本发明专利技术涉及智能决策领域，揭露一种基于深度学习的电力设备缺陷检测方法、装置及电子设备，所述方法包括：采集电力设备的寿命数据、红外图像与锈蚀图像，确定电力设备的寿命检测值；提取红外图像中的图像特征，从红外图像中识别待检测区域及其区域类型，利用待检测区域及其区域类型，确定红外图像的设备图像；计算电力设备的实际温度；对锈蚀图像进行前景背景分割，得到分割前景与分割背景，对分割前景进行亮度变换，得到变换前景，识别变换前景中的锈蚀区域，计算锈蚀区域的锈蚀检测值；构建寿命检测值、实际温度与锈蚀检测值的缺陷因子权重，基于缺陷因子权重，确定电力设备的缺陷检测结果。本发明专利技术可以提高电力设备缺陷检测准确率。率。率。
【技术实现步骤摘要】
基于深度学习的电力设备缺陷检测方法、装置及电子设备
[0001]本专利技术涉及智能决策领域，尤其涉及一种基于深度学习的电力设备缺陷检测方法、装置及电子设备。
技术介绍
[0002]基于深度学习的电力设备缺陷检测是指利用机器学习算法实现电力设备的缺陷检测的过程。
[0003]目前，基于图像处理技术对电力设备进行缺陷检测时，对图像进行先分割后检测，该类方法的主要缺点是在图像背景复杂时不能很好地进行分割，缺陷识别精度不高；基于Canny 边缘特征提取和 K
‑
means 聚类的目标设备区域提取方法实现电力设备缺陷检测时，由于特征由人工设计，主观性强，抗干扰能力差，导致最终结果的准确率不足。因此，电力设备缺陷检测准确率较低。
技术实现思路
[0004]为了解决上述问题，本专利技术提供了一种基于深度学习的电力设备缺陷检测方法、装置及电子设备，可以提高电力设备缺陷检测准确率。
[0005]第一方面，本专利技术提供了一种基于深度学习的电力设备缺陷检测方法，包括：采集电力设备的寿命数据、红外图像与锈蚀图像，根据所述寿命数据，确定所述电力设备的寿命检测值；提取所述红外图像中的图像特征，根据所述图像特征，从所述红外图像中识别待检测区域及其区域类型，利用所述待检测区域及其区域类型，确定所述红外图像中的设备图像；根据所述设备图像，计算所述电力设备的实际温度；对所述锈蚀图像进行前景背景分割，得到分割前景与分割背景，基于所述分割背景，对所述分割前景进行亮度变换，得到变换前景，识别所述变换前景中的锈蚀区域，计算所述锈蚀区域的锈蚀检测值；构建所述寿命检测值、所述实际温度与所述锈蚀检测值的缺陷因子权重，基于所述缺陷因子权重，确定所述电力设备的缺陷检测结果。
[0006]在第一方面的一种可能实现方式中，所述根据所述寿命数据，确定所述电力设备的寿命检测值，包括：根据所述寿命数据，划定所述电力设备的寿命等级；设置所述寿命等级的等级指数，将所述等级指数作为所述寿命检测值。
[0007]在第一方面的一种可能实现方式中，所述根据所述图像特征，从所述红外图像中识别待检测区域及其区域类型，包括：对所述图像特征进行窗口滑动，得到图像锚点；对所述图像锚点进行包围框回归，得到回归锚点；
对所述图像锚点进行锚点分类，得到分类锚点；将所述回归锚点作为所述待检测区域，将所述分类锚点作为所述区域类型。
[0008]在第一方面的一种可能实现方式中，所述根据所述设备图像，计算所述电力设备的实际温度，包括：利用下述公式计算所述设备图像的图像热度：其中，表示所述设备图像的图像热度，表示所述设备图像的灰度值，表示红外成像仪设备的热范围，表示红外成像仪设备的热平，表示透射率，表示物体发射率；根据所述图像热度，利用下述公式计算所述电力设备的实际温度：其中，表示所述电力设备的实际温度，表示所述设备图像的图像热度，表示红外成像仪设备的标定曲线常数。
[0009]在第一方面的一种可能实现方式中，所述基于所述分割背景，对所述分割前景进行亮度变换，得到变换前景，包括：利用下述公式计算所述分割背景的平均明亮度：利用下述公式计算所述分割背景的平均明亮度：其中，表示所述分割背景的平均明亮度，表示所述分割背景的亮度，表示所述分割背景的红色灰度值，表示所述分割背景的绿色灰度值，表示所述分割背景的蓝色灰度值，表示所述分割背景的像素坐标，k表示所有亮度不为0的像素点的个数；根据所述平均明亮度，利用下述公式计算所述分割前景的变换参数：其中，表示所述分割前景的变换参数，表示所述分割背景的平均明亮度，128表示图像亮度标准值；根据所述变换参数，利用下述公式对所述分割前景进行亮度变换，得到所述变换前景：其中，表示所述变换前景，表示所述分割前景的变换参数，表示所述分割前景。
[0010]在第一方面的一种可能实现方式中，所述识别所述变换前景中的锈蚀区域，包括：利用下述公式计算所述变换前景中的锈蚀灰度值：
其中，表示所述变换前景中的锈蚀灰度值，分别为前景图片三通道灰度值，表示所述变换前景的像素坐标；根据所述锈蚀灰度值，利用下述公式标识所述变换前景中的区域颜色，得到颜色标识：r=其中，r表示所述颜色标识，表示所述变换前景中的锈蚀灰度值，、、、以及分别表示橙、黄、粉、红以及深红的颜色标识；基于所述颜色标识，确定所述变换前景中的锈蚀区域。
[0011]在第一方面的一种可能实现方式中，所述基于所述缺陷因子权重，确定所述电力设备的缺陷检测结果，包括：获取所述寿命检测值、所述实际温度与所述锈蚀检测值；利用所述缺陷因子权重对所述寿命检测值、所述实际温度与所述锈蚀检测值进行加权求和处理，得到加权求和数值；基于所述加权求和数值，确定所述电力设备的缺陷检测等级；利用所述缺陷因子权重分别对所述寿命检测值、所述实际温度与所述锈蚀检测值进行加权处理，得到加权处理数值；基于所述加权处理数值，确定所述电力设备的缺陷检测类别；将所述缺陷检测等级与所述缺陷检测类别作为所述缺陷检测结果。
[0012]第二方面，本专利技术提供了一种基于深度学习的电力设备缺陷检测装置，所述装置包括：检测值确定模块，用于采集电力设备的寿命数据、红外图像与锈蚀图像，根据所述寿命数据，确定所述电力设备的寿命检测值；设备确定模块，用于提取所述红外图像中的图像特征，根据所述图像特征，从所述红外图像中识别待检测区域及其区域类型，利用所述待检测区域及其区域类型，确定所述红外图像中的设备图像；温度计算模块，用于根据所述设备图像，计算所述电力设备的实际温度；锈蚀值计算模块，用于对所述锈蚀图像进行前景背景分割，得到分割前景与分割背景，基于所述分割背景，对所述分割前景进行亮度变换，得到变换前景，识别所述变换前景中的锈蚀区域，计算所述锈蚀区域的锈蚀检测值；结果确定模块，用于构建所述寿命检测值、所述实际温度与所述锈蚀检测值的缺陷因子权重，基于所述缺陷因子权重，确定所述电力设备的缺陷检测结果。
[0013]第三方面，本专利技术提供一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，以使所述至少一个处理器能够执行如上述第一方面中任意一项所述的基于深度学习的电力设备缺陷检测方法。
[0014]第四方面，本专利技术提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任意一项所述的基于深度学习的电力设备缺陷检测方法。
[0015]与现有技术相比，本方案的技术原理及有益效果在于：本专利技术实施例首先通过采集电力设备的寿命数据、红外图像与锈蚀图像，以用于利用所采集的电力设备的历史数据分析所述电力设备的缺陷程度，进一步地，本专利技术实施例通过根据所述寿命数据，确定所述电力设备的寿命检测值，以用于将设备的使用寿命作为评估设备缺陷的因子；其次，本专利技术实施例通过提取所述红外图像中的图像特征，以用于基于特征从图像中框出包含设备的候选区域，进一步地，本专利技术实施例通过根据所述图像特征，从所述红外图像中识别待检测区域及其区域类型，以本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习的电力设备缺陷检测方法，其特征在于，所述方法包括：采集电力设备的寿命数据、红外图像与锈蚀图像，根据所述寿命数据，确定所述电力设备的寿命检测值；提取所述红外图像中的图像特征，根据所述图像特征，从所述红外图像中识别待检测区域及其区域类型，利用所述待检测区域及其区域类型，确定所述红外图像中的设备图像；根据所述设备图像，计算所述电力设备的实际温度；对所述锈蚀图像进行前景背景分割，得到分割前景与分割背景，基于所述分割背景，对所述分割前景进行亮度变换，得到变换前景，识别所述变换前景中的锈蚀区域，计算所述锈蚀区域的锈蚀检测值；构建所述寿命检测值、所述实际温度与所述锈蚀检测值的缺陷因子权重，基于所述缺陷因子权重，确定所述电力设备的缺陷检测结果。2.根据权利要求1所述的方法，其特征在于，所述根据所述寿命数据，确定所述电力设备的寿命检测值，包括：根据所述寿命数据，划定所述电力设备的寿命等级；设置所述寿命等级的等级指数，将所述等级指数作为所述寿命检测值。3.根据权利要求1所述的方法，其特征在于，所述根据所述图像特征，从所述红外图像中识别待检测区域及其区域类型，包括：对所述图像特征进行窗口滑动，得到图像锚点；对所述图像锚点进行包围框回归，得到回归锚点；对所述图像锚点进行锚点分类，得到分类锚点；将所述回归锚点作为所述待检测区域，将所述分类锚点作为所述区域类型。4.根据权利要求1所述的方法，其特征在于，所述根据所述设备图像，计算所述电力设备的实际温度，包括：利用下述公式计算所述设备图像的图像热度：其中，表示所述设备图像的图像热度，表示所述设备图像的灰度值，表示红外成像仪设备的热范围，表示红外成像仪设备的热平，表示透射率，表示物体发射率；根据所述图像热度，利用下述公式计算所述电力设备的实际温度：其中，表示所述电力设备的实际温度，表示所述设备图像的图像热度，表示红外成像仪设备的标定曲线常数。5.根据权利要求1所述的方法，其特征在于，所述基于所述分割背景，对所述分割前景进行亮度变换，得到变换前景，包括：利用下述公式计算所述分割背景的平均明亮度：
其中，表示所述分割背景的平均明亮度，表示所述分割背景的亮度，表示所述分割背景的红色灰度值，表示所述分割背景的绿色灰度值，表示所述分割背景的蓝色灰度值，表示所述分割背景的像素坐标，k表示所有亮度不为0的像素点的个数；根据所述平均明亮度，利用下述公式计算所述分割前景的变换参数：其中，表示所述分割前景的变换参数，表示所述分割背景的平均明亮度，128表示图像亮度标准值；根据所述变换参数，利用下述公式对所述分割前景进行亮度变换，得到所述变换前景：其中，表示所述变换前景，表示所述分割前景的变...
【专利技术属性】
技术研发人员：杜双育，姜磊，龚伟，
申请(专利权)人：佰聆数据股份有限公司，
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。