CN107807270B - 一种基于人工智能的电流检测装置及其检测方法 - Google Patents
一种基于人工智能的电流检测装置及其检测方法 Download PDFInfo
- Publication number
- CN107807270B CN107807270B CN201711229918.3A CN201711229918A CN107807270B CN 107807270 B CN107807270 B CN 107807270B CN 201711229918 A CN201711229918 A CN 201711229918A CN 107807270 B CN107807270 B CN 107807270B
- Authority
- CN
- China
- Prior art keywords
- image
- current
- sample
- infrared
- sample image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 12
- 239000004020 conductor Substances 0.000 claims abstract description 40
- 238000001816 cooling Methods 0.000 claims abstract description 29
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000002474 experimental method Methods 0.000 claims abstract description 7
- 238000013500 data storage Methods 0.000 claims description 14
- 238000001914 filtration Methods 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000002156 mixing Methods 0.000 claims description 2
- 238000004870 electrical engineering Methods 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 230000007547 defect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
- G01R19/0092—Arrangements for measuring currents or voltages or for indicating presence or sign thereof measuring current only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
- G01J5/20—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using resistors, thermistors or semiconductors sensitive to radiation, e.g. photoconductive devices
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
- G01J5/20—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using resistors, thermistors or semiconductors sensitive to radiation, e.g. photoconductive devices
- G01J2005/202—Arrays
- G01J2005/204—Arrays prepared by semiconductor processing, e.g. VLSI
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种基于人工智能的电流检测装置及其检测方法，属电气工程领域。该电流检测装置包括红外图像采集模块、主控单元、样本图像存储模块；主控单元包括第一DSP、第二DSP；红外图像采集模块采集图像并送至第一DSP进行图像处理，处理后送至第二DSP与样本图像存储模块中的样本图像进行图像比对、计算：首先通过实验获取冷却装置启动和未启动时导体承载不同电流时的红外温度场图像，并进行图像处理作为样本图像，建立样本图像数据库；其次采集被测电流回路导体的红外温度场图像并处理得到采样图像，与样本图像比对及计算，得出电流值。本发明检测装置体积小、重量轻；计算量小、快速准确，尤其适合于高电压、大电流场合的电流检测。
Description
技术领域
本发明涉及一种电流检测装置及方法，尤其是一种基于人工智能的电流检测装置及其检测方法，属于电气工程技术领域。
背景技术
目前电流检测均采用电流互感器、电流传感器等，将一次侧的大电流转换为小电流信号。其共同特点是电量检测。
其缺点是：电流互感器笨重、体积大、成本高，尤其在高电压、大电流场合采用上述方法的电流检测装置笨重、体积庞大、价格高昂，使得高电压、大电流的成套电器设备成本高、占地面积大。
导体通入电流以后将会发热，其温度必然升高。也就是说，温度或温升和电流之间有必然的函数关系，那么只要通过检测温度即可检测到电流大小。但目前电器设备均采用自然冷却或风扇、水冷等强迫冷却方式，散热条件不同，有可能导致温度相同而电路中流过的实际电流不同，这使得求解温度与电流之间的关系变得异常复杂。如果能通过红外热成像技术摄取被测导体周围的温度场分布图像，运用图像处理和图像识别以及机器学习等人工智能技术分析摄取到的导体红外温度场分布图像，即可实现用无电量方式来检测电流值。
发明内容
本发明的主要目的在于：针对现有技术的不足和空白，根据导体通电后温度发生变化的特点，突破传统的电流检测方式，运用人工智能技术，提出一种非电量的电流检测方法，从而解决高电压、大电流场合的电流检测装置体积庞大、价格高的缺陷。
为了达到以上目的，本发明一种基于人工智能的电流检测装置，包括：红外图像采集模块、主控单元、样本图像存储模块；所述红外图像采集模块包括高清红外图像传感器、视频解码器；所述主控单元包括第一DSP芯片、第二DSP芯片；所述样本图像存储模块包括USB接口芯片、大数据存储设备，所述大数据存储设备为U盘或硬盘，建有经实验获得的被测电流回路导体承载不同电流时的红外温度场样本图像数据库。
所述高清红外图像传感器用于采集被测电流回路导体的红外视频温度场图像，并传送至视频解码器；所述视频解码器将红外视频温度场图像解码后送至所述主控单元的第一DSP芯片；所述第一DSP芯片对解码后的红外温度场图像进行处理得到采样图像，采样图像送至所述主控单元的第二DSP芯片；所述第二DSP芯片负责图像识别，通过采集、分析被测电流回路的断路器工作位置信号、冷却装置启动信号，并通过所述USB接口芯片搜索、读取所述大数据存储设备中的样本图像，与所述第一DSP芯片处理得到的采样图像进行比对、计算，最终得到被测电流回路的电流值。
上述基于人工智能的电流检测装置的检测方法包括以下步骤：
步骤1，通过实验分别获取冷却装置未启动和启动工况下，被测电流回路导体承载不同电流时的红外温度场图像，其方法是：
1)在冷却装置未启动情况下，给所述导体通入某一电流；
2)从所述导体通电起直至达到稳定温升，每隔一定时间间隔摄取一幅所述导体的红外温度场图像，并进行图像处理，即进行噪声滤波、确定特征点、提取特征点的像素，将处理过的图像作为样本图像；这一小组中的每幅样本图像均代表一个电流值；
3)重复步骤1)-2)，直至采集到满足测量精度的足够数量的样本图像。
4)在冷却装置启动情况下，给所述导体通入某一电流；
5)从所述导体通电起直至达到稳定温升，每隔一定时间间隔摄取一幅所述导体的红外温度场图像，并进行图像处理，即进行噪声滤波、确定特征点、提取特征点的像素，将处理过的图像作为样本图像；这一小组中的每幅样本图像均代表一个电流值；
6)重复步骤4)-5)，直至采集到满足测量精度的足够数量的样本图像。
步骤2，建立样本图像数据库并存储在所述大数据存储设备中：首先将步骤1获得的所有样本图像分为两类：冷却装置未启动类和启动类；然后根据量程，按电流等级范围将每类样本图像分为若干组，每组图像再按电流大小分为若干小组，其中电流值居中的那个小组称为中间值小组，每个小组中有若干样本图像，其每幅样本图像均代表一个电流值；取每组中间值小组中稳定温升时的样本图像作为该组的代表样本图像；
步骤3，采集被测电流回路的断路器工作位置信号、冷却装置启动信号；
步骤4，分析被测电流回路的断路器工作位置信号，如果断路器处于分闸位置，则判定电流为0，返回步骤3；否则转至步骤5；
步骤5，分析冷却装置启动信号，根据冷却装置是否工作，确定数据库中样本图像的相应类别，为图像比对做好准备；
步骤6，采集被测电流回路导体的红外温度场图像；
步骤7，对采集的红外温度场图像进行处理，得到本次的采样图像，其过程是：1)噪声滤波；2)寻找特征点；3)提取特征点的像素；
步骤8，图像比对：采用基于特征点和像素相似性的图像比对算法，找到本次的采样图像与数据库中相应类别的样本图像特征点像素之间的映射关系，实现图像比对，得到电流值；其过程是：根据步骤5确定的样本图像类别，从该类别的样本图像数据库中搜索与采样图像匹配的样本图像：首先进行粗配：将经步骤7处理过的采样图像与数据库中各组代表样本图像进行比对，找到最佳组；其次细配：在最佳组中搜寻最佳小组，然后在最佳小组中搜寻匹配图像，如果完全匹配，则此时的电流值即为该样本图像代表的电流值；如果不完全匹配，则采用神经网络自适应学习法，最终算出电流值。
本发明的有益效果是：1)无需电流互感器、电流传感器，完全采用非电量(温度)的检测方法实现电流测量，检测装置重量轻、体积小、成本低，尤其适合于高电压、大电流场合的电流检测，可大大降低大电流检测装置的成本，使其体积大大减小，从而使得高电压、大电流成套电器设备进一步小型化、智能化；2)基于特征点和像素相似性的图像比对算法，计算量小，快速准确，且能够自动实现图像匹配。
附图说明
附图为本发明基于人工智能的电流检测装置构成图。
其中，1-红外图像采集模块，11-高清红外传感器，12-视频解码器；2-主控单元，21-第一DSP芯片，22-第二DSP芯片；3-样本图像存储模块，31-USB接口芯片，32-大数据存储设备。
具体实施方式
下面结合附图，对本发明作进一步详细说明。
如附图所示，本发明基于人工智能的电流检测装置，包括：红外图像采集模块1、主控单元2、样本图像存储模块3；红外图像采集模块1包括高清红外图像传感器11、视频解码器12；主控单元2包括第一DSP芯片21、第二DSP芯片22；样本图像存储模块3包括USB接口芯片31、大数据存储设备32，根据样本图像数量，大数据存储设备32可以是U盘或硬盘，有足够的容量建有经实验获得的被测电流回路导体承载不同电流时的红外温度场样本图像数据库。
主控单元2的第一DSP芯片21的输入端与红外图像采集模块1的视频解码器12连接，第一DSP芯片21的输出端与第二DSP芯片22连接，样本图像存储模块3的USB接口芯片31、被测回路的断路器工作位置信号、冷却装置启动信号等均与第二DSP芯片22连接，USB接口芯片31与大数据存储设备32相连。
红外图像采集模块1的高清红外图像传感器11用于采集被测电流回路导体的红外视频温度场图像，并传送至视频解码器12；视频解码器12将红外视频温度场图像解码后送至主控单元2的第一DSP芯片21；第一DSP芯片21对解码后的红外温度场图像进行处理得到采样图像，采样图像送至主控单元2的第二DSP芯片22；第二DSP芯片22负责图像识别，通过采集、分析被测电流回路的断路器工作位置信号、冷却装置启动信号，并通过USB接口芯片31搜索、读取大数据存储设备32中的样本图像与第一DSP芯片21处理得到的采样图像进行比对、计算，最终得到被测电流回路的电流值。
高清红外图像传感器11可采用CCD焦平面阵列FPA高清红外图像传感器；视频解码器12可采用TVP5150；第一DSP芯片21可采用图像处理专用DSP芯片，如TI公司TMS320C6000系列DSP。
由于导体通入某一电流后，导体处的温度高于其周围的温度，形成温度梯度，即产生温度场；由于热惯性，温度场会随时间缓慢而变；电流变化后，温度梯度会发生突变，温度场也发生突变，以此根据温度场图像，即可确定电流是否变化，从而确定电流的大小。
本发明图像采集的特点是：实际工况下获取的采样图像与数据库中的样本图像均为同一场景、同一视点、同一成像方式拍摄的，因而只需确定图像中的特征点及其像素值，大大减少了计算量，提高了动态响应速度，实时性好。
因此，上述基于人工智能的电流检测装置进行电流检测时，其检测方法包括以下步骤：
步骤1，通过实验分别获取冷却装置未启动和启动工况下，被测电流回路导体承载不同电流时的红外温度场图像，其方法是：
1)在冷却装置未启动情况下，给被测电流回路导体通入某一电流；
2)从导体通电起直至达到稳定温升，每隔一定时间间隔由红外图像采集模块1摄取一幅被测电流回路导体的红外温度场图像，并由第一DSP芯片21进行图像处理，即进行噪声滤波、确定特征点、提取特征点的像素，将处理过的图像作为样本图像；这一小组中的每幅样本图像均代表一个电流值；
3)重复步骤1)-2)，直至采集到满足测量精度的足够数量的样本图像。
4)在冷却装置启动情况下，给被测电流回路导体通入某一电流；
5)从导体通电起直至达到稳定温升，每隔一定时间间隔由红外图像采集模块1摄取一幅被测电流回路导体的红外温度场图像，并由第一DSP芯片21进行图像处理，即进行噪声滤波、确定特征点、提取特征点的像素，将处理过的图像作为样本图像；这一小组中的每幅样本图像均代表一个电流值；
6)重复步骤4)-5)，直至采集到满足测量精度的足够数量的样本图像。
步骤2，建立样本图像数据库并存储在大数据存储设备32中：首先将步骤1获得的所有样本图像分为两类：冷却装置未启动类和启动类；然后根据量程，按电流等级范围将每类样本图像分为若干组，每组图像再按电流大小分为若干小组，其中电流值居中的那个小组称为中间值小组，每个小组中有若干样本图像，其每幅样本图像均代表一个电流值；取每组中间值小组中稳定温升时的样本图像作为该组的代表样本图像。举例来说：量程为0-1000A，可按0-100A、100-200A、…、900-1000A分为10组，每组的中间值分别为50A、150A、…、950A；每组再分为10个小组，比如0-100A这一组可分为10A、20A、…、90、100A等10个小组，每个小组存有代表一个电流值的若干样本图像，即步骤1中的步骤2)或步骤5)从导体通电起直至达到稳定温升所采集到的所有样本图像；对于0-100A这一组，其中的50A小组就为该组的中间值小组，50A这一小组中有若干样本图像，将其中的稳定温升时的样本图像就作为0-100A这一组的代表样本图像，这样可大大加快搜索速度。
步骤3，第二DSP芯片22采集被测电流回路的断路器工作位置信号、冷却装置启动信号。
步骤4，第二DSP芯片22分析被测回路的断路器工作位置信号，如果断路器处于分闸位置，则判定电流为0，返回步骤3；否则转至步骤5。
步骤5，第二DSP芯片22分析冷却装置启动信号，根据冷却装置是否启动，确定数据库中样本图像的相应类别，为图像比对做好准备。
步骤6，红外图像采集模块1采集被测电流回路导体的红外温度场图像并送至第一DSP芯片21。
步骤7，第一DSP芯片21对采集的红外温度场图像进行处理，得到本次的采样图像，其过程是：1)噪声滤波：滤除高清红外图像传感器11的暗电流产生的噪声；2)寻找特征点；3)提取特征点处的像素。
步骤8，第二DSP芯片22进行图像比对：采用基于特征点和像素相似性的图像比对算法，找到本次的采样图像与数据库中相应类别的样本图像特征点像素之间的映射关系，实现图像比对，得到电流值。其过程是：根据步骤5确定的样本图像类别，第二DSP芯片22通过USB接口芯片31从大数据存储设备32中的该类别的样本图像数据库中搜索与采样图像匹配的样本图像：首先进行粗配，即：将经步骤7处理过的采样图像与数据库中各组代表样本图像进行比对，找到最佳组，同时记忆学习；其次细配，即：在最佳组中搜寻最佳小组，然后在最佳小组中搜寻匹配图像，同时记忆学习，如果完全匹配，则此时的电流值即为该样本图像代表的电流值；如果不完全匹配，则采用神经网络自适应学习算法或插值法，最终算出电流值。
进一步地，由于电流检测时刻进行，所以有大量的历史数据，这样就可以将历史数据作为训练数据，将当前数据作为测试数据，通过机器学习算法，使系统具有自学习功能，使得图像比对越来越准确，动态响应速度越来越快。
Claims (1)
1.一种基于人工智能的电流检测装置的检测方法，所述电流检测装置包括：红外图像采集模块、主控单元、样本图像存储模块；所述红外图像采集模块包括高清红外图像传感器、视频解码器；所述主控单元包括第一DSP芯片、第二DSP芯片；所述样本图像存储模块包括USB接口芯片、大数据存储设备，所述大数据存储设备建有经实验获得的被测电流回路导体承载不同电流时的红外样本图像数据库；所述高清红外图像传感器用于采集被测电流回路导体的红外视频温度场图像，并传送至视频解码器；所述视频解码器将红外视频温度场图像解码后送至所述主控单元的第一DSP芯片；所述第一DSP芯片对解码后的红外温度场图像进行处理得到采用图像，采样图像送至所述主控单元的第二DSP芯片；所述第二DSP芯片负责图像识别，通过采集、分析被测电流回路的断路器工作位置信号、冷却装置启动信号，并通过所述USB接口芯片搜索、读取所述大数据存储设备中的样本图像，与所述第一DSP芯片处理得到的采样图像进行比对、计算，最终得到被测电流回路的电流值；其特征在于，包括以下步骤：
步骤1，通过实验分别获取冷却装置未启动和启动工况下，被测电流回路导体承载不同电流时的红外温度场图像，其方法是：
1)在冷却装置未启动情况下，给所述导体通入某一电流；
2)从所述导体通电起直至达到稳定温升，每隔一定时间间隔摄取一幅所述导体的红外温度场图像，并进行图像处理，即进行噪声滤波、确定特征点、提取特征点的像素，将处理过的图像作为样本图像；这一小组中的每幅样本图像均代表一个电流值；
3)重复步骤1)-2)，直至采集到满足测量精度的足够数量的样本图像；
4)在冷却装置启动情况下，给所述导体通入某一电流；
5)从所述导体通电起直至达到稳定温升，每隔一定时间间隔摄取一幅所述导体的红外温度场图像，并进行图像处理，即进行噪声滤波、确定特征点、提取特征点的像素，将处理过的图像作为样本图像；这一小组中的每幅样本图像均代表一个电流值；
6)重复步骤4)-5)，直至采集到满足测量精度的足够数量的样本图像；
步骤2，建立样本图像数据库并存储在所述大数据存储设备中：首先将步骤1获得的所有样本图像分为两类：冷却装置未启动类和启动类；然后根据量程，按电流等级范围将每类样本图像分为若干组，每组图像再按电流大小分为若干小组，其中电流值居中的那个小组称为中间值小组，每个小组中有若干样本图像，其每幅样本图像均代表一个电流值；取每组中间值小组中稳定温升时的样本图像作为该组的代表样本图像；
步骤3，采集被测电流回路的断路器工作位置信号、冷却装置启动信号；
步骤4，分析被测电流回路的断路器工作位置信号，如果断路器处于分闸位置，则判定电流为0，返回步骤3；否则转至步骤5；
步骤5，分析冷却装置启动信号，根据冷却装置是否工作，确定数据库中样本图像的相应类别，为图像比对做好准备；
步骤6，采集被测电流回路导体的红外温度场图像；
步骤7，对采集的红外温度场图像进行处理，得到本次的采样图像，其过程是：1)噪声滤波；2)寻找特征点；3)提取特征点的像素；
步骤8，图像比对：采用基于特征点和像素相似性的图像比对算法，找到本次的采样图像与数据库中相应类别的样本图像特征点像素之间的映射关系，实现图像比对，得到电流值；
其过程是：根据步骤5确定的样本图像类别，从该类别的样本图像数据库中搜索与采样图像匹配的样本图像：首先进行粗配：将经步骤7处理过的采样图像与数据库中各组代表样本图像进行比对，找到最佳组；其次细配：在最佳组中搜寻最佳小组，然后在最佳小组中搜寻匹配图像，如果完全匹配，则此时的电流值即为该样本图像代表的电流值；如果不完全匹配，则采用神经网络自适应学习算法，最终算出电流值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711229918.3A CN107807270B (zh) | 2017-11-29 | 2017-11-29 | 一种基于人工智能的电流检测装置及其检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711229918.3A CN107807270B (zh) | 2017-11-29 | 2017-11-29 | 一种基于人工智能的电流检测装置及其检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107807270A CN107807270A (zh) | 2018-03-16 |
| CN107807270B true CN107807270B (zh) | 2023-06-27 |
Family
ID=61590356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711229918.3A Active CN107807270B (zh) | 2017-11-29 | 2017-11-29 | 一种基于人工智能的电流检测装置及其检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107807270B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110161301B (zh) * | 2019-06-24 | 2021-07-02 | 四川电安智能科技有限公司 | 一种抗干扰型雷电流波形采集算法 |
| CN112304436B (zh) * | 2020-10-23 | 2022-07-19 | 北京百度网讯科技有限公司 | 用于创建温度校正模型的方法、装置、电子设备和介质 |
| CN112485505B (zh) * | 2020-11-10 | 2021-10-19 | 电子科技大学 | 一种基于红外热成像的高频交流电流幅值检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101839938A (zh) * | 2010-04-15 | 2010-09-22 | 西安爱邦电磁技术有限责任公司 | 利用红外热像仪对飞机模型雷电电流分布的试验方法 |
| KR20100132846A (ko) * | 2009-06-10 | 2010-12-20 | (주)실리콘화일 | 조도, 근접도 및 색온도 측정이 가능한 이미지센서 |
| CN102253347A (zh) * | 2011-06-30 | 2011-11-23 | 大连大工安道船舶技术有限责任公司 | 电动汽车蓄电池soc估算系统 |
| JP2013178176A (ja) * | 2012-02-28 | 2013-09-09 | Sharp Corp | 欠陥検出方法、欠陥検出装置、および半導体基板の製造方法 |
| CN104502768A (zh) * | 2014-12-27 | 2015-04-08 | 国家电网公司 | 用于电力设备连接部件的电流致热型缺陷评估方法 |
| CN105522271A (zh) * | 2014-10-27 | 2016-04-27 | 西安越度机电科技有限公司 | 一种电阻焊焊接的电流检测方法 |
| CN106077932A (zh) * | 2016-06-29 | 2016-11-09 | 成都浩方机电有限责任公司 | 一种焊接电流检测方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7056012B2 (en) * | 2002-10-03 | 2006-06-06 | Extech Instruments Corporation | Multimeter with non-contact temperature measurement |
| US9241115B2 (en) * | 2012-06-26 | 2016-01-19 | Raytheon Company | Infrared scene projector |
-
2017
- 2017-11-29 CN CN201711229918.3A patent/CN107807270B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20100132846A (ko) * | 2009-06-10 | 2010-12-20 | (주)실리콘화일 | 조도, 근접도 및 색온도 측정이 가능한 이미지센서 |
| CN101839938A (zh) * | 2010-04-15 | 2010-09-22 | 西安爱邦电磁技术有限责任公司 | 利用红外热像仪对飞机模型雷电电流分布的试验方法 |
| CN102253347A (zh) * | 2011-06-30 | 2011-11-23 | 大连大工安道船舶技术有限责任公司 | 电动汽车蓄电池soc估算系统 |
| JP2013178176A (ja) * | 2012-02-28 | 2013-09-09 | Sharp Corp | 欠陥検出方法、欠陥検出装置、および半導体基板の製造方法 |
| CN105522271A (zh) * | 2014-10-27 | 2016-04-27 | 西安越度机电科技有限公司 | 一种电阻焊焊接的电流检测方法 |
| CN104502768A (zh) * | 2014-12-27 | 2015-04-08 | 国家电网公司 | 用于电力设备连接部件的电流致热型缺陷评估方法 |
| CN106077932A (zh) * | 2016-06-29 | 2016-11-09 | 成都浩方机电有限责任公司 | 一种焊接电流检测方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张晓怀 ; 闫光辉 ; 郭学学 ; 杨立 ; .用红外热像仪测量电机表面温度和估计电机运行电流.红外.2011,(09),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107807270A (zh) | 2018-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107807270B (zh) | 一种基于人工智能的电流检测装置及其检测方法 | |
| CN111784633B (zh) | 一种面向电力巡检视频的绝缘子缺损自动检测算法 | |
| CN113920097B (zh) | 一种基于多源图像的电力设备状态检测方法及系统 | |
| CN111832398B (zh) | 一种无人机影像的配电线路杆塔导地线断股图像检测方法 | |
| CN113515655B (zh) | 一种基于图像分类的故障识别方法及装置 | |
| CN116054417B (zh) | 一种变电站用的监控系统及方法 | |
| CN115290696A (zh) | 一种变电站绝缘子的红外热成像缺陷检测方法及装置 | |
| CN114494185B (zh) | 一种基于rgb-t多尺度特征融合的电气设备故障检测方法 | |
| CN116681979A (zh) | 一种复杂环境下的电力设备目标检测方法 | |
| CN113655348A (zh) | 一种基于深度孪生网络的电力设备局部放电故障诊断方法、系统终端及可读存储介质 | |
| CN109389160A (zh) | 基于深度学习的电力绝缘端子缺陷检测方法 | |
| CN116205226A (zh) | 一种电力设备状态评估方法、装置、设备及可读存储介质 | |
| CN116797977A (zh) | 巡检机器人动态目标识别与测温方法、装置和存储介质 | |
| CN116977907A (zh) | 基于图像识别的电力巡检故障诊断方法及系统 | |
| CN115147591A (zh) | 一种变电设备红外图像电压致热型缺陷诊断方法及系统 | |
| CN111597868A (zh) | 一种基于ssd的变电站隔离开关状态分析方法 | |
| CN114724042A (zh) | 一种输电线路中零值绝缘子自动检测方法 | |
| Zhang et al. | Intelligent detection technology of infrared image of substation equipment based on deep learning algorithm | |
| CN111079647A (zh) | 一种断路器缺陷识别方法 | |
| CN116485802B (zh) | 一种绝缘子闪络缺陷检测方法、装置、设备及存储介质 | |
| CN114838923B (zh) | 有载分接开关的故障诊断模型建立方法及故障诊断方法 | |
| CN207488355U (zh) | 一种基于人工智能的电流检测装置 | |
| Olivatti et al. | Analysis of artificial intelligence techniques applied to thermographic inspection for automatic detection of electrical problems | |
| CN114387242A (zh) | 电压制热型设备的缺陷确定方法、装置、介质及设备 | |
| CN112884720A (zh) | 一种配电线路污闪绝缘子检测方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |