【技术实现步骤摘要】
本专利技术涉及图像处理，具体涉及基于红外图像的在线故障诊断系统。
技术介绍
1、输电线路在传输特高压电时由于线路存在内阻使得零件会产生热能，过高的热能堆积会降低线路绝缘零件的使用寿命，导致输电线路的绝缘零件失效甚至导致漏电安全事故的发生，因此目前针对输电线路的安全诊断方法主要是采集实时输电线路零件的红外图像用于反映工作的温度，传输到在线诊断模块后将红外图像使用分割得到高热区域，进而通过对高温区域使用神经网络获得每个输电线路零件的热辐射等级，根据热辐射等级大小确定是否存在故障高温的零件。
2、目前针对红外图像的分割方法主要是使用阈值分割或最大类间方差法分割从而获得高热区域，但由于输电线路零件较大温度不均匀并且不同输电线路零件之间存在故障温度不同的问题，导致故障高热零件与其他正常高热零件之间在红外图像中边缘过渡平滑，通过阈值分割或最大类间方差法无法将准确的高热区域准确分割，造成使用神经网络对输电线路零件的热辐射等级划分存在误差的问题。
技术实现思路
1、本专利技术提供基于红外图像的在线故障诊断系统，以解决现有的故障高热零件与其他正常高热零件之间在红外图像中边缘过渡平滑，通过阈值分割或最大类间方差法无法将准确的高热区域准确分割，造成使用神经网络对输电线路零件的热辐射等级划分存在误差的问题。
2、本专利技术的基于红外图像的在线故障诊断系统采用如下技术方案：
3、本专利技术一个实施例提供了基于红外图像的在线故障诊断系统，该系统包括以下模块：
4
5、高热区域提取模块：用于使用红外图像的灰度均值对红外图像进行分割获得红外图像的所有初始高热区域；获得每个初始高热区域的种子点；根据每个初始高热区域内像素点之间的灰度值差异获得每个初始高热区域的初始生长阈值；使用每个初始高热区域的种子点和初始生长阈值进行区域生长，所述区域生长包括若干次迭代生长，根据每个初始高热区域每次迭代生长的边缘像素点邻域内像素点灰度值获得每个初始高热区域每次迭代生长的生长阈值；根据每个初始高热区域每次迭代生长后区域的变化获得每次迭代生长的停止系数；根据每个初始高热区域每次迭代生长的生长阈值和停止系数进行区域生长获得每个初始高热区域的目标高热区域；
6、在线故障诊断模块：用于将每个初始高热区域的目标高热区域输入到在线故障检测神经网络获得检测结果，根据检测结果判断输电线路是否存在故障。
7、进一步的，所述获得每个初始高热区域的种子点包括：
8、将每个初始高热区域的形心作为每个初始高热区域的种子点。
9、进一步的，所述获得每个初始高热区域的初始生长阈值包括：
10、获取第个初始高热区域的所有优选像素点；
11、对于第个初始高热区域中第个优选像素点，在第个初始高热区域中第个优选像素点的8邻域范围内，获得第个优选像素点与8邻域范围内每个优选像素点的灰度值差值的绝对值，所有绝对值结果构成第个优选像素点的灰度值差值序列；获取第个初始高热区域中所有优选像素点的灰度值差值序列，选取所有优选像素点的灰度值差值序列中，最大的差值记为第个初始高热区域的初始生长阈值。
12、进一步的，所述优选像素点的获取方式包括：
13、预设优选阈值，当第个初始高热区域中第个像素点的选取必要性满足时，将第个初始高热区域中第个像素点记为第个初始高热区域的一个优选像素点；使用优选阈值获取每个初始高热区域中满足选取必要性大于优选阈值的所有优选像素点。
14、进一步的，所述选取必要性的获取方式包括：
15、第个初始高热区域中第个像素点作为计算初始生长阈值像素点的选取必要性的计算方式为：
16、
17、其中，为第个初始高热区域中第个像素点的选取必要性；
18、为第个初始高热区域中第个像素点的灰度值，为第个初始高热区域的灰度均值，为第个初始高热区域的灰度最大值，为第个初始高热区域的灰度最小值；
19、为第个初始高热区域的梯度幅值均值，为第个初始高热区域中第个像素点的梯度幅值；
20、为以自然常数为底的指数函数，表示取绝对值函数。
21、进一步的，所述获得每个初始高热区域每次迭代生长的生长阈值包括：
22、获取第个初始高热区域在第次迭代生长后的待选生长阈值；
23、将第个初始高热区域的初始生长阈值记为，将第个初始高热区域在第次迭代生长后的待选生长阈值记为；
24、根据第个初始高热区域在第次迭代生长后的待选生长阈值第个初始高热区域的初始生长阈值，获得第个初始高热区域的第次生长阈值的计算方式为：
25、
26、其中为取最小值函数。
27、进一步的，所述待选生长阈值的获取方式包括：
28、第个初始高热区域以种子点和初始生长阈值作为参数在迭代生长的过程中，当迭代生长到第次迭代生长后，获取第个初始高热区域在第次迭代生长后区域的所有边缘像素点，将第个初始高热区域在第次迭代生长后每个边缘像素点的8邻域内第次迭代生长后区域的像素点记为每个边缘像素点的第次迭代像素点，计算第次迭代生长后每个边缘像素点与第次迭代生长像素点的灰度值差值，计算第个初始高热区域在第次迭代生长后所有灰度值差值的绝对值的均值，将均值结果记为第个初始高热区域在第次迭代生长后的待选生长阈值。
29、进一步的，所述根据每个初始高热区域每次迭代生长后区域的变化获得每次迭代生长的停止系数包括：
30、第个初始高热区域在第次迭代生长的停止系数的计算方式为：
31、
32、其中，表示第个初始高热区域的第次生长阈值差异参数；
33、表示第次迭代生长的像素点个数；
34、表示第个初始高热区域在第次迭代生长时所有边缘像素点的8邻域内属于第次迭代生长的像素点个数与之和；
35、表示以自然常数为底的指数函数。
36、进一步的，所述生长阈值差异参数的获取方式包括：
37、计算第个初始高热区域在第次生长阈值和第次生长阈值的差值的绝对值，记为第个初始高热区域在第次生长阈值差异系数，获取第个初始高热区域从第1次迭代生长到第次迭代生长的所有生长阈值差异系数，使用最大最小值归一化算法对第个初始高热区域的所有生长阈值差异系数归一化，将第次生长阈值差异系数的归一化结果记为第次生长阈值差异参数。
38、进一步的，所述根据每个初始高热区域每次迭代生长的生长阈值和停止系数进行区域生长获得每个初始高热区域的目标高热区域包括：
39、预设停止阈值，当第个初始高热区域在第次迭代生长的停止系数满足时，根据第个初始高热区域的第次结果获得第次生长阈值，利用第次生长阈值对第个初始高热区域生长；当第个初始高热区域在第次迭代生长的停止系数满足时，将第个初始高热区域在第次迭代生长后获得的区域记为第个初始高热区域的目标高热区域；
本文档来自技高网...【技术保护点】
1.基于红外图像的在线故障诊断系统，其特征在于，该系统包括以下模块：
2.根据权利要求1所述基于红外图像的在线故障诊断系统，其特征在于，所述获得每个初始高热区域的种子点包括：
3.根据权利要求1所述基于红外图像的在线故障诊断系统，其特征在于，所述获得每个初始高热区域的初始生长阈值包括：
4.根据权利要求3所述基于红外图像的在线故障诊断系统，其特征在于，所述优选像素点的获取方式包括：
5.根据权利要求4所述基于红外图像的在线故障诊断系统，其特征在于，所述选取必要性的获取方式包括：
6.根据权利要求1所述基于红外图像的在线故障诊断系统，其特征在于，所述获得每个初始高热区域每次迭代生长的生长阈值包括：
7.根据权利要求6所述基于红外图像的在线故障诊断系统，其特征在于，所述待选生长阈值的获取方式包括：
8.根据权利要求1所述基于红外图像的在线故障诊断系统，其特征在于，所述根据每个初始高热区域每次迭代生长后区域的变化获得每次迭代生长的停止系数包括：
9.根据权利要求8所述基于红外图像的在线故障诊
10.根据权利要求1所述基于红外图像的在线故障诊断系统，其特征在于，所述根据每个初始高热区域每次迭代生长的生长阈值和停止系数进行区域生长获得每个初始高热区域的目标高热区域包括：
...【技术特征摘要】
1.基于红外图像的在线故障诊断系统，其特征在于，该系统包括以下模块：
2.根据权利要求1所述基于红外图像的在线故障诊断系统，其特征在于，所述获得每个初始高热区域的种子点包括：
3.根据权利要求1所述基于红外图像的在线故障诊断系统，其特征在于，所述获得每个初始高热区域的初始生长阈值包括：
4.根据权利要求3所述基于红外图像的在线故障诊断系统，其特征在于，所述优选像素点的获取方式包括：
5.根据权利要求4所述基于红外图像的在线故障诊断系统，其特征在于，所述选取必要性的获取方式包括：
6.根据权利要求1所述基于红外图像的在线故障诊断系统，其特征在于，所述获得每...
【专利技术属性】
技术研发人员：朱凯，王华东，张娜娜，谢胜卓，
申请(专利权)人：山东海纳智能装备科技股份有限公司，
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。