基于空-频域映射与虚警抑制的弱小目标检测算法

为了有效控制红外弱小目标检测过程中的虚警率,提高复杂云背景下的目标检测准确度,提出了基于空域-频域映射与虚警抑制的弱小目标检测算法。根据红外中心像素不同方向上的强度值,构建了方向最大中值滤波器,有效消除噪声;并利用中心像素与其邻域像素的强度差异,形成背景抑制滤波,充分增强弱小目标;考虑云区域的特有属性,联合非线性滤波,定义了云区域识别机制,提取空域映射;引入Butterworth差异低通滤波器,对去噪图像中的显著目标完成初步识别;基于其幅度信息,进行显著目标的精细检测;再利用细显著性检测结果,计算阈值,利用二值分割方法来获取去噪红外图像的频域映射;联合空域映射与频域映射,提取红外图像中的候选目标;根据真实动目标与虚警之间的运动特征差异,利用多尺度改进的管道滤波来抑制虚警,准确识别出真实目标。实验数据表明,相对于已有的弱小目标识别方案,所提方案能够准确地识别出真实目标,拥有更好的ROC特性曲线。     

高压电力设备红外图像的边缘检测

红外图像的边缘检测是红外图像目标识别以及进一步红外故障诊断的关键环节.文中讨论在高压电力设备故障红外诊断系统中对红外图像的预处理过程,并通过几种边缘检测算子对噪声的抑制效果和边缘定位精度的对比分析,选用效果最优的边缘检测算子来实现红外图像的边缘检测.通过实例,验证了图像预处理和边缘检测方法的有效性.     

基于改进卷积神经网络的电力设备红外图像分类识别方法

随着电力设备故障诊断技术的不断发展、红外测温诊断技术不断成熟，如何快速有效地对各类电气设备红外测温图像进行分类识别，是今后故障诊断智能化发展的关键环节之一。通过对红外测温图像分类识别方法进行研究，提出了一种基于改进卷积神经网络的电力设备红外图像分类识别方法。首先，通过旋转、翻转等方法对收集的红外图像进行数据增强；然后，建立基于改进MobileNetV2的电力设备红外图像分类识别模型，将电力设备红外测温图像通过迁移学习进行加权训练，利用Focal Loss函数改进神经网络的损失函数；最后，通过Softmax分类方法实现电力设备红外图像分类识别。试验表明，使用改进MobileNetV2的分类识别模型对电力设备红外图像进行分类识别的总平均准确率为92.62%，红外图像检测速度为116 f/s，具备较好的收敛速度与识别能力，为电力设备智能巡检提供了新思路。     

电力设备红外图像缺陷检测

机器人在巡检过程中采集到的红外图像很难反映设备目标的纹理信息。人工方法或传统机器学习方法不能精准识别和分类电力设备缺陷,同时其他环境因素容易导致误判。采用CenterNet结合结构化定位的算法模型,通过对现场红外图像数据样本收集、训练及验证算法模型的计算,实现从复杂的红外图像中以较高的准确率将不同变电站设备及其部件识别定位出来。根据设备部件表面温度范围值和识别定位出的变电站设备类型,结合相关温度规范实现电力设备红外图像缺陷检测。实验结果表明,该方法提高了电力设备红外图像缺陷检测的检测精度,为电力设备红外图像智能检测提供了新的思路。     

基于改进区域全卷积网络的高压引线接头红外图像特征分析的在线故障诊断方法

随着智能电网建设的不断发展,海量红外图像急剧增加,而传统红外故障检测依靠人工排查或手工提取特征,检测效率低且对人员经验依赖大.为实现对红外图像的高效智能化检测,保障电网安全运行,构建基于红外特征分析的在线故障诊断系统,提出通过改进高压引线接头红外图像的特征提取网络,以提升对小目标的识别性能,然后利用区域全卷积网络(R-FCN)实现对故障区域的定位和运行状态的识别,并且使用OpenCV对该故障区域的运行状态进行二次诊断,以进一步降低误报率.最后通过测试分析,改进后的R-FCN网络对高压引线接头红外图像故障诊断的平均精度达到了80.76％,比原R-FCN网络提升了8.43％.     

基于改进YOLOv4的GIS红外特征识别与温度提取方法

对气体绝缘开关设备(gas insulated switchgear,GIS)典型部件的目标识别和温度提取是实现对设备发热状态红外智能检测的关键。文中提出一种基于混合域注意力机制(convolutional block attention module,CBAM)的改进YOLOv4算法,可实现对GIS母线、隔离开关等部件的快速目标检测和热点温度提取。首先,在某变电站现场采集原始红外图像,对图像进行锐化处理和部位标记,构建包含GIS典型部件的红外数据集。然后,利用深度可分离卷积网络降低模型参数量,并融入CBAM优化模型的识别能力,在此基础上构建基于改进YOLOv4的GIS红外部件目标快速检测算法。最后,采用灰阶差值方法对检测到的GIS典型目标部件进行热区温度值提取。结果表明,所提算法在GIS红外特征数据集上可以达到每秒31.5帧的识别速度和82.3%的识别准确率,明显优于其他目标算法,且GIS各部件的温升计算值与实测值误差在±1℃内。该算法可部署在无人机和巡检小车等边缘智能终端,实现对现场GIS设备温升状态的精细化识别和快速诊断,提升GIS设备健康状态管理数字化和智能化水平。     

红外图像目标瞄准点测量和基于自适应Kalman滤波的瞄准点跟踪

前视红外图像(FLIR)包含有关目标形状的丰富信息,可据以识别目标的背景干扰,从而增强抗干扰能力,且可根据目标要害部的亮度特点及预定范围,确定并进而跟踪瞄准点,本文提出目标瞄准点的序贯相关测量与Kalman滤波相结合的跟踪方法,在用110帧红外序列图像目标瞄准点跟踪仿真研究中,获得令人满意的结果,本文给出仿真误差方差、误差曲线和代表性的跟踪照片。     

基于旋转目标检测的变电设备红外图像电压致热型缺陷智能诊断方法

传统红外人工诊断方法难以应对变电站机器人、无人机自主巡检产生的海量红外图片,目前针对电流致热型缺陷较易识别,但缺少危害严重的电压致热型缺陷智能诊断方法研究,提出了一种基于旋转目标检测的变电设备电压致热型缺陷智能诊断方法。基于改进R3Det模型对瓷套进行旋转目标检测,基于Faster RCNN模型对红外图像中三相区域、套管、电流互感器等变电设备区域进行识别、定位;通过自动关联包含在三相区域中的同类设备,计算同类设备温差;基于温差阈值法进行电压致热型缺陷诊断。使用现场采集红外图像进行训练和测试,结果表明:目标检测平均精度均值为90.65%,电压过热型缺陷识别准确率达到81.39%,误报率为9.62%,实验结果证明所提方法能够有效地从红外图像中自动识别电压致热型缺陷,可为实现机器巡检作业红外诊断智能化奠定基础。     

利用红外图像特征和径向基概率神经网络识别不同湿度条件下绝缘子的污秽等级

提出一种利用污秽绝缘子红外图像特征和径向基概率神经网络(RBPNN)来检测不同湿度条件下自然污秽绝缘子污秽等级的新方法。采用修正后的阿尔法滤波器和基于波谷的图像分割方法对绝缘子红外图像进行预处理。提取了不同湿度条件下的图像背景(周围环境)的平均温度、绝缘子盘面区域的最高温度、绝缘子盘面区域的平均温度、绝缘子盘面温度分布的方差值作为反映污秽等级的4个特征量。通过RBPNN建立了湿度及污秽特征与污秽等级之间的映射关系,并利用训练好的RBPNN识别绝缘子污秽等级;另外提出一种梯度算法与随机性方法相结合的算法来确定RBPNN的隐中心、宽度控制参数及权值矩阵。实验结果证明该方法能有效识别不同湿度条件下绝缘子的污秽等级。     

基于红外图像的输电线路故障识别

传统红外图像输电线路故障识别方法易受到噪声的干扰,故障边缘特征信息模糊,不能准确找出输电线路故障的位置,存在识别准确率低,抗干扰性差等难题,为此提出了基于红外图像对输电线路故障识别方法。采用红外成像仪器采集输电线路的温度变化图像,并采用粒子滤波算法去除故障图像中的噪声干扰,通过RGB色彩通道转换对输电线路红外图像的故障区域进行划分,利用共轭梯度法对输电线路故障区域的故障点进行识别和定位。实验结果表明,该方法能够实现输电线路故障的准确定位和高精度识别,且定位精度高达80%。     

基于红外图像识别的输电线路故障诊断

红外图像中输电线路故障的准确识别一直是困扰检测人员的难题。本文借助红外成像仪获取输电线路温升变化图像,从分析输电线路红外图像的特征入手,通过比较各颜色空间的优缺点,应用HSI颜色空间转换获得图像边缘信息,借助中值滤波保持边缘信息的优势,利用改进的中值滤波排除干扰,采用梯度法提取其中的温度最高区域,从而迅速准确地诊断输电线路温升故障。以输电线路的红外图像为例,验证了HSI空间梯度法识别温度最高区域的可行性和有效性。     

绝缘子污秽等级红外热像检测的视角影响分析

为了提高绝缘子污秽等级红外热像检测的准确性,提出利用绝缘子红外热像污秽等级分类特征的对比分析确定最佳成像角度的方法。该法采用直方图均衡化增强原始红外热像对比度,人工截取绝缘子盘面图像区域;基于盘面图像直方图包络线提取分割阈值,对阈值分割后的二值图像进行形态学滤波,得到绝缘子盘面图像;应用统计理论从绝缘子盘面图像提取最高温度、最低温度、平均温度、温度分布方差等10个红外热像污秽等级分类特征;运用Fisher准则对特征进行对比分析。瓷绝缘子人工污秽试验红外图像分析结果表明:成像角度变化显著的改变所得绝缘子表面热场;下盘面特征比上盘面特征有更好的分类性能。推荐绝缘子污秽等级红外成像检测应以下盘面为准。     

电力线路巡检系统信息分析软件的设计与实现

基于图像处理技术和数据库技术,提出了架空输电线路机器人巡检系统分析图像数据、检测故障隐患的处理流程,以及故障信息的保存管理方案,介绍了图像信息处理软件分析可见光图像和红外图像、获取故障特征值的过程,使用符合行业标准的检测方法对故障特征值进行判断,并形成可视化故障检测报告。该软件可以对红外图像进行自动化处理,并在少量人工辅助的条件下对可见光图像进行处理,提高了基于图像的架空输电线路故障检测的自动化处理程度。     

高压输电线路发热故障实例及分析

文章针对近几年高压输电线路红外检测工作所遇见的一些常见过热故障和特殊故障进行了分析,并查清了过热故障原因,为今后高压输电线路红外检测工作有一定辅助作用.     

高压输电线路红外图像的边缘检测

高压输电线路的导线，金具及绝缘子串等的红外图像的特点有：边缘模糊，对比度差，空间域上存在孤立的点和小块噪声。采用中值滤波方法。在保护图像边缘细节信息的前提下有效地降低了图像空间域高频噪声，用分段线性灰度变换增强了图像边缘的对比度，提高了图像的温度分辨力和空间分辨力。通过对Roberts边缘算子、Sobel边缘算子、Prewit边缘算子、Laplace边缘算子和Laplace改进算子等常用边缘检测算子对噪声的抑制效果和边缘定位精度的对比分析，选用Roberts算子完成了图像的边缘轮廓检测，并对不连续边缘进行跟踪和连接，得到了清晰连续的图像边缘，完成了高压输电线路红外图像的边缘特征提取。以一幅耐张绝缘子串的红外图像为应用实例，验证了图像预处理及边缘检测方法的有效性。     

基于地理信息的电力线全景图像信息融合方法

提出一种基于地理信息的电力线全景图像拼接方法。首先利用自动巡检机器人同步采集电力线的可见光图像和红外图像,采用尺度不变特征变换(SIFT)特征匹配算法分别拼接成全景图。其中红外全景图用于电力线的故障检测,可见光全景图对故障作进一步的可视化辅助检测,实现了故障信息、GPS信息和全景图像的融合,能够较精确地确定故障处的实际地理位置,提高了对电力线的维修效率。     

红外成像测温技术在变电站设备中的应用

在电力系统中,电力设备的质量直接关系到电网的运行安全,而由电力设备发热缺陷引起的设备事故对电刚的危害则更大。应用红外测温诊断技术可以及时发现电力设备的缺陷,特别是内部缺陷,使设备故障得到及时的消除,避免电力系统事故的发生。因此,红外热成像仪近年来成了热点应用诊断设备。为了加强对无人值守变电站的全貌监视,尤其是对电力设备温度的在线实时监控,构建具有红外测温功能的远程图像监控系统,可以实现过热设备的报警联动。     

用解析法分析两圆柱相交的相贯线

机械制图中，相贯线的求解是一个重点。一般作相贯线主要采用表面取点法和辅助平面法。理论上相贯线是由无数个点组成，但作图时只作几个相贯点，然后由点连成线，因此作出的相贯线不准确。本以两相交圆柱为例，探讨用数学方程式精确求解相贯线。     

相对温度分布特征与人工神经网络相结合的零值绝缘子识别方法

提出利用绝缘子串相对温度分布特征和人工神经网络模型相结合的方法识别不同污秽等级、不同湿度条件下的零值绝缘子。试验获取模拟110 kV线路悬式绝缘子的红外运行图像,经图像去噪、分割等预处理后,提取绝缘子串区域相对温度分布特征参数作为识别零值绝缘子的温度信息特征量,并结合环境相对湿度、等值附盐密度作为识别模型的输入向量,将实际测定绝缘子串是否含零值的状态分类信息作为输出向量,通过训练得到优化的识别模型,并用于零值绝缘子识别。试验结果验证该方法准确性高,可为输电线路瓷绝缘设备的故障检修提供参考和方法借鉴。