测输变电设备的融合图像，包括：将精配准后可见光图像和精配准后红外图像输入到多源图像融合网络中，通过一个编码器对精配准后可见光图像进行特征提取，通过另一个编码器对精配准后红外图像进行特征提取，分别得到可见光特征图和红外特征图；
通过特征融合模块对可见光特征图和红外特征图进行特征融合，得到融合特征图；通过解码器对融合特征图进行图像重构，得到所述待测输变电设备的融合图像。5.根据权利要求1所述的输变电设备热缺陷识别方法，其特征在于，所述根据所述待测输变电设备的融合图像对所述待测输变电设备进行热缺陷识别，包括：根据输变电设备在正常运行状态和异常运行状态下的融合图像的灰度值和温度进行曲线拟合，得到输变电设备在正常运行状态下的灰度值与温度的对应关系以及输变电设备在异常运行状态下的灰度值与温度的对应关系；根据输变电设备在正常运...

【专利技术属性】
技术研发人员：张贵峰，李锐海，杨宇轩，杨阳，李南，丁泽俊，张巍，肖易易，张志强，张海鹏，黎振宇，
申请(专利权)人：南方电网科学研究院有限责任公司，
类型：发明
国别省市：