[發明專利]一種基于紅外圖像的電力桿塔局部放電檢測方法及裝置

在審

• 申請號: 202211278196.1
• 申請日: 2022-10-19
• 公開（公告）號: CN115616356A
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 賈兆紅;趙鵬程;葉鴻;劉弨;朱杰;唐俊;周行云;仰勁濤;彭志;夏浩源
• 申請（專利權）人: 安徽大學
• 主分類號: G01R31/12
• 分類號: G01R31/12;G06N3/04;G06N3/08;G06V10/774;G06V10/82;G06V20/10
• 代理公司: 合肥匯融專利代理有限公司 34141
• 代理人: 趙宗海

1.一種基于紅外圖像的電力桿塔局部放電檢測方法，其特征在于，包括以下步驟：

S1、獲取帶有溫度數據的電力桿塔的紅外圖像；

S2、對紅外圖像進行溫度檢測，獲取紅外圖像中的最高溫度值和最低溫度值；

S3、將紅外圖像轉為灰度圖片，根據最高溫度值和最低溫度值計算灰度圖片中溫度值與灰度值的線性關系；

S4、設定溫度突變檢測閾值，使用斑點檢測算法檢測紅外圖像溫度值與灰度值的關系中的溫度異常突變點，溫度異常突變點即為局部放電區域；

S5、輸出紅外圖像檢測狀態并對檢測到的局部放電區域進行預警，提示可能存在的異常。

2.根據權利要求1所述的電力桿塔局部放電檢測方法，其特征在于：在步驟S2中，對紅外圖像進行溫度檢測，獲取紅外圖像中的最高溫度值和最低溫度值的具體過程包括以下步驟：

S21、對紅外圖像中顯示最高溫度與最低溫度的圖像區域進行RGB色值分析，確定最高溫度數字與最低溫度數字對應的RGB色值范圍；

S22、根據RGB色值范圍和過濾條件生成對應的過濾后的紅外圖像；

S23、使用CNN結合CTC的方法搭建識別溫度數字的深度神經網絡并進行訓練得到溫度識別模型；

S24、將過濾后的紅外圖像輸入溫度識別模型中獲得最高溫度值和最低溫度值。

3.根據權利要求2所述的電力桿塔局部放電檢測方法，其特征在于：在步驟S22中，根據RGB色值范圍和過濾條件生成對應的過濾后的紅外圖像的具體過程包括以下步驟：

S221、對紅外圖像進行色值過濾，得到僅有溫度最低區域數字顏色與其余區域為全黑色的圖像；

和僅有溫度最高區域數字顏色與其余區域顏色為全黑色的圖像；

S222、根據圖像中的顏色獲取得到最低溫度區域圖像與最高溫度區域圖像得到過濾后的紅外圖像。

4.根據權利要求2所述的電力桿塔局部放電檢測方法，其特征在于：在步驟S23中，訓練溫度識別模型包括以下步驟：

S231、獲取若干帶有溫度區域的紅外圖像作為訓練集；

S232、對訓練集中每一個紅外圖像中的溫度區域進行標注；

S233、將標注后的紅外圖像輸入至溫度識別模型中進行訓練得到訓練后的溫度識別模型。

5.根據權利要求1所述的電力桿塔局部放電檢測方法，其特征在于：在步驟S3中，將紅外圖像轉為灰度圖片，根據最高溫度值和最低溫度值計算灰度圖片中溫度值與灰度值的線性關系，具體過程包括以下步驟：

S31、設定灰度圖片中灰度值為0的像素點的區域溫度值為最低值，灰度值為255的像素點的區域溫度為最高溫度；

S32、根據最高溫度值和最低溫度值求解溫度值與灰度值的線性關系。

6.根據權利要求1所述的電力桿塔局部放電檢測方法，其特征在于：在步驟S4中，設定溫度突變檢測閾值包括以下步驟：

S41、設定溫差大于P視為過熱可能存在局部放電現象；

S42、根據溫度值與灰度值的線性關系計算溫度閾值對應的灰度閾值即為溫度突變檢測閾值。

7.一種用于實現上述權利要求1至6任一項所述的電力桿塔局部放電檢測方法的裝置，其特征在于，包括：

紅外圖像獲取模塊(10)，所述紅外圖像獲取模塊(10)用于獲取帶有溫度數據的電力桿塔的紅外圖像；

溫度檢測模塊(20)，所述溫度檢測模塊(20)用于對紅外圖像進行溫度檢測，獲取紅外圖像中的最高溫度值和最低溫度值；

線性轉換模塊(30)，所述線性轉換模塊(30)用于將紅外圖像轉為灰度圖片，根據最高溫度值和最低溫度值計算灰度圖片中溫度值與灰度值的線性關系；

檢測模塊(40)，所述檢測模塊(40)用于設定溫度突變檢測閾值，使用斑點檢測算法檢測紅外圖像溫度值與灰度值的關系中的溫度異常突變點，溫度異常突變點即為局部放電區域；

輸出模塊(50)，所述輸出模塊(50)用于輸出紅外圖像檢測狀態并對檢測到的局部放電區域進行預警，提示可能存在的異常。

8.一種計算機設備，其特征在于，包括處理器和存儲器，所述存儲器用于存儲計算機程序，所述計算機程序被所述處理器執行時實現如權利要求1至6任一項所述的電力桿塔局部放電檢測方法。