基于图像处理的电气设备在线监测方法技术

本发明专利技术涉及图像处理技术领域，具体涉及基于图像处理的电气设备在线监测方法，包括：获取电气设备电路图像的灰度图像；将灰度图像分块处理，根据块内像素特征得到像素异常程度，根据像素异常程度将图像像素点对应生成数据集；根据数据集中图像像素点的数据必要性和像素灰度梯度对数据集中的数据进行调整；对调整后的数据集使用K均值聚类算法得到数据集分割结果图；根据数据集分割结果图判断是否存在电路异常。本发明专利技术解决了热成像仅可以监测电路表面过热等相关情况，但无法及时监测到如线路重叠的后排电线短路发热等情况；快速精准监测出后排存在问题的区域。后排存在问题的区域。后排存在问题的区域。

【技术实现步骤摘要】
基于图像处理的电气设备在线监测方法


[0001]本专利技术涉及图像处理
，具体涉及基于图像处理的电气设备在线监测方法。

技术介绍

[0002]随着社会的不断发展，电力已经成为了最主要的能源供给，电气设备通常状态下为持续运转，通常会导致出现故障问题，影响电力系统稳定。随着时代的发展，现如今的红外热成像技术被广泛应用于电气设备监测中，但目前技术有限，热成像仅可以监测电路表面过热等相关情况并无法实用于全部场景，无法及时监测到如线路重叠的后排电线短路发热等情况，从而导致电路无法及时发现的安全隐患与经济损失。
[0003]目前技术有限，热成像仅可以监测电路表面过热等相关情况并无法实用于全部场景，无法及时监测到如线路重叠的后排电线短路发热等情况，因为电线之间温度传播影响，在热成像中表现极其不明显，现有的对热成像图像处理技术也无法精准监测出后排存在问题的区域，从而导致电路无法及时发现的安全隐患与经济损失。在k均值聚类算法图像分割中，因为线路重叠的后排电线短路发热的热成像图像中异常区域表现极其不明显，所以图像其数据集分散杂乱，无法将需要的异常数据聚为一类，导致图像分割效果差无法判断出是否存在异常。

技术实现思路

[0004]本专利技术提供基于图像处理的电气设备在线监测方法，以解决现有的问题。
[0005]本专利技术的基于图像处理的电气设备在线监测方法采用如下技术方案：本专利技术一个实施例提供了基于图像处理的电气设备在线监测方法，该方法包括以下步骤：获取电气设备电路图像的灰度图像；将灰度图像分块处理得到所有大尺寸灰度块和小尺寸灰度块；获取大尺寸灰度块内像素异常程度和小尺寸灰度块内像素点异常程度；根据大尺寸灰度块内像素异常程度和小尺寸灰度块内像素点异常程度建立直角坐标系；将灰度图像中的所有像素点对应到直角坐标系生成数据集；获取数据集中数据对应的像素点的数据必要性；根据数据集中数据对应的像素点的数据必要性得到数据集中的数据的间距调整值；根据数据集中的数据对应的像素点的数据间距调整值将数据集中的所有数据进行调整，得到调整后的数据集；对调整后的数据集进行聚类得到数据集分割结果图；根据数据集分割结果图判断是否存在电路异常。
[0006]优选的，所述将灰度图像分块处理得到所有大尺寸灰度块和小尺寸灰度块，包括的具体步骤如下：根据预设大小的大尺寸灰度块对灰度图像的进行均匀划分，直至将灰度图像均匀
划分为若干个大尺寸灰度块才停止；进而得到灰度图像的所有大尺寸灰度块；再将灰度图像中的所有大尺寸灰度块划分为预设大小的小尺寸灰度块。
[0007]优选的，所述获取大尺寸灰度块内像素异常程度和小尺寸灰度块内像素点异常程度，包括的具体步骤如下：大尺寸灰度块内像素异常程度计算表达式为：式中，表示第块大尺寸灰度块内像素点异常程度；表示第块大尺寸灰度块内像素近似度；表示第块大尺寸灰度块内方差；小尺寸灰度块内像素异常程度计算表达式为：式中，表示第块大尺寸灰度块分成第块小尺寸灰度块内像素点异常程度；表示第块大尺寸灰度块内像素近似度；表示第块大尺寸灰度块分成第块小尺寸灰度块内方差；表示第块大尺寸灰度块分成第块小尺寸灰度块内像素灰度均值。
[0008]优选的，所述根据大尺寸灰度块内像素异常程度和小尺寸灰度块内像素点异常程度建立直角坐标系，包括的具体步骤如下：建立直角坐标系，直角坐标系以大尺寸灰度块内像素异常程度为横轴，小尺寸灰度块内像素异常程度为纵轴。
[0009]优选的，所述根据数据集中数据对应的像素点的数据必要性得到数据集中的数据的间距调整值，包括的具体步骤如下：数据集中的数据的数据间距调整值为：式中，表示数据集中坐标为的数据的数据间距调整值；表示数据集中的数据与原点初始间距；表示数据集中的数据对应灰度图像中的像素点的像素灰度梯度值归一化后的数值；表示数据集中坐标为的数据的横坐标；表示数据集中坐标为的数据的纵坐标，表示数据集中坐标为的数据对应的像素点的数据必要性。
[0010]优选的，所述对调整后的数据集使用K均值聚类算法得到数据集分割结果图，包括的具体步骤如下：
对调整后的数据集进行k值为2的K均值聚类算法，得到数据集分割结果图。
[0011]优选的，所述根据数据集分割结果图判断是否存在电路异常，包括的具体步骤如下：当电气设备电路图像无异常时，则数据集分割结果图显示为白色，当电气设备电路图像出现异常时，则数据集分割结果图显示为黑色，进而根据则数据集分割结果图判断电气设备电路图像中是否存在电路异常。
[0012]本专利技术的技术方案的有益效果是：本专利技术解决了热成像仅可以监测电路表面过热等相关情况，但无法及时监测到如线路重叠的后排电线短路发热等情况，因为电线之间温度传播影响，在热成像中表现极其不明显，现有的对热成像图像处理技术也无法精准监测出后排存在问题的区域。本专利技术根据前排电线受后排异常电线温度影响的变化，通过大小尺寸分块，得到各像素异常程度，根据异常程度将像素点转换为数据，再通过数据必要性和像素的灰度梯度对每个数据进行调整，使得目标像素对应的数据更加聚集，从而达到更好的K均值聚类算法分割效果，经过本专利技术对电气设备红外热成像图像的处理，使得处理后的图像，突显了图像中的关键信息，更有利于对电气设备红外热成像图像的后续处理。
附图说明
[0013]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1为本专利技术基于图像处理的电气设备在线监测方法的步骤流程图。
具体实施方式
[0015]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的基于图像处理的电气设备在线监测方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0016]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0017]下面结合附图具体的说明本专利技术所提供的基于图像处理的电气设备在线监测方法的具体方案。
[0018]请参阅图1，其示出了本专利技术一个实施例提供的基于图像处理的电气设备在线监测方法的步骤流程图，该方法包括以下步骤：需要说明的是，针对热成像仅可以监测电路表面过热等相关情况并无法实用于全部场景，无法及时监测到如线路重叠的后排电线短路发热等情况，因为电线之间温度传播影响，在热成像中表现极其不明显，现有的对热成像图像处理技术也无法精准监测出后排存在问题的区域，从而导致电路无法及时发现的安全隐患与经济损失。在k均值聚类算法图像分割中，因为线路重叠的后排电线短路发热的热成像图像中异常区域表现极其不明显，所以图像其数据集分散杂乱，无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于图像处理的电气设备在线监测方法，其特征在于，该方法包括以下步骤：获取电气设备电路图像的灰度图像；将灰度图像分块处理得到所有大尺寸灰度块和小尺寸灰度块；获取大尺寸灰度块内像素异常程度和小尺寸灰度块内像素点异常程度；根据大尺寸灰度块内像素异常程度和小尺寸灰度块内像素点异常程度建立直角坐标系；将灰度图像中的所有像素点对应到直角坐标系生成数据集；获取数据集中数据对应的像素点的数据必要性；根据数据集中数据对应的像素点的数据必要性得到数据集中的数据的间距调整值；根据数据集中的数据对应的像素点的数据间距调整值将数据集中的所有数据进行调整，得到调整后的数据集；对调整后的数据集进行聚类得到数据集分割结果图；根据数据集分割结果图判断是否存在电路异常。2.根据权利要求1所述基于图像处理的电气设备在线监测方法，其特征在于，所述将灰度图像分块处理得到所有大尺寸灰度块和小尺寸灰度块，包括的具体步骤如下：根据预设大小的大尺寸灰度块对灰度图像的进行均匀划分，直至将灰度图像均匀划分为若干个大尺寸灰度块才停止；进而得到灰度图像的所有大尺寸灰度块；再将灰度图像中的所有大尺寸灰度块划分为预设大小的小尺寸灰度块。3.根据权利要求1所述基于图像处理的电气设备在线监测方法，其特征在于，所述获取大尺寸灰度块内像素异常程度和小尺寸灰度块内像素点异常程度，包括的具体步骤如下：大尺寸灰度块内像素异常程度计算表达式为：式中，表示第块大尺寸灰度块内像素点异常程度；表示第块大尺寸灰度块内像素近似度；表示第块大尺寸灰度块内方差；小尺寸灰度块内像素异常程度计算表达式为：式中，表示第块大尺寸灰度块分成第块小尺寸灰度块内像素点异常程度；表示第块大尺寸灰度块...

【专利技术属性】
技术研发人员：刘爱英，
申请(专利权)人：威海职业学院威海市技术学院，
类型：发明
国别省市：