CN107220937A - 一种电气设备检测用红外全景图像处理方法及平台 - Google Patents

Abstract

本申请公开了一种电气设备检测用红外全景图像处理方法及平台,本申请通过电气设备红外全景图像采集系统采集不同角度的待检测电气设备的单点红外图像，并将多幅单点红外图像进行拼接处理，获得全景红外图像；之后将全景红外图像传输至电气设备用红外全景图像数据库，数据库根据全景红外图像获得电气设备本体区域，识别电气设备本体区域的温度信息，最后根据温度信息诊断电气设备的温度故障。本申请可单点完成360度红外全景图像采集工作，并进行图像处理，从而提取出高品质图像；通过图像处理平台自动比对、处理全景红外图像，获取电气设备温度场信息，从而诊断分析得出电气设备有无故障，大大提高了诊断准确性，降低了工作人员工作强度。

Description

一种电气设备检测用红外全景图像处理方法及平台

技术领域

本发明涉及图像采集和处理技术领域，尤其涉及一种电气设备检测用红外全景图像处理方法及平台。

背景技术

在众多的停电事故中，因设备局部过热引起的故障时有发生，因此，对电气设备温度的监测管理一直是电网企业的常规工作。电网中存在着数量众多的接头，为保证连接的可靠性，过去常采用“测直阻法”和“贴温度标签法”。随着电压等级的提高，这两种方法表现出明显的局限性。

为了减少停电预防性试验的时间和次数，并在运行中及时发现设备发热缺陷，提高供电可靠性，国外在上个世纪80年代就开始研究红外测温技术在电力系统的应用，但限于当时红外探测器件的水平，应用基本被搁浅。近年来，大面阵的红外焦平面技术的发展，国内外很多电力系统均配备了红外热像仪，工作人员采用红外热像仪对变电站设备进行温度测量；还有当前变电站设备大多采用非接触式红外被动热成像方式实现电气设备温度监测，红外成像技术具有非接触感知、获取信息量丰富、抗干扰能力强等特点，在电站系统中对电气设备感知、目标探测、设备工作状态监控等领域有着广泛的应用。

但是，红外热像仪只能通过人工操作，对变电设备进行逐点测温，操作冗长，无法对电力系统进行全自动、全天候的在线监测系统；采用红外热像仪检测电气设备时，测量到的电气设备温度数据往往根据工作人员的经验进行分析和诊断，准确性较低，还有采集的图像数量很大，现场检测需要耗费巨大的人力。

发明内容

本发明提供了一种电气设备检测用红外全景图像处理方法及平台，以解决现有技术存在的无法全景在线监测电气设备，及处理结果准确性较低的问题。

第一方面，本发明提供一种电气设备检测用红外全景图像处理方法，所述方法包括：

采集待检测电气设备不同角度的单点红外图像，拼接多幅所述单点红外图像，获得全景红外图像；

根据所述全景红外图像获得所述待检测电气设备本体区域；

识别所述待检测电气设备本体区域的温度信息，根据所述温度信息诊断电气设备的温度故障。

优选的，所述根据所述全景红外图像获得所述待检测电气设备本体区域，具体包括：

对所述全景红外图像进行X方向的Canny检测，提取所述待检测电气设备的边缘特征；

采用归一化相关系数法模块匹配确定所述全景红外图像的左右边缘特征点，并对特征点进行K-means聚类和剔除离群点；

对左右边缘的聚类中心进行直线拟合、直线修正和顶点修正，形成两边缘特征直线、边缘最高(低)点坐标和连边缘斜率，获得所述待检测电气设备本体区域。

优选的，所述识别所述待检测电气设备本体区域的温度信息，根据所述温度信息诊断电气设备故障，具体包括：

利用所述全景红外图像上比色条信息，建立所述比色条上的像素点与温度之间的函数关系；

通过所述全景红外图像中的像素点与比色条像素点的对应，赋予所述全景红外图像上的像素点温度值；

采用一次函数对比色条的坐标与温度值进行线性拟合，并识别所述待检测电气设备的最高温度和最低温度；

提取所述待检测电气设备上每一像素点的温度值，将所有温度累加后除以像素点个数，得到平均温度；

若所述平均温度超出电气设备正常运行温度范围，则证明所述待检测电气设备存在过热故障。

优选的，所述识别所述待检测电气设备的最高温度和最低温度，之后包括：

将每幅全景红外图像中的电气设备主体按照最高温度和最低温度划分为十个温度区间，每个温度区间为[T_max+i×(T_max-T_min)/10,T_max+(i+1)×(T_max-T_min)/10]，其中，0≤i≤10且i∈N；

统计各温度区间的像素点个数，并求出各区间像素点个数占总像素点个数的比例；

根据所述比例判断所述待检测电气设备局部过热和整体过热情况。

第二方面，本发明还提供一种电气设备检测用红外全景图像处理平台，所述处理平台包括相互连接的电气设备红外全景图像采集系统和电气设备用红外全景图像数据库，其中，

所述电气设备红外全景图像采集系统，用于采集不同角度的待检测电气设备单点红外图像，并将多幅预处理后的单点红外图像进行拼接处理，获得全景红外图像；

所述电气设备用红外全景图像数据库，用于根据所述全景红外图像诊断所述待检测电气设备的温度故障，所述电气设备用红外全景图像数据库包括：

图像比对模块：用于接收所述全景红外图像，根据所述全景红外图像获得待检测电气设备本体区域，并识别所述待检测电气设备本体区域的温度信息，根据所述温度信息获得所述待检测电气设备的平均温度，将所述平均温度与电气设备正常运行温度范围进行对比，判断所述待检测电气设备是否存在过热故障。

优选的，所述电气设备用红外全景图像数据库还包括：

保密模块：用于对数据库用户权限进行认证及管理；

条件查询模块：用于根据拍摄日期、拍摄地点和检测对象名称查询数据库中的图像文件；

维护模块：用于数据库维护人员对数据库中的图像数据进行修正、删除和添加；

添加模块：用于调用所述电气设备红外全景图像采集系统，向数据库中添加新的全景红外图像；

复制模块：用于复制数据库中的库文件、库原始图像文件和系统日志。

本发明提供的技术方案可以包括以下有益效果：

本发明提供的电气设备检测用红外全景图像处理方法及平台，首先通过处理平台中的电气设备红外全景图像采集系统采集不同角度的待检测电气设备的单点红外图像，并将多幅预处理后的单点红外图像进行拼接处理，获得全景红外图像；之后将全景红外图像传输至电气设备用红外全景图像数据库，数据库根据全景红外图像获得待检测电气设备本体区域，识别待检测电气设备本体区域的温度信息，最后根据温度信息诊断电气设备的温度故障。本发明通过图像处理平台自动比对、处理全景红外图像，获取电气设备温度场信息，从而诊断分析得出电气设备有无故障、故障等级和处理意见等，大大提高诊断准确性，降低了工作人员工作量；还有本发明可单点完成360度红外全景图像采集工作，并进行图像处理，从而提取出高品质图像。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种电气设备检测用红外全景图像处理方法的流程图；

图2为本发明实施例提供的一种电气设备检测用红外全景图像处理方法中S300的详细流程图；

图3为本发明实施例提供的一种电气设备检测用红外全景图像处理平台的结构示意图。

具体实施方式

参见图1，为本发明实施例提供的电气设备检测用红外全景图像处理方法的流程图。

S100：采集待检测电气设备不同角度的单点红外图像，拼接多幅所述单点红外图像，获得全景红外图像。

具体地，开机启动红外全景图像采集系统，首先系统控制FLIR相机旋转拍摄图像，并且每旋转θ°拍摄一次电气设备的单点红外图像，获取不同角度的单点红外图像。当拍摄的单点红外图像的数量为N时，控制FLIR相机停止拍摄图像，其中，FLIR相机旋转角度为0°＜θ≤60°，为确保拍摄整个电气设备，拍摄的单点红外图像的数量N≥6。

其次对获取的N幅不同角度的单点红外图像进行大小、去燥等图像预处理，并将处理后的单点红外图像以JPG的格式导出并保存至用户自定义的保存位置。

之后提取用户自定义保存位置的连续采集的六幅单点红外图像，并进行图像拼接融合处理，获得一幅全景红外图像，该全景红外图像显示了整个电气设备的温度分布情况。

然后对拼接成的全景红外图像进行颜色空间转换、图像大小变换、对比度和明暗度的调整、颜色校正、对比度增强、图像变换处理等一系列图像处理，获得更清晰地全景红外图像，方便工作人员识别电气设备的温度分布情况。

最后对已处理后的全景红外图像，依次在该图像的备注文件中添加基本信息和拍摄参数，方便对全景红外图像进行分类。

S200：根据所述全景红外图像获得所述待检测电气设备本体区域。

具体地，对全景红外图像进行X方向的Canny检测，提取电气设备的边缘特征，并采用归一化相关系数法模板匹配确定全景红外图像的左右边缘特征点。其中，边缘检测的实质是根据背景与目标的像素值差异，提取出两者间的边界线。目前在图像处理过程中最常用的是Canny算子，它是最优的阶梯型边缘检测算子，主要体现在信噪比与定位之乘积的最优逼近算子。X方向Canny检测的主要步骤如下所示：

①对全景红外图像进行预处理和图像提取；

②用一阶差分算子计算梯度和幅值方向；

③对梯度幅值进行非极大值抑制，对于图像中任意像素点，如果其灰度值与其梯度方向上前后两个像素点的灰度值相比不是最大，那么将这个像素的灰度值置0，即非边缘点；

④采用双阈值算法确定边缘，根据图像的灰度分布计算高低两个阈值，大于高阈值的像素点一定是边缘像素点，小于低阈值的像素点则不是边缘像素点。如果检测结果在低阈值和高阈值之间，那就要看该像素的邻接像素中有没有超过高阈值的边缘点像素；如果有，则该像素为边缘点，反之则不是边缘点。

特征匹配是计算机视觉中的基本操作之一，模板匹配本质是在目标图像中寻找与模板图像匹配程度最高的目标，并根据算法确定其具体坐标位置。归一化相关系数法是依据领域内像素灰度值的相似程度匹配的。

对特征点进行K-means聚类和离群点剔除后，对左右边缘的聚类中心进行直线拟合、直线修正和顶点修正，形成两边缘特征直线、边缘最高(低)点坐标和连边缘斜率，获得本电气设备的本体区域。其中，K-means聚类算法依照温度差异所带来的图像像素的差异，可以根据认为设定的聚类个数将红外图像分为不同的温度(像素)层次，为后续的温度识别带来了便利。

理想状态下，由于电气设备的边缘近似直线，边缘特征点也应当近似位于一条直线上，故而考虑采用直线拟合的方式进行边缘确定。虽然特征点近似位于一条直线上，但实际特征点的数量较多，且由于干扰，存在可能的“离群点”。如果不对所有聚类后的特征点进行分析判断，直接进行直线拟合，“离群点”会严重影响直线拟合的精度，因此，采用K-means聚类方法对图像中所有的特征点进行聚类，本质是将数量较多的特征点聚类为数量较少的特征点，这样能够有效地剔除“离群点”，同时大幅增加直线拟合的效率。

在具体实施过程中，获得电气设备本体区域的方法也可以采用其他合理方法，并不仅限于本申请提供的方法。

S300：识别所述待检测电气设备本体区域的温度信息，根据所述温度信息诊断电气设备的温度故障。

具体地，根据全景红外图像确定了电气设备本体区域，之后识别该电气设备本体区域内的温度信息，根据这些温度信息诊断电气设备是否出现过热故障，其具体步骤如图2所示：

S301：利用所述全景红外图像上比色条信息，建立所述比色条上的像素点与温度之间的函数关系。

S302：通过所述全景红外图像中的像素点与比色条像素点的对应，赋予所述全景红外图像上的像素点温度值。

S303：采用一次函数对比色条的坐标与温度值进行线性拟合，并识别所述待检测电气设备的最高温度和最低温度。

S304：提取所述待检测电气设备上每一像素点的温度值，将所有温度累加后除以像素点个数，得到平均温度。

S305：若所述平均温度超出电气设备正常运行温度范围，则证明所述待检测电气设备存在过热故障。

具体地，红外图像的一侧通常设置有比色条，比色条是整幅全景红外图像的参照物，理论上图像上任意一点都能够与比色条中的某点相对应。建立比色条上的像素点与温度之间的函数关系，通过图像中的像素点与比色条像素点的对应，赋予图像上的像素点温度值。

本申请采用一次函数对比色条的坐标与温度值进行线性拟合，即以比色条纵坐标值为自变量，对应温度值为因变量，求得两者的函数关系，从而求得比色条上任意一点对应的实际温度，并识别待检测电气设备的最高温度和最低温度。

获得待检测电气设备上每一像素点的实际温度，将所有温度累加后除以像素点个数，得到平均温度。获得平均温度后，判断平均温度是否超出电气设备正常运行温度范围，若超出，则说明待检测电气设备存在过热故障；若未超出，则说明待检测电气设备温度正常。

若诊断出电气设备存在过热故障，需要识别确定故障位置，其方法如下：

识别待检测电气设备的最高温度和最低温度之后，将每幅全景红外图像中的电气设备主体按照最高温度和最低温度划分为十个温度区域，每个温度区间为[T_max+i×(T_max-T_min)/10，T_max+(i+1)×(T_max-T_min)/10]，其中，0≤i≤10且i∈N。具体的划分统计流程如下所示：

①按行遍历图像中的所有像素点温度，假定第i行第j列的像素点对应的温度为T(i，j)，若T(i，j)≠T_min-2，则执行步骤②，否则判断T(i，j+1)点，重复执行该步骤。

②确定T(i，j)所属温度区间，并将该区间的像素点个数加1。

③统计所有温度区间的像素点个数，并求出各区间像素点个数占总像素点个数的比例。

十个温度区间是指十个温度级，比如1-2级，3-7级，8-10级认为分别是低、中、高三个温度区，根据高温区间像素比例情况判断电气设备局部过热和整体过热情况，如三相位于高温区域的像素点比例都超过90％，应当考虑整体过热的可能性，同时应当重点监测。如两相或一相高温区域的像素点比例都超过90％，应当考虑局部过热情况。

本发明提供的电气设备检测用红外全景图像处理方法可单点完成360度红外全景图像的采集工作，并进行图像处理，从而可提取出高品质数字图像；还可对数字图像进行一系列自动比对，诊断得出待检测电气设备是否存在过热故障，并具体获得故障位置，为电力设备现场状态检修提供参考依据。

基于本发明实施例提供的电气设备检测用红外全景图像处理方法，本发明实施例还提供了一种电气设备检测用红外全景图像处理平台，如图3所示，该处理平台包括相互连接的电气设备红外全景图像采集系统100和电气设备用红外全景图像数据库200两部分。

电气设备红外全景图像采集系统100包括：

红外图像采集模块101：电机驱动云台旋转连接FLIR相机，电机旋转θ度角且相机间隔250ms进行一次单点红外图像采集，每当采集达到六幅图像，电机停止旋转且停止图像采集，图像拼接完成进行下一轮图像采集。

采集图像预处理模块102：将采集到的单点红外图像进行大小、去燥等图像处理，然后由采集图像输出模块103将处理结果以JPG的格式导出并保存至用户自定义的保存位置，当采集达到六幅图像时，调用图像拼接模块104。

图像拼接模块104：提取用户自定义保存位置的连续采集的六幅单点红外图像，并进行图像拼接融合处理，获得一幅全景红外图像。

拼接图像处理模块105：对拼接后的全景红外图像进行颜色空间转换、图像大小变换、对比度和明暗度的调整、颜色校正、对比度增强、图像变换处理等一系列图像处理，获得更清晰地全景红外图像。

拼接图像分类模块106：对已处理全景红外图像，依次在该图像的备注文件中添加基本信息和拍摄参数，再由拼接图像输出模块107，将处理结果以JPG的格式导出并将处理结果以及原始图像直接导入电气设备用红外全景图像数据库200。

电气设备用红外全景图像数据库200包括：

图像比对模块201：进入本模块后，本模块将自动调用电气设备红外全景图像采集系统对红外图像进行采集和处理，并与电气设备用红外全景图像数据库中已有的数字图像进行比对(根据全景红外图像获得待检测电气设备本体区域，并识别待检测电气设备本体区域的温度信息，根据温度信息获得待检测电气设备的平均温度，将平均温度与电气设备正常运行温度范围进行对比，判断待检测电气设备是否存在过热故障)，得出比对结果，该结果包括用户原始图像、处理得到的图像以及专家建议，该比对结果将以且仅允许以pdf格式输出至用户指定的保存位置。比对结果导出后，本模块将自动生成不可更改和删除的系统日志，该日志包含了比对结果、比对时间、用户账号等信息。

保密模块202：包括且仅包括指纹认证和密码认证两种认证方式，用于对用户权限的认证以及管理，用户权限设为三级，第一等级为现场用户，该等级用户可以采用密码或者指纹进行验证，验证通过，方可使用电气设备用红外全景图像数据库中的图像比对模块201、条件查询模块203；第二等级为技术人员，该等级用户可以采用密码或者指纹进行验证，验证通过，不仅可使用电气设备用红外全景图像数据库中的图像比对模块201、条件查询模块203，还可使用维护模块205和添加模块204；第三等级为电气设备检测用红外全景图像处理平台所有方，该等级用户为最高权限用户，必须且仅允许以指纹进行验证，通过后，电气设备用红外全景图像数据库对其开放所有模块，并且可对保密模块202中用户权限进行修改。

条件查询模块203：用户可以选择拍摄日期、拍摄地点、检测对象名称等三类查询条件之一，并对所选查询类型进行完善后，电气设备用红外全景图像数据库内数据将自动查询并显示查询结果，该查询结果在用户需要时可以且仅允许以pdf格式导出供用户查看；查询结果导出后，本模块将自动生成不可更改和删除的系统日志，该日志包括了查询条件、查询结果、查询时间、用户账号等信息。

添加模块204：仅允许第二等级及以上用户进入，并且需要保密模块202的二次认证，通过后，本模块将自动跳转到电气设备红外全景图像采集系统启动界面，进行红外全景图像的处理并入库。出于保密要求，所有的新入库图像及其备注文件都需要最高权限者在48小时内进行批准方算添加成功，否则该次添加失败，库中数据恢复至本次添加前状态；添加成功后，本模块将自动生成不可更改和删除的系统日志，该日志包含了添加时间、添加对象及其数量、执行用户、添加成功时间以及确认用户等信息。

维护模块205：仅允许第二等级及以上用户进入，并且需要保密模块202的二次认证，通过后，本库对其开放库文件以及库中图像资源文件夹。用户可以通过维护模块对电气设备用红外全景图像数据库的基本设备进行修改，还可对保密模块202中除最高权限等级者外的用户权限进行修改和添加，更可以对库中原始红外全景图像、红外数字图像及其备注文件进行修改、删除。出于保密要求，所有的维护结果都需要最高权限者在48小时内进行批准方算维护成功，否则该次维护失败，库中数据恢复至本次维护前状态。维护成功后，本模块将自动生成不可更改和删除的系统日志，该日志包含了维护时间、维护对象、维护的具体操作步骤、执行用户、维护成功时间以及确认用户等信息。

复制模块206：仅允许最高权限等级用户进入，且需要保密模块202的二次认证，认证方式必须为指纹，通过后，用户可以在库文件、库原始图像文件、系统日志等资源类型中单选或多选欲拷贝的文件，并将用户所选类型涉及到的相关文件打包保存至用户指定位置。该打包文件保存完毕后，本模块自动调用保密模块202并要求用户对该打包文件进行新的用户权限设定。设定完毕，本模块将自动生成不可更改和删除的系统日志，该日志包含了复制时间、复制对象、执行用户等信息。

本发明提供的电气设备检测用红外全景图像处理平台包括相互连接的电气设备红外全景图像采集系统和电气设备用红外全景图像数据库，其中，电气设备红外全景图像采集系统通过触发电机驱动进行不同角度的单点红外图像采集，之后调用采集图像预处理模块，将采集到的单点红外图像进行图像预处理；然后由采集图像输出模块将预处理后的图像以JPG格式导出并保存至用户自定义的保存位置，当采集达到六幅图像时，调用图像拼接模块，提取用户自定义保存位置的连续采集的六幅单点红外图像，进行图像拼接融合处理，得到一幅全景红外图像；然后由拼接图像处理模块对全景红外图像进行图像处理，提高图像清晰度，并将处理后的全景红外图像传送至拼接图像分类模块；拼接图像处理模块依次在处理后全景红外图像的备注文件中添加基本信息和拍摄参数，再由拼接图像输出模块将处理结果以JPG格式导出并将处理结果以及原始红外图像直接导入电气设备用红外全景数据库。电气设备用红外全景图像数据库对入库的红外图像(包括原始图像)进行管理，诊断得出电气设备是否存在温度故障，并得出诊断建议，为电气设备现场状态检修提供参考依据。数据库还可为不同用户提供保密、查询、数据库的维护和维护以及数据库经授权后的复制、推广。

本领域技术人员在考虑说明书及实践这里发明的公开后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

以上所述的本发明实施方式并不构成对本发明保护范围的限定。

Claims (6)

1.一种电气设备检测用红外全景图像处理方法，其特征在于，所述方法包括：

采集待检测电气设备不同角度的单点红外图像，拼接多幅所述单点红外图像，获得全景红外图像；

根据所述全景红外图像获得所述待检测电气设备本体区域；

识别所述待检测电气设备本体区域的温度信息，根据所述温度信息诊断电气设备的温度故障。

2.如权利要求1所述的方法，其特征在于，所述根据所述全景红外图像获得所述待检测电气设备本体区域，具体包括：

对所述全景红外图像进行X方向的Canny检测，提取所述待检测电气设备的边缘特征；

采用归一化相关系数法模块匹配确定所述全景红外图像的左右边缘特征点，并对特征点进行K-means聚类和剔除离群点；

对左右边缘的聚类中心进行直线拟合、直线修正和顶点修正，形成两边缘特征直线、边缘最高(低)点坐标和连边缘斜率，获得所述待检测电气设备本体区域。

3.如权利要求1所述的方法，其特征在于，所述识别所述待检测电气设备本体区域的温度信息，根据所述温度信息诊断电气设备故障，具体包括：

利用所述全景红外图像上比色条信息，建立所述比色条上的像素点与温度之间的函数关系；

通过所述全景红外图像中的像素点与比色条像素点的对应，赋予所述全景红外图像上的像素点温度值；

采用一次函数对比色条的坐标与温度值进行线性拟合，并识别所述待检测电气设备的最高温度和最低温度；

提取所述待检测电气设备上每一像素点的温度值，将所有温度累加后除以像素点个数，得到平均温度；

若所述平均温度超出电气设备正常运行温度范围，则证明所述待检测电气设备存在过热故障。

4.如权利要求3所述的方法，其特征在于，所述识别所述待检测电气设备的最高温度和最低温度，之后包括：

将每幅全景红外图像中的电气设备主体按照最高温度和最低温度划分为十个温度区间，每个温度区间为[T_max+i×(T_max-T_min)/10,T_max+(i+1)×(T_max-T_min)/10]，其中，0≤i≤10且i∈N；

统计各温度区间的像素点个数，并求出各区间像素点个数占总像素点个数的比例；

根据所述比例判断所述待检测电气设备局部过热和整体过热情况。

5.一种电气设备检测用红外全景图像处理平台，其特征在于，所述处理平台包括相互连接的电气设备红外全景图像采集系统和电气设备用红外全景图像数据库，其中，

所述电气设备红外全景图像采集系统，用于采集不同角度的待检测电气设备单点红外图像，并将多幅预处理后的单点红外图像进行拼接处理，获得全景红外图像；

所述电气设备用红外全景图像数据库，用于根据所述全景红外图像诊断所述待检测电气设备的温度故障，所述电气设备用红外全景图像数据库包括：

图像比对模块：用于接收所述全景红外图像，根据所述全景红外图像获得待检测电气设备本体区域，并识别所述待检测电气设备本体区域的温度信息，根据所述温度信息获得所述待检测电气设备的平均温度，将所述平均温度与电气设备正常运行温度范围进行对比，判断所述待检测电气设备是否存在过热故障。

6.如权利要求5所述的平台，其特征在于，所述电气设备用红外全景图像数据库还包括：

保密模块：用于对数据库用户权限进行认证及管理；

条件查询模块：用于根据拍摄日期、拍摄地点和检测对象名称查询数据库中的图像文件；

维护模块：用于数据库维护人员对数据库中的图像数据进行修正、删除和添加；

添加模块：用于调用所述电气设备红外全景图像采集系统，向数据库中添加新的全景红外图像；

复制模块：用于复制数据库中的库文件、库原始图像文件和系统日志。