[發(fā)明專利]一種配電設(shè)備紅外圖像故障識(shí)別方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202111183265.6
• 申請(qǐng)日: 2021-10-11
• 公開(kāi)（公告）號(hào): CN113688947A
• 公開(kāi)（公告）日: 2021-11-23
• 發(fā)明（設(shè)計(jì)）人: 劉斌;王亮;張斌;孟海磊;楊尚偉;衛(wèi)一民;李希智;李建祥;劉明林;周大洲;王海鵬;劉智超;張旭;張峰;張珂
• 申請(qǐng)（專利權(quán)）人: 國(guó)網(wǎng)智能科技股份有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/46;G06K9/34;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 閆圣娟

本發(fā)明公開(kāi)一種配電設(shè)備紅外圖像故障識(shí)別方法及系統(tǒng)，包括：獲取配電網(wǎng)場(chǎng)景下的配電設(shè)備紅外圖像；根據(jù)配電設(shè)備紅外圖像的設(shè)備故障形式與其他電力場(chǎng)景設(shè)備故障形式的相似度，選取其他電力場(chǎng)景的設(shè)備故障歷史圖像作為擴(kuò)充樣本；對(duì)配電設(shè)備紅外圖像與擴(kuò)充樣本中的缺陷位置進(jìn)行標(biāo)注，并基于缺陷位置將其裁剪為包含缺陷位置的缺陷圖像塊和不包含缺陷位置的背景圖像塊，對(duì)任一背景圖像塊和任一缺陷圖像塊進(jìn)行拼接后，得到圖像訓(xùn)練集；基于圖像訓(xùn)練集對(duì)分割模塊采用多次上采樣融合方法進(jìn)行訓(xùn)練，對(duì)待識(shí)別的配電設(shè)備紅外圖像采用訓(xùn)練后的分割模型得到故障識(shí)別結(jié)果。實(shí)現(xiàn)對(duì)少樣本數(shù)據(jù)的擴(kuò)充，以及紅外圖像中電力設(shè)備的像素級(jí)識(shí)別。

技術(shù)領(lǐng)域

本發(fā)明涉及圖像處理技術(shù)領(lǐng)域，特別是涉及一種配電設(shè)備紅外圖像故障識(shí)別方法及系統(tǒng)。

背景技術(shù)

本部分的陳述僅僅是提供了與本發(fā)明相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

配網(wǎng)車載智能巡檢機(jī)器人通過(guò)拍攝包含背景區(qū)域和設(shè)備區(qū)域的紅外圖像，對(duì)紅外圖像的設(shè)備進(jìn)行識(shí)別后進(jìn)行故障或缺陷的診斷。在對(duì)紅外圖像進(jìn)行設(shè)備識(shí)別時(shí)，待識(shí)別的設(shè)備為感興趣區(qū)域，而背景區(qū)域內(nèi)容大部分為配電線路的建筑、天空及其他電力設(shè)備等，因此在進(jìn)行基于紅外圖像的設(shè)備故障診斷或缺陷診斷前，需要對(duì)標(biāo)注的設(shè)備區(qū)域進(jìn)行圖像分割操作，將圖像中的設(shè)備區(qū)域與背景區(qū)域分開(kāi)，以便精準(zhǔn)識(shí)別待測(cè)設(shè)備，提高配網(wǎng)車載巡檢機(jī)器人對(duì)設(shè)備異常缺陷的檢測(cè)能力。

但是，紅外圖像不同于可見(jiàn)光圖像，采用現(xiàn)有的可見(jiàn)光圖像輪廓分割方法直接處理紅外圖像是不可行的。紅外圖像灰度的整體分布較低且較集中，并且由于周圍環(huán)境給紅外成像過(guò)程帶來(lái)的隨機(jī)干擾和熱成像系統(tǒng)本身的不完善，紅外圖像的信噪比和對(duì)比度比較低；傳統(tǒng)的基于閾值和邊緣的圖像分割算法對(duì)于噪聲比較敏感，容易產(chǎn)生連續(xù)性差的分割結(jié)果，降低圖像分割的精度，從而影響故障識(shí)別的結(jié)果。

另外，智能識(shí)別算法主要通過(guò)卷積神經(jīng)網(wǎng)絡(luò)完成圖像識(shí)別任務(wù)，在數(shù)據(jù)充足情況下能夠具有較高的識(shí)別準(zhǔn)確率，但是由于配電場(chǎng)景中，發(fā)生電力設(shè)備故障以及出現(xiàn)異常現(xiàn)象的情況較少，實(shí)際設(shè)備缺陷樣本量與正常設(shè)備圖像樣本數(shù)量相比，存在數(shù)據(jù)失衡的問(wèn)題，以此訓(xùn)練出來(lái)的模型容易出現(xiàn)過(guò)擬合和陷入局部最優(yōu)解等現(xiàn)象；再者，雖然可以利用其他電力場(chǎng)景的缺陷數(shù)據(jù)作為配網(wǎng)場(chǎng)景缺陷數(shù)據(jù)的補(bǔ)充，但是由于不同的電力場(chǎng)景數(shù)據(jù)在缺陷形式和背景形式上都存在較大的不同，如果直接利用其他場(chǎng)景的缺陷數(shù)據(jù)來(lái)訓(xùn)練缺陷識(shí)別模型，會(huì)出現(xiàn)大量的誤檢和漏檢。

發(fā)明內(nèi)容

為了解決上述問(wèn)題，本發(fā)明提出了一種配電設(shè)備紅外圖像故障識(shí)別方法及系統(tǒng)，通過(guò)將配電網(wǎng)場(chǎng)景下的配電設(shè)備紅外圖像與其他電力場(chǎng)景的設(shè)備故障歷史圖像進(jìn)行拼接后，對(duì)少樣本數(shù)據(jù)進(jìn)行擴(kuò)充，并構(gòu)建基于全卷積神經(jīng)網(wǎng)絡(luò)的MobileNetv1-FCN語(yǔ)義分割模型，實(shí)現(xiàn)紅外圖像中電力設(shè)備的像素級(jí)識(shí)別。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

第一方面，本發(fā)明提供一種配電設(shè)備紅外圖像故障識(shí)別方法，包括：

獲取配電網(wǎng)場(chǎng)景下的配電設(shè)備紅外圖像；

根據(jù)配電設(shè)備紅外圖像的設(shè)備故障形式與預(yù)設(shè)的其他電力場(chǎng)景設(shè)備故障形式的相似度，選取其他電力場(chǎng)景的設(shè)備故障歷史圖像作為擴(kuò)充樣本；

對(duì)配電設(shè)備紅外圖像與擴(kuò)充樣本中的缺陷位置進(jìn)行標(biāo)注，并基于缺陷位置將其裁剪為包含缺陷位置的缺陷圖像塊和不包含缺陷位置的背景圖像塊，對(duì)任一背景圖像塊和任一缺陷圖像塊進(jìn)行拼接后，得到圖像訓(xùn)練集；

基于圖像訓(xùn)練集對(duì)預(yù)先構(gòu)建的分割模塊采用多次上采樣融合方法進(jìn)行訓(xùn)練，對(duì)待識(shí)別的配電設(shè)備紅外圖像采用訓(xùn)練后的分割模型得到故障識(shí)別結(jié)果。

作為可選擇的實(shí)施方式，裁剪得到缺陷圖像塊后，對(duì)缺陷圖像塊進(jìn)行幾何變換和像素變換隨機(jī)的圖像變換操作。

作為可選擇的實(shí)施方式，所述幾何變換包括翻轉(zhuǎn)、平移、剪切、旋轉(zhuǎn)和縮放。