System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及电力设备检测,具体地,涉及手机可见光和红外的变压器套管图像检测缺陷方法及系统,更为具体地,涉及基于手机多摄像头检测变压器套管的红外与可见光图像融合及缺陷诊断方法。
技术介绍
1、作为电力系统中电压转换及电能输送的主要设备,电力变压器的稳定可靠运行直接影响着电网的安全稳定。套管作为变压器的重要组成部分,承担着固定引线并确保其与外界绝缘的功能,同时也是故障多发部位。在实际运行中,套管常因其绝缘受损或局部过热等缺陷引起变压器停运甚至烧毁爆炸等严重事故。故而针对变压器套管的故障诊断与评估显得尤为重要。为确保其健康稳定的工作状态,常常需要在变压器停运的条件下进行预防性试验,这大大降低了设备可靠性和监测时效性。
2、变压器套管常见问题有套管缺油、导电回路连接件接触不良等,引起接头处温度异常升高,而套管连接端部发热氧化是判断变压器是否异常的依据。热像仪可以及时发现套管是否处于良好的工作状态,及时发现问题,提高工作效率,避免事故发生。
3、目前,带电检测技术的应用已经比较成熟与广泛。红外测温技术因其具有非接触式测量、精度高且不受电磁干扰等诸多优点,常用于检测变压器套管的缺油故障以及局部过热故障等。由于人为提取描述特征的适应性差,对设备运行状态的判断过于主观且给出的结论模糊、不完全等缺陷,检测人员对套管故障的误判情况时有发生。同时,非结构化图像数据存储量巨大,人工检查和识别不仅会影响判断结果的准确度,更会导致效率低下,从而影响电力设备监测自动化的程度。
4、专利文献cn115761428a(申请号
5、专利文献cn113344475b(申请号:202110894419.6)公开了一种基于序列模态分解的变压器套管缺陷识别方法,涉及变压器套管
,该方法采用图像融合算法对所获得的变压器套管红外图像与变压器套管可见光图像进行融合;采用mask-rcnn算法对变压器套管融合图像进行分割;采用ceemdan方法对非线性信号自适应分解;对剔除后的本征模态函数进行重构;采用lstm训练模型对训练集数据建模,优化网络参数;将运行功率参数输入lstm训练模型中,得到用于判别的温度值;根据热点温度和相对温差做出变压器套管缺陷判定。
6、专利文献cn116342952a(申请号:202310318777.1)公开了一种变压器套管异常识别方法与系统,首先获取变压器各相套管的原始红外图像;对原始红外图像进行预处理得到各相变压器套管的红外图片;对变压器套管的故障类型进行仿真得到变压器套管的仿真图像;将仿真图像转化为相应故障类型下的仿真红外图像;将仿真红外图像和套管红外图像作为训练样本输入到预设的卷积神经网络中生成变压器套管的在线异常识别模型;利用在线异常识别模型识别当前变压器套管的故障类型。
7、专利文献cn113344475b(申请号:202110894419.6)公开了一种基于序列模态分解的变压器套管缺陷识别方法,涉及变压器套管
,该方法采用图像融合算法对所获得的变压器套管红外图像与变压器套管可见光图像进行融合;采用mask-rcnn算法对变压器套管融合图像进行分割;采用ceemdan方法对非线性信号自适应分解;对剔除后的本征模态函数进行重构;采用lstm训练模型对训练集数据建模,优化网络参数;将运行功率参数输入lstm训练模型中,得到用于判别的温度值;根据热点温度和相对温差做出变压器套管缺陷判定。
8、专利文献cn113313013b(申请号:202110580695.5)公开了一种基于红外图像处理技术的变压器套管目标检测方法,包括如下步骤:采集变电站内变压器套管的红外图像;利用多模板多匹配的方法对红外图像中的变压器套管进行识别与提取;提取roi区域将套管所处区域的图像分割出来进行检测;进行滤波去噪;对经图像预处理后的变压器套管进行语义分割,利用otsu算法去除背景,利用canny算子提取边缘,利用图像的形态学操作去除非连通区域,利用直方图二值化分割出套管底座与伞裙部分;对变压器套管各部分进行精细分割,生成测温参考基准线。
9、专利文献cn111488868b(申请号:202010227133.8)公开了一种基于变压器红外图像的高温区域识别方法及系统,包括获取图像中温度区间的数值及色度;利用获取的所述温度区间的色度获得其高温时的温度色度;获取所述图像全部色度数值,并建立色度分布情况图;利用图像色度和log算子对所述图像边缘划分,得到识别后的高温区域,结合了计算机进行批量处理,较人工识别方式节约时间成本且准确度高,能够对高温的温度区间按照需求进行设定,对变压器外部温度监测有较大的帮助。
10、专利文献cn110378424a(申请号:201910664061.0)公开了一种基于卷积神经网络的变压器套管故障红外图像识别方法,包括以下步骤:a、构建卷积神经网络模型;卷积神经网络模型包括输入层和输出层,输入层和输出层之间设置若干个卷积层和采样层,卷积层和采样层交替设置,在输出层与最后一个采样层之间设置有全连接层;b、对卷积神经网络模型进行训练;循环迭代进行激励传播和权值更新,直到目标函数收敛到预设的范围为止;c、使用步骤b训练后的卷积神经网络模型对变压器套管故障红外图像进行识别。
11、专利文献cn111798405a(申请号:201911145289.5)公开了一种利用深度学习对变压器套管红外图像进行故障诊断的方法,包括套管提取模块、故障区域提取模块、故障诊断模块,实现对输入的套管红外图像进行故障诊断的作用。其中套管提取模块包括离线训练部分及在线提取部分、故障区域提取模块包括slic算法预处理部分及pcnn提取部分,故障诊断模块包括故障特征向量提取及故障分类部分。本检测算法基于深度学习,通过对标记的套管图像进行训练达到提取复杂背景中套管图像的目的,然后提取出故障及其特征向量,利用诊断算法达到故障诊断的目的,从而实现了套管的红外图像故障检测,可有效保证套管能够安全、稳定地运行。
12、现有技术中,压器套管图像采集使用球机或者枪机结构形式的红外与可见光摄像头,其设备体积较大,图像处理还需额外的电脑处理设备,使得用户使用不方便。现在的智能手机基本都配置有可见光图像的摄像头,并留有一个数据输出接口。可利用数据输出接口与外置红外相机构成变压器套管检测的双图像采集装置。虽然红外和可见光图像融合的算法很多,但是由于手机处理速度有限,基于手机系统进行图像处理变得很困难,通常手本文档来自技高网...
【技术保护点】
1.一种手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,包括:
2.根据权利要求1所述的手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,所述步骤S1采用:当手机自带温度检测的高清红外摄像头和可见光摄像头时,则基于手机摄像头获取变压器套管的红外与可见光图像;当手机仅带可见光摄像头,则通过手机的数据传输接口读取外置带有温度检测的高清红外摄像头的红外图像。
3.根据权利要求1所述的手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,所述步骤S2采用:
4.根据权利要求3所述的手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,所述步骤S2.1采用:通过OpenCV库函数中的包括SIFT、SURF、BRIEF、FAST、BRISEK和FREAK检测算法对可见光和红外图像进行特征提取。
5.根据权利要求1所述的手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,所述缺陷检测神经网络包括:卷积神经网络、支持向量机以及LSTM神经网络。
6.根据权利要求1所述的手机可见光和红外的变压器套管图像检测
7.一种手机可见光和红外的变压器套管图像检测缺陷系统,其特征在于,包括:
8.根据权利要求7所述的手机可见光和红外的变压器套管图像检测缺陷系统,其特征在于,所述模块M1采用:当手机自带温度检测的高清红外摄像头和可见光摄像头时,则基于手机摄像头获取变压器套管的红外与可见光图像;当手机仅带可见光摄像头,则通过手机的数据传输接口读取外置带有温度检测的高清红外摄像头的红外图像。
9.根据权利要求7所述的手机可见光和红外的变压器套管图像检测缺陷系统,其特征在于,所述模块M2采用:
10.根据权利要求7所述的手机可见光和红外的变压器套管图像检测缺陷系统,其特征在于,基于手机无线网络将手机采集到的红外图像和可见光图像发送至预设图像处理器,预设图像处理器对红外图像和可见光图像进行图像融合分析,全方位判断变压套管的状态,诊断后再通过无线网将变压套管状态反馈至手机端;当利用预设图像处理器得到的变压套管状态与手机端的诊断结果相同时,则预设图像处理器与手机端相互验证;当利用预设图像处理器得到的变压套管状态与手机端的诊断结果不同时,则进行进一步判断。
...【技术特征摘要】
1.一种手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,包括:
2.根据权利要求1所述的手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,所述步骤s1采用:当手机自带温度检测的高清红外摄像头和可见光摄像头时,则基于手机摄像头获取变压器套管的红外与可见光图像;当手机仅带可见光摄像头,则通过手机的数据传输接口读取外置带有温度检测的高清红外摄像头的红外图像。
3.根据权利要求1所述的手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,所述步骤s2采用:
4.根据权利要求3所述的手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,所述步骤s2.1采用:通过opencv库函数中的包括sift、surf、brief、fast、brisek和freak检测算法对可见光和红外图像进行特征提取。
5.根据权利要求1所述的手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,所述缺陷检测神经网络包括:卷积神经网络、支持向量机以及lstm神经网络。
6.根据权利要求1所述的手机可见光和红外的变压器套管图像检测缺陷方法,其特征在于,基于手机无线网络将手机采集到的红外图像和可见光图像发送至预设图像处理器,预设图像处理器对红外图像和可见光图像进行图像融合分析,全方位判断变压套管的状态,诊断后再通过无线网将变压...
【专利技术属性】
技术研发人员:赵树弥,李智军,聂士广,汤永久,夏海生,章晓春,仇学礼,魏存金,郭宇豪,郭碧翔,
申请(专利权)人:合肥综合性国家科学中心人工智能研究院安徽省人工智能实验室,
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。