CN104504679A

CN104504679A - 基于典型缺陷图谱的红外缺陷在线分析方法

Info

Publication number: CN104504679A
Application number: CN201410665324.7A
Authority: CN
Inventors: 陈玉峰; 林颖; 郭志红; 马艳; 李程启; 杨祎; 耿玉杰
Original assignee: State Grid Corp of China SGCC; Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Priority date: 2014-11-19
Filing date: 2014-11-19
Publication date: 2015-04-08

Abstract

本发明公开了一种基于典型缺陷图谱的红外缺陷在线分析方法，包括：生成典型缺陷图谱库；采集电力设备红外缺陷图谱，对所述红外缺陷图谱进行预处理；将图谱转换成相同大小；分别采用颜色直方图和灰度直方图对红外缺陷图谱进行特征提取；分别计算灰度直方图和RGB三种颜色分量的各自直方图的直方图相似度；输出红外缺陷图谱与典型缺陷图谱比对后的相似度结果数据，并根据相似度结果数据生成缺陷数据信息。本发明有益效果：本发明提高了电力工作管理效率，避免因时间地域的限制性影响电力设备缺陷的及时检修，以及人为分析图谱数据的不确定性，保证了数据的实时性、准确性。

Description

基于典型缺陷图谱的红外缺陷在线分析方法

技术领域

本发明涉及电力行业数据处理领域，尤其涉及一种基于典型缺陷图谱的红外缺陷在线分析方法。

背景技术

随着红外成像技术的不断发展和完善，利用红外技术检测和诊断电力设备缺陷的方式也日趋成熟。同时，随着电力信息化的不断提高，各种智能型设备的不断出现，电力业务对信息实时性、准确性的要求也不断提高。

但是，传统的红外图谱处理方式以人工采集、离线校验为主，传统的红外技术在电力业务系统应用中存在其滞后性、主观性的固有弱点，同时受时间和地域限制，无法及时做出反映，因此，如何更好的利用先进的信息化技术，实现对现场设备故障的快速分析和反馈，及时对故障设备进行检修以防患于未然，已成未来电网信息化建设的必然方向。

发明内容

本发明的目的就是为了解决上述技术问题，提供了基于典型缺陷图谱的红外缺陷在线分析方法，该方法解决了现有工作模式下存在的信息滞后性、人为判断主观性等弊端，提高了电力工作管理信息化水平。

为了实现上述目的，本发明采用如下技术方案：

一种基于典型缺陷图谱的红外缺陷在线分析方法，包括以下步骤：

(1)生成典型缺陷图谱库；

(2)采集电力设备红外缺陷图谱，对所述红外缺陷图谱进行预处理；

(3)将图谱转换成相同大小；

(4)分别采用颜色直方图和灰度直方图对红外缺陷图谱进行特征提取；

(5)分别计算灰度直方图和RGB三种颜色分量的各自直方图与典型缺陷图谱的相似度；

(6)输出红外缺陷图谱与典型缺陷图谱比对后的相似度结果数据，并根据相似度结果数据生成缺陷数据信息。

所述步骤(1)中对红外缺陷图谱进行预处理的方法为：

a.利用图像切割算法对红外缺陷图谱四周区域进行切割；

b.利用油彩算法对红外缺陷图谱进行处理，对红外缺陷图谱进行分割，得到适当的色块边界，再对于同一边界内的像素赋以相同的颜色值；

c.采用中值滤波算法去除油彩算法中产生的次生噪声。

所述步骤(5)中计算直方图相似度的方法为：

Sim (G, S) = \frac{1}{N} Σ_{i = 1}^{N} (1 - \frac{| g_{i} - s_{i} |}{Max (g_{i}, s_{i})});

其中G，S为用于计算的两个直方图，N为直方图的分组个数，g_i、s_i分别为对应分组内的直方图频数。

本发明有益效果：

本专利通过PMP现场采集红外成像仪图谱，在线连接远程服务器与典型缺陷图谱自动进行比对分析，实时获取分析结果，并上传业务系统，而不必根据红外成像仪图谱进行人工分析，待返回后再将分析结果补录入业务系统，从而极大地提高了电力工作管理效率，避免因时间地域的限制性影响电力设备缺陷的及时检修，以及人为分析图谱数据的不确定性，保证了数据的实时性、准确性。

并且，PMP与电力内网之间通过安全接入平台进行隔离，数据传输过程中有效地进行了数据加密，保证了电力数据的安全性。

附图说明

图1为本发明PMP红外缺陷图谱在线分析网络架构图；

图2为本发明红外缺陷在线分析方法流程图；

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。

本发明通过PMP现场采集红外成像设备图谱，上传到应用服务器，并基于典型缺陷图谱库进行比对分析，获取分析结果，其网络结构如图1所示。

准备典型缺陷图谱库。典型缺陷图谱是红外缺陷在线分析的规范样本，需要搜集每类设备的典型缺陷图谱，按照设备类型存放与数据库中，以备用作与采集到的红外图谱进行比对分析。

应用服务器接收到红外缺陷图谱后，首先进行设备类型分类，根据设备类型到典型缺陷库中获取相应的典型缺陷图谱，并与之进行比对分析。红外图谱是根据红外成像技术将检测电力设备热辐射的红外线特定波段信号数字化形成的图像，因此红外图谱比对分析的重点在于对图像信息处理和模式分析上。

在图像处理和模式分析整体思路上采用SVM(Support Vector Machine支持向量机)算法。SVM是建立在统计学习理论的VC维理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性(即对特定训练样本的学习精度，Accuracy)和学习能力(即无错误地识别任意样本的能力)之间寻求最佳折衷。SVM作为最小化结构风险的算法，提出了泛误差概念。

泛化误差界的公式为：

R(w)≤Remp(w)+Ф(n/h)

公式中R(w)就是真实风险，Remp(w)就是经验风险，Ф(n/h)就是置信风险。统计学习的目标从经验风险最小化变为了寻求经验风险与置信风险的和最小，即结构风险最小。

一种基于典型缺陷图谱的红外缺陷在线分析方法，如图2所示，包括以下步骤：

(1)生成典型缺陷图谱库；

(3)将图谱转换成相同大小；

(5)分别计算灰度直方图和RGB三种颜色分量的各自直方图与典型缺陷图谱的相似度；计算公式如下：

Sim (G, S) = \frac{1}{N} Σ_{i = 1}^{N} (1 - \frac{| g_{i} - s_{i} |}{Max (g_{i}, s_{i})});

图像预处理的目的是为了防止红外缺陷图谱因为外界干扰或者红外成像仪等因素造成的图像失真或局部特征失真。图像预处理算法主要包括图像切割算法、油彩算法和中值滤波。

图像切割算法就是对图谱四周进行切割。红外图谱和人工照片有类似的特点，颜色比较均匀，纹理比较细密，当对图谱进行一定程度的边界识别时，这些纹理将被忽略掉，因此这里被标记为边界的像素点比较少。根据这个特点，可依据边界识别图，对图谱的四周区域进行切割。

油彩算法是对图谱进行处理，实现色块的色彩均一化，在局部用相对统一的色彩进行描绘。所以算法需要对图谱进行一定的分割，得到适当的色块边界，再对于同一边界内的像素赋以相同的颜色值。

中值滤波一般用于去除图谱的椒盐噪声，本专利中用于去除油彩算法中的次生噪声。图像预处理的目的是为了防止红外缺陷图谱因为外界干扰或者红外成像仪等因素造成的图像失真或局部特征失真。图像预处理算法主要包括图像切割算法、油彩算法和中值滤波。

为了进行图谱相似度比对，需要对图谱进行特征提取。本专利引入了直方图概念来表述图谱特征，直方图包括颜色直方图和灰度直方图。

颜色直方图是在许多图像检索系统中被广泛采用的颜色特征，它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适用于描述那些难以进行自动分割的图像。

灰度直方图是灰度级的函数，它表示图像中具有每种灰度级的像素的个数，反映图像中每种灰度出现的频率。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图像的最基本的统计特征。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims

1.一种基于典型缺陷图谱的红外缺陷在线分析方法，其特征是，包括以下步骤：

(1)生成典型缺陷图谱库；

(3)将图谱转换成相同大小；

2.如权利要求1所述的一种基于典型缺陷图谱的红外缺陷在线分析方法，其特征是，所述步骤(2)中对红外缺陷图谱进行预处理的方法为：

a.利用图像切割算法对红外缺陷图谱四周区域进行切割；

c.采用中值滤波算法去除油彩算法中产生的次生噪声。

3.如权利要求1所述的一种基于典型缺陷图谱的红外缺陷在线分析方法，其特征是，所述步骤(5)中计算直方图相似度的方法为：

Sim (G, S) = \frac{1}{N} Σ_{i = 1}^{N} (1 - \frac{| g_{i} - s_{i} |}{Max (g_{i}, s_{i})});