基于图像识别的电力巡检故障诊断方法及系统技术方案

本发明专利技术公开了一种基于图像识别的电力巡检故障诊断方法及系统，该方法包括：获取电力巡检过程中的可见光图像和红外图像；其中，可见光图像和红外图像相互匹配、相互对应；将红外图像输入至故障识别模型中，识别出电力故障区域；基于识别出的红外图像中电力故障区域，通过图像匹配，划分出可见光图像中的电力故障区域；将分割得到的可见光图形中的电力故障区域输入至故障分类模型中，输出电力巡检故障的类型。本发明专利技术获取电力巡检过程中的红外和可见光图像，基于红外图像识别电力故障区域，避免故障识别受环境天气的影响，提高识别准确率，通过基于改进ResNet网络的故障分类模型对可见光图像的电力故障区域进行故障分类，提高分类准确率。类准确率。类准确率。

【技术实现步骤摘要】
基于图像识别的电力巡检故障诊断方法及系统


[0001]本专利技术涉及电力巡检故障诊断
，尤其涉及一种基于图像识别的电力巡检故障诊断方法及系统。

技术介绍

[0002]随着人工智能技术的发展与进步，基于图像识别技术的无人机巡检在电力系统获得了广泛的应用。与传统的人工巡检相比，无人机巡检技术显著提高了输电线路巡检的工作效率，减少了作业人员的工作量，对于复杂和危险区域的巡检工作具有独特的优势。
[0003]目前，基于卷积神经网络的图像识别技术在无人机巡检及电力系统故障分析方面得到了广泛的关注与应用，如基于强泛化的卷积神经网络，通过对滤波器参数的控制实现对输电线路覆冰层厚度的有效识别；通过采样阈值分割和边缘检测的方法，实现绝缘子缺陷的自动侦测识别等。
[0004]但是，考虑到无人机电力巡检过程是在户外环境下进行的，无人机拍摄的图像包含大量其他环境对象，存在大量杂质与噪声，目前对复杂环境下的电力故障的识别与诊断存在一定的困难，识别精度较低；而且无人机拍摄时，因自然现象出现抖动导致采集的图像模糊且噪声大，也为电力故障识别带来困难；此外，户外环境下天气对采集图像的影响很大，如阴雨天气下采集图像亮度低且模糊，对故障的识别带来一定的困难，容易出现漏检等现象。

技术实现思路

[0005]为解决上述现有技术的不足，本专利技术提供了一种基于图像识别的电力巡检故障诊断方法及系统，获取电力巡检过程中的红外图像和可见光图像，基于红外图像识别电力故障区域，避免故障识别受到环境天气的影响，提高识别准确率，通过基于改进ResNet网络的故障分类模型对可见光图像中的电力故障区域进行故障分类，提高分类准确率。
[0006]第一方面，本公开提供了一种基于图像识别的电力巡检故障诊断方法。
[0007]一种基于图像识别的电力巡检故障诊断方法，包括：
[0008]获取电力巡检过程中的可见光图像和红外图像；其中，可见光图像和红外图像相互匹配、相互对应；
[0009]将红外图像输入至故障识别模型中，识别出电力故障区域；
[0010]基于识别出的红外图像中电力故障区域，通过图像匹配，划分出可见光图像中的电力故障区域；
[0011]将分割得到的可见光图形中的电力故障区域输入至故障分类模型中，输出电力巡检故障的类型。
[0012]第二方面，本公开提供了一种基于图像识别的电力巡检故障诊断系统。
[0013]一种基于图像识别的电力巡检故障诊断系统，包括：
[0014]图像获取模块，用于获取电力巡检过程中的可见光图像和红外图像；其中，可见光
图像和红外图像相互匹配、相互对应；
[0015]故障识别模块，用于将红外图像输入至故障识别模型中，识别出电力故障区域；
[0016]图像处理模块，用于基于识别出的红外图像中电力故障区域，通过图像匹配，划分出可见光图像中的电力故障区域；
[0017]故障分类模块，用于将分割得到的可见光图形中的电力故障区域输入至故障分类模型中，输出电力巡检故障的类型。
[0018]第三方面，本公开还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。
[0019]第四方面，本公开还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。
[0020]以上一个或多个技术方案存在以下有益效果：
[0021]1、本专利技术提供了一种基于图像识别的电力巡检故障诊断方法及系统，获取电力巡检过程中的红外图像和可见光图像，基于红外图像识别电力故障区域，避免故障识别受到环境天气的影响，使得采集可见光图像质量差，导致识别不准确，最终导致故障漏检、误检的问题，提高故障识别准确率；通过基于改进ResNet网络的故障分类模型对可见光图像中的电力故障区域进行故障分类，提高分类准确率。
[0022]2、本专利技术采用基于改进ResNet网络的故障分类模型，通过设置残差网络来增加网络深度，以此提高识别精度；通过加入注意力模块，以此获得更多所需关注对象的信息，抑制其它无用信息，以适应图像的背景复杂、噪声大的问题，有助于增强电力系统设备或线路的有效特征的表达，提高对复杂环境下故障识别的准确率。
附图说明
[0023]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0024]图1为本专利技术实施例所述基于图像识别的电力巡检故障诊断方法的整体流程图；
[0025]图2为本专利技术实施例中基于红外图像识别出电力故障区域的示意图；
[0026]图3为本专利技术实施例中故障分类模型的结构示意图；
[0027]图4为本专利技术实施例中注意力模块的结构示意图。
具体实施方式
[0028]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0029]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0030]实施例一
[0031]本实施例提供了一种基于图像识别的电力巡检故障诊断方法，如图1所示，包括：
[0032]步骤S1、获取电力巡检过程中的可见光图像和红外图像；其中，可见光图像和红外图像相互匹配、相互对应；
[0033]步骤S2、将红外图像输入至故障识别模型中，识别出电力故障区域；
[0034]步骤S3、基于识别出的红外图像中电力故障区域，通过图像匹配，划分出可见光图像中的电力故障区域；
[0035]步骤S4、将分割得到的可见光图形中的电力故障区域输入至故障分类模型中，输出电力巡检故障的类型。
[0036]在本实施例中，为了避免在电力巡检过程中，仅通过无人机采集可见光图像进行故障识别与诊断的方案，受环境天气影响较大，存在故障漏检、误检等现象，考虑到电力系统的各类电力设备和线路在正常运行时都会产生一定的热量，而随着设备运行时间的增加，负载的不平衡，某些接点或设备生锈腐蚀、接触不良而造成接触电阻增加、电流过大等问题、导致系统、设备、线路的热态异常和过热故障，这些异常部位和故障点都会辐射出比正常状态更多、更强的红外能。因此，通过红外热像仪等红外检测设备采集电力巡检过程中的红外图像，根据红外图像(即热图)确定图像中温度异常点，该温度异常点即为故障点或潜在故障点，以此实现对设备和线路的故障识别。通过这一方式进行故障识别，能够免受环境天气的影响，准确的识别故障点和潜在故障点，一方面提高故障本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的电力巡检故障诊断方法，其特征是，包括：获取电力巡检过程中的可见光图像和红外图像；其中，可见光图像和红外图像相互匹配、相互对应；将红外图像输入至故障识别模型中，识别出电力故障区域；基于识别出的红外图像中电力故障区域，通过图像匹配，划分出可见光图像中的电力故障区域；将分割得到的可见光图形中的电力故障区域输入至故障分类模型中，输出电力巡检故障的类型。2.如权利要求1所述的基于图像识别的电力巡检故障诊断方法，其特征是，所述基于识别出的红外图像中电力故障区域，通过图像匹配，划分出可见光图像中的电力故障区域，包括：对齐红外图像和可见光图像，根据红外图像中的电力故障区域框，在可见光图像中确定并分割出对应的电力故障区域。3.如权利要求1所述的基于图像识别的电力巡检故障诊断方法，其特征是，所述将红外图像输入至故障识别模型中，识别出电力故障区域，包括：所述故障识别模型包括依次连接的输入层、卷积层、ReLU层、池化层、全连接层以及最后连接的分类器；红外图像输入至故障识别模型中，通过卷积层提取红外图像的温度特征，基于温度特征识别出电力故障区域。4.如权利要求1所述的基于图像识别的电力巡检故障诊断方法，其特征是，所述将红外图像输入至故障识别模型中，识别出电力故障区域，包括：红外图像中的每一像素点均对应一个温度值，所述故障识别模型中预设阈值，通过判断红外图像中每一像素点的温度值是否超过预设阈值，确定温度值超过预设阈值的像素点，进而识别出电力故障区域。5.如权利要求1所述的基于图像识别的电力巡检故障诊断方法，其特征是，所述故障分类模型采用基于改进的ResNet网络模型，所述改进的ResNet网络模型包括依次连接的输入层、卷积层、多个残差模块、注意力模块、平均池化层、全连接层以及分类器；所述注意力模块包括依次连接的通道注意力模块和空间注意力模块；所述通道注意力模块提取输入图像的通道注意力特征，通道注意力模块的输入图像和通道注意力特征相乘进行特征加权得到特征图F
′
；空间注意力模块提取输入图像的空间注意力特征，空间注意力模...

【专利技术属性】
技术研发人员：赵风雷，彭忠海，陈春辉，胡锦秀，郭艳霞，高玉娟，张瑞，
申请(专利权)人：国网山东省电力公司济宁供电公司，
类型：发明
国别省市：