一种用于电力设备的缺陷检测方法及系统技术方案

本发明专利技术涉及图像处理技术领域，本发明专利技术涉及一种用于电力设备的缺陷检测方法及系统，该方法包括选取监控目标匹配的目标布控球，并获取目标布控球所采集的监控图像；对监控图像进行单一色彩通道的预处理，并提取形状特征以得到形状特征识别结果；检测监控图像中监控目标对应的状态指示色块，并计算状态指示色块与标准色块之间的特征距离以得到色块特征识别结果；根据监控目标类别确定形状特征识别结果和色块特征识别结果对应的权重，并根据权重计算综合判别结果的评分；根据综合判别结果的评分和阈值的关系确定电力设备的缺陷情况

【技术实现步骤摘要】
一种用于电力设备的缺陷检测方法及系统


[0001]本专利技术一般地涉及图像处理

。
更具体地，本专利技术涉及一种用于电力设备的缺陷检测方法及系统
。

技术介绍

[0002]在各种自动化控制系统（例如配电室等电力系统）中，设备的安全运行是最重要的安全保障之一，而各种设备的运行状态是确保系统安全运行的重要保障
。
通过对电力系统中各种设备的状态进行监控和识别，可以在发现问题时及时进行处理，从而提升运行安全性
。
现有的方式主要是对设备的外观形状进行识别，或对设备关键部位（例如连接点）的颜色进行监控和识别，方式较为单一，且识别过程中提取特征等各个节点均需要设置相应的阈值，若阈值设置不合理将可能导致状态识别错误，在线检测效果较差
。
[0003]例如授权公告号为
CN114627119B
，专利技术名称为基于视觉神经网络的外观缺陷智能识别系统及识别方法的中国专利技术专利，就公开了基于图像特征分析的图像异常标记方法，利用巡检装置采集图像后进行校正，同时利用感知终端进行辅助拍摄，经过校正后采集的图像进行形态处理，实现对图像纹理变化的分析，从而预测图像中变电设备属于哪个缺陷等级
。
该方案虽然利用巡检装置校准图像以及优化方法使变电设备的训练避免同质化，但是该方案中一方面由于利用庞大的视觉神经网络模型进行训练，算法相对复杂，另一方面在训练过程中需要设置多种阈值，整个模型的准确性容易受到影响
。
[0004]因此，如何解决目前电力设备缺陷检测过程中算法过于复杂且准确性低的问题，是目前研究的重点
。

技术实现思路

[0005]为解决上述一个或多个技术问题，本专利技术提出通过综合考虑电力设备的结构特征和色块特征，实现对电力设备缺陷的综合判定，从而有效提升了缺陷检测过程的准确性，同时该方法较为简单，有效减小了运算过程的复杂度，提升检测效率
。
为此，本专利技术在如下的多个方面中提供方案
。
[0006]在第一方面中，本专利技术提供了一种用于电力设备的缺陷检测方法，包括：选取布控球系统中与监控目标匹配的目标布控球，并获取目标布控球所采集的监控图像；对监控图像进行单一色彩通道的预处理，并提取形状特征以得到形状特征识别结果；检测监控图像中监控目标对应的状态指示色块，并计算状态指示色块与标准色块之间的特征距离，以得到色块特征识别结果；根据监控目标类别确定形状特征识别结果和色块特征识别结果对应的权重，并根据所述权重计算综合判别结果的评分；根据综合判别结果的评分和阈值的关系确定电力设备的缺陷情况
。
[0007]在一个实施例中，选取布控球系统中与监控目标匹配的目标布控球包括：预先建立布控球系统中的布控球与电力设备的关联关系；选取布控球系统中与监控目标关联程度最高的至少三个布控球，以作为目标布控球采集监控目标对应的监控图像
。
[0008]在一个实施例中，对监控图像进行单一色彩通道的预处理，并提取形状特征以得到形状特征识别结果包括：将监控图像进行
RGB
色彩分离，以获取单一色彩通道的图像，所述单一色彩通道的图像的处理公式包括：
[0009][0010]式中，表示单一色彩通道的像素值，
x、y
表示坐标，
S
表示
RGB
颜色空间中的任意两点
m、n
之间的距离，
T
表示阈值，
α
、
β
分别表示电力设备不同颜色的表征参数，
m
R
、n
R
分别表示
m
点和
n
点的红色像素点的像素差值，
m
G
、n
G
分别表示
m
点和
n
点的绿色像素点的像素差值，
m
B
、n
B
分别表示
m
点和
n
点的蓝色像素点的像素差值；对单一色彩通道的图像进行二值化处理，以得到二值化图像；对包含监控目标的区域进行边缘检测，以确定监控目标的骨架轮廓；根据霍夫直线检测算法对监控目标的骨架轮廓进行检测，以确定多条直线；根据多条直线的断点
、
粗细程度以及直线之间的角度确定监控目标的完整度，并将所述完整度作为形状特征识别结果
。
[0011]在一个实施例中，检测监控图像中监控目标对应的状态指示色块，并计算状态指示色块与标准色块之间的特征距离，以得到色块特征识别结果包括：对监控图像中的监控目标对应的状态指示色块进行特征维度检测；在特征维度计算监控目标与标准图像之间的特征值距离；将特征值距离最近的标准图像对应的状态作为监控图像的色块特征识别结果
。
[0012]在一个实施例中，在特征维度计算监控目标与标准图像之间的特征值距离包括：获取监控图像中监控目标和标准图像的特征值向量；计算多个特征维度的协方差矩阵；根据监控目标和标准图像的特征值向量和协方差矩阵确定马氏距离，以作为特征值距离，所述马氏距离的计算公式为：
[0013]式中，表示监控目标的特征值向量
X
i
和标准图像的
Y
j
之间的马氏距离，
Q
表示协方差矩阵，
H
表示结合外观特征和几何特征的形状参数
。
[0014]在一个实施例中，根据监控目标类别确定形状特征识别结果和色块特征识别结果对应的权重，并根据所述权重计算综合判别结果的评分包括：根据监控目标类别确定监控目标属性，并根据监控目标属性确定形状特征和色块特征分别对应的重要程度；利用形状特征对应的重要程度计算形状特征识别结果对应的权重；利用色块特征对应的重要程度计算色块特征识别结果对应的权重；将形状特征识别结果
、
色块特征识别结果以及对应的权重进行加权计算，以得到综合判别结果的评分
。
[0015]在第二方面中，本专利技术还提供了一种用于电力设备的缺陷检测系统，包括：处理器；存储器，其存储有用于电力设备的缺陷检测的计算机指令，当所述计算机指令由所述处理器运行时，使得设备执行根据前文一个或多个实施例所述的用于电力设备的缺陷检测方法
。
[0016]本专利技术的有益效果在于：根据本专利技术的方案，可以通过对电力设备的监控图像中
的结构特征和色块特征分别进行检测，并根据电力设备的类别调整检测的侧重点，从而实现对电力设备缺陷的综合检测，有效提升了检测过程的准确性
。
同时，该方法并不需要构建复杂的网络模型和设置大量的阈值参数，显著降低了检测运算过程的复杂度，提升了缺陷检测效率
。
[0017]进一步，可以通过选取监控目标关联程度最高的布控球，从而获取更加准确的监控图像，有效提升缺陷检测效率
。
附图说明
[0018本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于电力设备的缺陷检测方法，其特征在于，包括：选取布控球系统中与监控目标匹配的目标布控球，并获取目标布控球所采集的监控图像；对监控图像进行单一色彩通道的预处理，并提取形状特征以得到形状特征识别结果；检测监控图像中监控目标对应的状态指示色块，并计算状态指示色块与标准色块之间的特征距离，以得到色块特征识别结果；根据监控目标类别确定形状特征识别结果和色块特征识别结果对应的权重，并根据所述权重计算综合判别结果的评分；根据综合判别结果的评分和阈值的关系确定电力设备的缺陷情况
。2.
根据权利要求1所述的用于电力设备的缺陷检测方法，其特征在于，选取布控球系统中与监控目标匹配的目标布控球包括：预先建立布控球系统中的布控球与电力设备的关联关系；选取布控球系统中与监控目标关联程度最高的至少三个布控球，以作为目标布控球采集监控目标对应的监控图像
。3.
根据权利要求1所述的用于电力设备的缺陷检测方法，其特征在于，对监控图像进行单一色彩通道的预处理，并提取形状特征以得到形状特征识别结果包括：将监控图像进行
RGB
色彩分离，以获取单一色彩通道的图像，所述单一色彩通道的图像的处理公式包括：的处理公式包括：式中，表示单一色彩通道的像素值，
x、y
表示坐标，
S
表示
RGB
颜色空间中的任意两点
m、n
之间的距离，
T
表示阈值，
α
、
β
分别表示电力设备不同颜色的表征参数，
m
R
、n
R
分别表示
m
点和
n
点的红色像素点的像素差值，
m
G
、n
G
分别表示
m
点和
n
点的绿色像素点的像素差值，
m
B
、n
B
分别表示
m
点和
n
点的蓝色像素点的像素差值；对单一色彩通道的图像进行二值化处理，以得到二值化图像；对包含监控...

【专利技术属性】
技术研发人员：王维良，王林，宋国梁，蒲元晨，桑栋，孙峰，刘斌，肖万，张永，李福刚，王艳伟，
申请(专利权)人：山东通广电子股份有限公司，
类型：发明
国别省市：