[發明專利]一種基于人工智能的嵌入式輸變電裝備紅外檢測方法

在審

• 申請號: 202110704403.4
• 申請日: 2021-06-24
• 公開（公告）號: CN113378856A
• 公開（公告）日: 2021-09-10
• 發明（設計）人: 楊帆;楊子康;韓升;李致民;王夢珺;楊罡;王大偉;張娜
• 申請（專利權）人: 重慶大學;國網山西省電力公司電力科學研究院
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04;G06N3/08;G06T3/40;A61B5/01
• 代理公司: 重慶市恒信知識產權代理有限公司 50102
• 代理人: 劉小紅

1.一種基于人工智能的嵌入式輸變電裝備紅外檢測方法，其特征在于，包括以下步驟：

建立紅外測溫人機交互系統，獲得紅外圖像數據集；基于圖像特征量法對紅外圖像數據集進行異常圖像識別與處理；建立基于灰度圖的單通道輕量級卷積神經網絡識別模型，進行網絡訓練；對紅外圖像敏感區進行識別；深度卷積神經網絡模型的終端實現。

2.根據權利要求1所述的一種基于人工智能的嵌入式輸變電裝備紅外檢測方法，其特征在于，所述建立紅外測溫人機交互系統，獲得紅外圖像數據集；

紅外測溫人機交互系統主要包括紅外測溫模組、鏡頭、觸摸顯示屏、Jetson核心模塊和電源模塊；紅外測溫模組采用非制冷焦平面紅外測溫，模組測溫分辨率640×480或更高，使用以太網與核心模塊連接，使用RTSP流傳輸協議傳輸視頻數據，核心模塊通過串口通信控制紅外模組；Jetson核心模塊采用Nvidia Jetson Xavier NX，主要實現系統控制、數據處理和算法實現等功能；觸摸顯示屏通過HDMI和USB與Jetson核心模塊連接，分別用于傳輸圖像信號、控制信號和人機交互；電源模塊使用12V鋰電池組為紅外測溫模組供電，利用電源芯片得到5V電壓為核心模塊和觸摸顯示屏供電。

3.根據權利要求1所述的一種基于人工智能的嵌入式輸變電裝備紅外檢測方法，其特征在于，所述建立基于灰度圖的單通道輕量級卷積神經網絡識別模型，進行網絡訓練，具體包括：提出了一種具備旋轉不變性的改進式HOG特征算法，利用構建的電力設備紅外圖像數據集作為正樣本，利用其它公開的非設備紅外圖像數據集和項目組拍攝的日常場景紅外視頻作為負樣本，訓練了檢測電力設備是否存在于紅外圖像的SVM判別器。

4.根據權利要求3所述的一種基于人工智能的嵌入式輸變電裝備紅外檢測方法，其特征在于，所述具備旋轉不變性的改進式HOG特征算法，具體包括：

(1)將梯度方向(0°～180°)分為9類(9個bin)，即每個bin的角度區間為20°，以每個像素的角度為θ，幅值x為權重：

其中i為像素所在bin數，進行線性插值：

θ_t＝θ-i×20

則有插值數t為

故該像素點在第i個bin的權重為t，在第i+1個bin的權重為x-t；

(2)將圖像劃分為等大小的細胞塊(cell)。按照以上線性插值的方法計算每個細胞塊的梯度分布的情況，并對應到直方圖中，就形成每個cell單元的描述符；

(3)將相鄰的每幾個cell組成一個block。一個block內所有cell的特征描述符串聯起來便得到該block的HOG特征描述符。

(4)將一張圖片中所有的block的特征描述符串連，統計圖像在各個bin上的累計權重，得到每個bin的累計權重和為xj(j＝1,2,…,9),由此得到該圖像的梯度方向直方圖，取權重最高值的方向為該圖像塊的主方向，則主方向所在bin數為jmax，主方向角度為：

θ_max＝j_max×20

根據主方向將圖像各像素點的梯度角度做相應的調整，調整方法為：

Δf_hot＞Δf_max

其中，θ'為調整后各像素點梯度角度，將調整之后的梯度信息作為最終的HOG特征描述符。

5.根據權利要求4所述的一種基于人工智能的嵌入式輸變電裝備紅外檢測方法，其特征在于，所述建立基于灰度圖的單通道輕量級卷積神經網絡識別模型，具體包括：將現有的彩色紅外圖片或視頻計算為一維灰度矩陣；通過第一個尺寸為3×3的核進行卷積運算(Conv1)，提取圖像的底層特征；再次，依次使用了12個卷積層(Conv2～Conv13)逐步提取高級特征和全局特征；最后，使用平均池化層(AvgPool)將全局特征降維到1×1×358，并連接到全連接神經網絡(FC)和Softmax輸出層作為設備類型分類器。