CN110715736A - 一种电缆终端异常发热缺陷等级划分方法 - Google Patents
一种电缆终端异常发热缺陷等级划分方法 Download PDFInfo
- Publication number
- CN110715736A CN110715736A CN201910657073.0A CN201910657073A CN110715736A CN 110715736 A CN110715736 A CN 110715736A CN 201910657073 A CN201910657073 A CN 201910657073A CN 110715736 A CN110715736 A CN 110715736A
- Authority
- CN
- China
- Prior art keywords
- phase
- temperature
- cable terminal
- image
- suspected
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 27
- 230000007547 defect Effects 0.000 title claims abstract description 27
- 238000010438 heat treatment Methods 0.000 title claims abstract description 22
- 238000013021 overheating Methods 0.000 claims abstract description 21
- 238000003745 diagnosis Methods 0.000 claims abstract description 11
- 230000016507 interphase Effects 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000003064 k means clustering Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- FQZYTYWMLGAPFJ-OQKDUQJOSA-N tamoxifen citrate Chemical compound [H+].[H+].[H+].[O-]C(=O)CC(O)(CC([O-])=O)C([O-])=O.C=1C=CC=CC=1C(/CC)=C(C=1C=CC(OCCN(C)C)=CC=1)/C1=CC=CC=C1 FQZYTYWMLGAPFJ-OQKDUQJOSA-N 0.000 claims description 3
- 238000007689 inspection Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013215 result calculation Methods 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/443—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by matching or filtering
-
- 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
- G01J2005/0077—Imaging
Abstract
本发明涉及电力设备检修技术领域,更具体地,涉及一种电缆终端异常发热缺陷等级划分方法,包括有以下步骤:S1:在正常电缆终端红外图像中提取电缆终端部分作为整体模板,提取待诊断线路三相电缆终端的红外图像作为待匹配图像,匹配出电缆终端部分;S2:在电缆终端部分中提取最高灰度值g,得到三相电缆终端的最高温度,根据相间温差与异常阈值的大小,判断电缆终端状态正常或异常;S3:确定疑似过热相和参考相,在疑似过热相中确定疑似过热区域;S4:利用疑似过热区域在参考相中匹配出参考区域;S5:确定过热区域和参考区域的温度参数,根据温度参数进行发热缺陷等级划分。本发明提高巡检效率,提高电缆终端红外诊断的效率和准确性。
Description
技术领域
本发明涉及电力设备检修技术领域,更具体地,涉及一种电缆终端异常发热缺陷等级划分方法。
背景技术
电力电缆供电可靠性高且有利于美化城市,因此在城市电网中所占的比重越来越大,广泛应用于电力系统的各个电压等级。电力电缆能否安全运行已成为电网能否可靠供电的一大重要因素。
电缆终端是用来连接电缆与其他电气设备的重要附件。理论分析和实际运行观测均表明,当电缆终端出现潜在问题后,往往会引起其运行温度上升,因此电缆终端的运行温度能够体现出其运行状态。及时发现电缆终端的异常发热有利于及时消缺,阻止缺陷进一步发展。而红外热成像测温技术由于具有非接触、不受高压电磁场干扰、高效和直观等许多优点,常被应用于反映电缆终端温度的变化情况。
然而目前电缆巡检中的红外诊断仍主要依靠人工完成,针对电缆终端的红外诊断尚未实现智能化。
发明内容
本发明为克服上述现有技术所述的电缆巡检中的红外诊断不能实现智能化,提供一种电缆终端异常发热缺陷等级划分方法,降低人工成本,提高巡检效率,提高电缆终端红外诊断的效率和准确性。
为解决上述技术问题,本发明采用的技术方案是:一种电缆终端异常发热缺陷等级划分方法,其中,包括有以下步骤:
S1:在正常电缆终端红外图像中提取电缆终端部分作为整体模板,提取待诊断线路三相电缆终端的红外图像作为待匹配图像,利用整体模板作为参照在待匹配图像中匹配出电缆终端部分;
步骤S1中,包括有以下步骤:
S11:在电缆终端的红外图像中提取电缆终端部分作为整体模板P1;
S12:将线路三相电缆终端的红外图像作为待匹配图像,分别命名为IA、IB和IC;
S13:将三相红外图像IA、IB和IC以及整体模板P1的红外图像灰度化,并采用K-MEANS聚类算法对三相电缆图像进行背景滤除;
步骤S13中,包括有以下步骤:
S131:将三相电缆终端的红外图像和整体模板P1的红外图像灰度化,灰度化之后的三相待匹配图像分别为GA、GB和GC,整体模板P1灰度化之后为模板GT,灰度化公式如式(1)所示;
g=0.299R+0.587G+0.114B (1)
其中g表示图像中某像素点的灰度;R、G和B分别为该像素点的R分量、G分量和B分量;
S132:基于步骤S131得到的灰度图像,采用K-MEANS聚类算法,分别得到三相待匹配图像的灰度图像GA、GB和GC的聚类结果,灰度最低的一类为背景,进行滤除。
S14:采用边缘匹配法,利用整体模板P1在三相红外图像IA、IB和IC中匹配出电缆终端部分。
步骤S14中,包括有以下步骤:
S141:提取三相待匹配图像GA、GB和GC以及模板GT的边缘,得到的结果对应的矩阵中处于边缘处的像素点值为1,否则为0,三相待匹配图像GA、GB和GC提取的结果为Aedge、Bedge、Cedge,模板GT提取的结果为Tedge;
S142:以Tedge为滤波器,Aedge、Bedge和Cedge为要滤波的数据,将滤波器的中心位于待滤波数据矩阵的每一个元素,得到三相的滤波结果;
S143:遍历三相的滤波结果,得到三相滤波结果中的最大值,并找到三相滤波结果最大值所处位置;
S144:以步骤S143找到的最大值所在位置为中心,在待匹配图像IA、IB和IC中取与整体模板P1尺寸相同大小的图像,即为匹配所得的三相电缆终端部分,其余部分为背景。
S2:在电缆终端部分中提取最高灰度值g,根据最高灰度值g得到三相电缆终端的最高温度,根据最高温度确定电缆终端的相间温差;若相间温差不超过异常阈值,则判断该电缆终端状态为正常;若相间温差超过异常阈值,进入步骤S3;
步骤S2中,包括有以下步骤:
S21:基于电缆终端整体匹配的结果,分别提取三相的最高灰度g,利用温度计算公式分别得到三相电缆终端的最高温度TA、TB和TC,计算公式如式(2)所示,
T=(Tmax-Tmin)*g/255+Tmin (2)
其中T表示待求点温度,Tmax表示原始红外图像中的最高温度,Tmin表示原始红外图像中的最低温度,g表示待求点灰度值;
S22:基于步骤S21得到的三相最高温度,计算三相的相间温差:
abs(TAmax-TBmax)、abs(TAmax-TCmax)和abs(TBmax-TCmax),abs为绝对值,TAmax为A相的最高温度,TBmax为B相的最高温度,TCmax为C相的最高温度。
S3:三相电缆终端温度最高的相为疑似过热相,其它两相为参考相,在疑似过热相中确定疑似过热区域;
步骤S3中,以疑似过热相最高温度点作为中心,在该相中取疑似过热区域。
S4:采用相关系数模板匹配法,利用疑似过热区域作为模板,在参考相中匹配出参考区域;
步骤S4中,将疑似过热区域与参考相的红外图像灰度化,遍历参考相的电缆终端部分,在参考相中,利用相关系数选取与疑似过热区域相似程度最大并且像素大小相同的参考区域,相关系数的计算公式如式(3)所示;
其中p表示相关系数,(x,y)为像素点坐标,f和g分别表示坐标点为(x,y)的疑似过热区域和待匹配图像的灰度。
S5:确定过热区域和参考区域的最高温度、最低温度和平均温度,根据温度参数进行发热缺陷等级划分。
步骤S5中,根据电缆终端诊断标准计算温升Tr、温差Td或相对温差δt,并依据标准进行缺陷等级划分,式(4)、式(5)和式(6)分别为温升、温差和相对温差的计算公式,
Tr=T-T0 (4)
Td=T1-T2 (5)
δt=(T1-T2)/(T1-T0)*100% (6)
其中,T表示被测设备表面温度;T0表示环境温度;T1表示疑似过热区域温度;T2表示参考区域温度。
本发明与现有技术相比,具有以下特点:
本发明利用边缘匹配法、相关系数模板匹配法等完成红外图像中电缆终端疑似过热区域和参考区域的自动选取,进而计算区域的温度信息,并根据相关标准进行电缆终端异常发热缺陷等级的自动划分,能够减少人工成本,降低对人工分析和处理的依赖,同时提高巡检效率,提高电缆终端红外诊断的效率和准确性。
附图说明
图1是本发明实施例中总体流程示意图。
图2是本发明实施例中电缆终端模板提取示例示意图。
图3是本发明实施例中三相待诊断电缆终端红外图像示例示意图。
图4是本发明实施例中采用边缘匹配法的电缆终端整体匹配结果示意图。
图5是本发明实施例中采用相关系数模板匹配法的参考相电缆终端参考区域匹配结果示例示意图。
具体实施方式
附图仅用于示例性说明,不能理解为对本发明的限制;为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。附图中描述位置关系仅用于示例性说明,不能理解为对本发明的限制。
本发明实施例的附图中相同或相似的标号对应相同或相似的部件;在本发明的描述中,需要理解的是,若有术语“上”、“下”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此附图中描述位置关系的用语仅用于示例性说明,不能理解为对本专利的限制,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
实施例:
如图1至如图5所示,本发明提供一种电缆终端异常发热缺陷等级划分方法,包括有以下步骤:
S1:在正常电缆终端红外图像中提取电缆终端部分作为整体模板,提取待诊断线路三相电缆终端的红外图像作为待匹配图像,利用整体模板作为参照在待匹配图像中匹配出电缆终端部分。
步骤S1中,包括有以下步骤:
S11:在电缆终端的红外图像中提取电缆终端部分作为整体模板P1;
S12:将线路三相电缆终端的红外图像作为待匹配图像,分别命名为IA、IB和IC;
S13:将三相红外图像IA、IB和IC以及整体模板P1的红外图像灰度化,并采用K-MEANS聚类算法对三相电缆图像进行背景滤除。
步骤S13中,包括有以下步骤:
S131:将三相电缆终端的红外图像和整体模板P1的红外图像灰度化,灰度化之后的三相待匹配图像分别为GA、GB和GC,整体模板P1灰度化之后为模板GT,灰度化公式如式(1)所示;
g=0.299R+0.587G+0.114B (1)
其中g表示图像中某像素点的灰度;R、G和B分别为该像素点的R分量、G分量和B分量;
S132:基于步骤S131得到的灰度图像,采用K-MEANS聚类算法,取聚类数k=3,分别得到三相待匹配图像的灰度图像GA、GB和GC的聚类结果,灰度最低的一类为背景,进行滤除。
S14:采用边缘匹配法,利用整体模板P1在三相红外图像IA、IB和IC中匹配出电缆终端部分。
步骤S14中,包括有以下步骤:
S141:提取三相待匹配图像GA、GB和GC以及模板GT的边缘,得到的结果对应的矩阵中处于边缘处的像素点值为1,否则为0,三相待匹配图像GA、GB和GC提取的结果为Aedge、Bedge、Cedge,模板GT提取的结果为Tedge;
S142:以Tedge为滤波器,Aedge、Bedge和Cedge为要滤波的数据,将滤波器的中心位于待滤波数据矩阵的每一个元素,得到三相的滤波结果。
滤波方法是将滤波器与待滤波数据重叠区数据相乘,然后相加,以下给出一个示例。
滤波器:[0,1,0
1,1,0
0,1,1];
待滤波数据:[1,0,1,1,0
0,1,0,0,1
1,1,0,1,1
0,1,1,0,0];
滤波结果计算过程:
第一行:
1*1+0*0+1*0+1*1=2;
1*1+1*0+0*1+0*0+1*1+1*0=2;
1*0+1*1+0*1+0*1+1*0+1*0=1;
1*1+1*1+0*0+0*0+1*0+1*1=3;
1*1+1*0+0*0+1*1=2;
第二行:
1*1+0*0+1*0+0*1+1*1+1*1=3;
0*1+1*0+0*1+1*0+1*1+0*0+0*1+1*1+1*0=2;
0*0+1*1+0*1+1*1+1*0+0*0+0*1+1*0+1*1=3;
0*1+1*1+0*0+1*0+1*0+0*1+0*0+1*1+1*1=3;
0*1+1*0+1*0+1*1+0*1+1*1=2;
第三行:
1*0+0*1+1*1+0*1+1*0+1*1=2;
0*0+1*1+0*0+1*1+1*1+0*0+0*0+1*1+1*1=5;
0*1+1*0+0*0+1*1+1*0+0*1+0*1+1*1+1*0=2;
0*0+1*0+0*1+1*0+1*1+0*1+0*1+1*0+1*0=1;
0*0+1*1+1*1+1*1+0*0+1*0=3;
第四行:
1*1+0*1+1*0+0*1=1;
0*1+1*1+0*0+1*0+1*1+0*1=2;
0*1+1*0+0*1+1*1+1*1+0*0=2;
0*0+1*1+0*1+1*1+1*0+0*0=2;
0*1+1*1+1*0+1*0=1;
得到滤波结果:
[2,2,1,3,2
3,2,3,3,2
2,5,2,1,3
1,2,2,2,1]。
S143:遍历三相的滤波结果,得到三相滤波结果中的最大值,并找到三相滤波结果最大值所处位置;
S144:以步骤S143找到的最大值所在位置为中心,在待匹配图像IA、IB和IC中取与整体模板P1尺寸相同大小的图像,即为匹配所得的三相电缆终端部分,其余部分为背景。
S2:在电缆终端部分中提取最高灰度值g,根据最高灰度值g得到三相电缆终端的最高温度,根据最高温度确定电缆终端的相间温差;若相间温差不超过异常阈值,异常阈值为1.5℃,能够根据实际需要调整,则判断该电缆终端状态为正常;若相间温差超过异常阈值,进入步骤S3。
步骤S2中,包括有以下步骤:
S21:基于电缆终端整体匹配的结果,分别提取三相的最高灰度g,利用温度计算公式分别得到三相电缆终端的最高温度TA、TB和TC,计算公式如式(2)所示,
T=(Tmax-Tmin)*g/255+Tmin (2)
其中T表示待求点温度,Tmax表示原始红外图像中的最高温度,Tmin表示原始红外图像中的最低温度,g表示待求点灰度值;
S22:基于步骤S21得到的三相最高温度,计算三相的相间温差:
abs(TAmax-TBmax)、abs(TAmax-TCmax)和abs(TBmax-TCmax),abs为绝对值,TAmax为A相的最高温度,TBmax为B相的最高温度,TCmax为C相的最高温度。
S3:三相电缆终端温度最高的相为疑似过热相,其它两相为参考相,在疑似过热相中确定疑似过热区域。
步骤S3中,以疑似过热相最高温度点作为中心在该相中取疑似过热区域,疑似过热区域的大小可以为150×150像素大小。
S4:采用相关系数模板匹配法,利用疑似过热区域作为模板,在参考相中匹配出参考区域。
步骤S4中,将疑似过热区域与参考相的红外图像灰度化,遍历参考相的电缆终端部分,在参考相中,利用相关系数选取与疑似过热区域相似程度最大并且像素大小相同的参考区域,相关系数的计算公式如式(3)所示;
其中p表示相关系数,(x,y)为像素点坐标,f和g分别表示坐标点为(x,y)的疑似过热区域和待匹配图像的灰度。
S5:确定过热区域和参考区域的最高温度、最低温度和平均温度,根据温度参数进行发热缺陷等级划分。
步骤S5中,根据电缆终端诊断标准计算温升Tr、温差Td或相对温差δt,并依据标准进行缺陷等级划分,式(4)、式(5)和式(6)分别为温升、温差和相对温差的计算公式,
Tr=T-T0 (4)
Td=T1-T2 (5)
δt=(T1-T2)/(T1-T0)*100% (6)
其中,T表示被测设备表面温度;T0表示环境温度;T1表示疑似过热区域温度;T2表示参考区域温度。
以下为电缆终端连接件诊断示例:
表1为电缆终端连接件异常发热诊断标准,表2为三相电缆终端温度计算结果。
表1诊断标准
表2终端温度计算结果
根据诊断标准中的相对温差判断法,该示例中疑似发热相满足相对温差>80%且<95%,因此该发热相的严重等级自动划分为重大缺陷。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种电缆终端异常发热缺陷等级划分方法,其特征在于,包括有以下步骤:
S1:在正常电缆终端红外图像中提取电缆终端部分作为整体模板,提取待诊断线路三相电缆终端的红外图像作为待匹配图像,利用整体模板作为参照在待匹配图像中匹配出电缆终端部分;
S2:在电缆终端部分中提取最高灰度值g,根据最高灰度值g得到三相电缆终端的最高温度,根据最高温度确定电缆终端的相间温差;若相间温差不超过异常阈值,则判断该电缆终端状态为正常;若相间温差超过异常阈值,进入步骤S3;
S3:三相电缆终端温度最高的相为疑似过热相,其它两相为参考相,在疑似过热相中确定疑似过热区域;
S4:采用相关系数模板匹配法,利用疑似过热区域作为模板,在参考相中匹配出参考区域;
S5:确定过热区域和参考区域的最高温度、最低温度和平均温度,根据温度参数进行发热缺陷等级划分。
2.根据权利要求1所述的电缆终端异常发热缺陷等级划分方法,其特征在于,所述步骤S1中,包括有以下步骤:
S11:在电缆终端的红外图像中提取电缆终端部分作为整体模板P1;
S12:将线路三相电缆终端的红外图像作为待匹配图像,分别命名为IA、IB和IC;
S13:将三相红外图像IA、IB和IC以及整体模板P1的红外图像灰度化,并采用K-MEANS聚类算法对三相电缆图像进行背景滤除;
S14:采用边缘匹配法,利用整体模板P1在三相红外图像IA、IB和IC中匹配出电缆终端部分。
3.根据权利要求2所述的电缆终端异常发热缺陷等级划分方法,其特征在于,所述步骤S13中,包括有以下步骤:
S131:将三相电缆终端的红外图像和整体模板P1的红外图像灰度化,灰度化之后的三相待匹配图像分别为GA、GB和GC,整体模板P1灰度化之后为模板GT,灰度化公式如式(1)所示;
g=0.299R+0.587G+0.114B (1)
其中g表示图像中某像素点的灰度;R、G和B分别为该像素点的R分量、G分量和B分量;
S132:基于步骤S131得到的灰度图像,采用K-MEANS聚类算法,分别得到三相待匹配图像的灰度图像GA、GB和GC的聚类结果,灰度最低的一类为背景,进行滤除。
4.根据权利要求2所述的电缆终端异常发热缺陷等级划分方法,其特征在于,所述步骤S14中,包括有以下步骤:
S141:提取三相待匹配图像GA、GB和GC以及模板GT的边缘,得到的结果对应的矩阵中处于边缘处的像素点值为1,否则为0,三相待匹配图像GA、GB和GC提取的结果为Aedge、Bedge、Cedge,模板GT提取的结果为Tedge;
S142:以Tedge为滤波器,Aedge、Bedge和Cedge为要滤波的数据,将滤波器的中心位于待滤波数据矩阵的每一个元素,得到三相的滤波结果;
S143:遍历三相的滤波结果,得到三相滤波结果中的最大值,并找到三相滤波结果最大值所处位置;
S144:以步骤S143找到的最大值所在位置为中心,在待匹配图像IA、IB和IC中取与整体模板P1尺寸相同大小的图像,即为匹配所得的三相电缆终端部分,其余部分为背景。
5.根据权利要求3所述的电缆终端异常发热缺陷等级划分方法,其特征在于,所述步骤S2中,包括有以下步骤:
S21:基于电缆终端整体匹配的结果,分别提取三相的最高灰度g,利用温度计算公式分别得到三相电缆终端的最高温度TA、TB和TC,计算公式如式(2)所示,
T=(Tmax-Tmin)*g/255+Tmin (2)
其中T表示待求点温度,Tmax表示原始红外图像中的最高温度,Tmin表示原始红外图像中的最低温度,g表示待求点灰度值;
S22:基于步骤S21得到的三相最高温度,计算三相的相间温差:
abs(TAmax-TBmax)、abs(TAmax-TCmax)和abs(TBmax-TCmax),abs为绝对值,TAmax为A相的最高温度,TBmax为B相的最高温度,TCmax为C相的最高温度。
6.根据权利要求5所述的电缆终端异常发热缺陷等级划分方法,其特征在于,所述步骤S3中,以疑似过热相最高温度点作为中心,在该相中取疑似过热区域。
8.根据权利要求1所述的电缆终端异常发热缺陷等级划分方法,其特征在于,所述步骤S5中,根据电缆终端诊断标准计算温升Tr、温差Td或相对温差δt,并依据标准进行缺陷等级划分,式(4)、式(5)和式(6)分别为温升、温差和相对温差的计算公式,
Tr=T-T0 (4)
Td=T1-T2 (5)
δt=(T1-T2)/(T1-T0)*100% (6)
其中,T表示被测设备表面温度;T0表示环境温度;T1表示疑似过热区域温度;T2表示参考区域温度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910657073.0A CN110715736B (zh) | 2019-07-19 | 2019-07-19 | 一种电缆终端异常发热缺陷等级划分方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910657073.0A CN110715736B (zh) | 2019-07-19 | 2019-07-19 | 一种电缆终端异常发热缺陷等级划分方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110715736A true CN110715736A (zh) | 2020-01-21 |
CN110715736B CN110715736B (zh) | 2020-12-29 |
Family
ID=69210134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910657073.0A Active CN110715736B (zh) | 2019-07-19 | 2019-07-19 | 一种电缆终端异常发热缺陷等级划分方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110715736B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200784A (zh) * | 2020-10-10 | 2021-01-08 | 福州润森电气自动化有限公司 | 一种电力设备智能缺陷诊断方法 |
CN112697798A (zh) * | 2020-12-07 | 2021-04-23 | 国网信息通信产业集团有限公司 | 面向红外图像的变电设备电流致热型缺陷的诊断方法和装置 |
CN112734698A (zh) * | 2020-12-24 | 2021-04-30 | 国网北京市电力公司 | 基于红外图像的电缆终端异常诊断方法和装置 |
CN113532693A (zh) * | 2021-07-21 | 2021-10-22 | 国网河北省电力有限公司检修分公司 | 一种基于双sf6表监测的电力设备温升测试方法 |
CN114511943A (zh) * | 2022-04-18 | 2022-05-17 | 国网江西省电力有限公司电力科学研究院 | 一种基于移动终端的配电线路红外巡检方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080199058A1 (en) * | 2007-02-09 | 2008-08-21 | Ligh Tuning Tech. Inc. | Biometrics method based on a thermal image of a finger |
CN102565625A (zh) * | 2011-05-25 | 2012-07-11 | 上海大学 | 基于红外图像智能诊断高压输电线路热缺陷的方法 |
CN102798469A (zh) * | 2012-06-29 | 2012-11-28 | 山东鲁能智能技术有限公司 | 基于角点特征的电力设备精确测温方法 |
CN105445607A (zh) * | 2015-11-20 | 2016-03-30 | 国网福建省电力有限公司泉州供电公司 | 一种基于等温线绘制的电力设备故障检测方法 |
CN106950472A (zh) * | 2017-03-16 | 2017-07-14 | 江苏省电力试验研究院有限公司 | 一种基于红外紫外成像的绝缘子检测方法 |
CN107063462A (zh) * | 2016-12-29 | 2017-08-18 | 国网山东省电力公司菏泽供电公司 | 一种输电线路红外热像异常区域提取方法 |
US9740950B1 (en) * | 2013-03-15 | 2017-08-22 | Harris Corporation | Method and system for automatic registration of images |
CN107220937A (zh) * | 2017-05-25 | 2017-09-29 | 云南电网有限责任公司电力科学研究院 | 一种电气设备检测用红外全景图像处理方法及平台 |
CN107255522A (zh) * | 2017-07-10 | 2017-10-17 | 国网信息通信产业集团有限公司 | 一种变压器故障诊断的方法及装置 |
CN109900363A (zh) * | 2019-01-02 | 2019-06-18 | 平高集团有限公司 | 一种基于轮廓提取的目标物红外测温方法和装置 |
-
2019
- 2019-07-19 CN CN201910657073.0A patent/CN110715736B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080199058A1 (en) * | 2007-02-09 | 2008-08-21 | Ligh Tuning Tech. Inc. | Biometrics method based on a thermal image of a finger |
CN102565625A (zh) * | 2011-05-25 | 2012-07-11 | 上海大学 | 基于红外图像智能诊断高压输电线路热缺陷的方法 |
CN102798469A (zh) * | 2012-06-29 | 2012-11-28 | 山东鲁能智能技术有限公司 | 基于角点特征的电力设备精确测温方法 |
US9740950B1 (en) * | 2013-03-15 | 2017-08-22 | Harris Corporation | Method and system for automatic registration of images |
CN105445607A (zh) * | 2015-11-20 | 2016-03-30 | 国网福建省电力有限公司泉州供电公司 | 一种基于等温线绘制的电力设备故障检测方法 |
CN107063462A (zh) * | 2016-12-29 | 2017-08-18 | 国网山东省电力公司菏泽供电公司 | 一种输电线路红外热像异常区域提取方法 |
CN106950472A (zh) * | 2017-03-16 | 2017-07-14 | 江苏省电力试验研究院有限公司 | 一种基于红外紫外成像的绝缘子检测方法 |
CN107220937A (zh) * | 2017-05-25 | 2017-09-29 | 云南电网有限责任公司电力科学研究院 | 一种电气设备检测用红外全景图像处理方法及平台 |
CN107255522A (zh) * | 2017-07-10 | 2017-10-17 | 国网信息通信产业集团有限公司 | 一种变压器故障诊断的方法及装置 |
CN109900363A (zh) * | 2019-01-02 | 2019-06-18 | 平高集团有限公司 | 一种基于轮廓提取的目标物红外测温方法和装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200784A (zh) * | 2020-10-10 | 2021-01-08 | 福州润森电气自动化有限公司 | 一种电力设备智能缺陷诊断方法 |
CN112697798A (zh) * | 2020-12-07 | 2021-04-23 | 国网信息通信产业集团有限公司 | 面向红外图像的变电设备电流致热型缺陷的诊断方法和装置 |
CN112697798B (zh) * | 2020-12-07 | 2023-03-31 | 国网信息通信产业集团有限公司 | 面向红外图像的变电设备电流致热型缺陷的诊断方法和装置 |
CN112734698A (zh) * | 2020-12-24 | 2021-04-30 | 国网北京市电力公司 | 基于红外图像的电缆终端异常诊断方法和装置 |
CN113532693A (zh) * | 2021-07-21 | 2021-10-22 | 国网河北省电力有限公司检修分公司 | 一种基于双sf6表监测的电力设备温升测试方法 |
CN114511943A (zh) * | 2022-04-18 | 2022-05-17 | 国网江西省电力有限公司电力科学研究院 | 一种基于移动终端的配电线路红外巡检方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110715736B (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110715736B (zh) | 一种电缆终端异常发热缺陷等级划分方法 | |
EP1202214A2 (en) | Method and apparatus for object recognition | |
CN109523506B (zh) | 基于视觉显著图像特征增强的全参考立体图像质量客观评价方法 | |
CN105445607B (zh) | 一种基于等温线绘制的电力设备故障检测方法 | |
JP5010207B2 (ja) | パターン検査装置及び半導体検査システム | |
JP4001162B2 (ja) | 画像処理方法、画像処理用のプログラムならびにその記憶媒体、および画像処理装置 | |
CN107024506B (zh) | 一种致热缺陷检测方法及系统 | |
JP7027978B2 (ja) | 検査装置、検査方法、及び検査プログラム | |
Hedley et al. | Segmentation of color images using spatial and color space information | |
CN112070733A (zh) | 基于弱监督模式的缺陷粗定位方法和装置 | |
Somawirata et al. | Road detection based on the color space and cluster connecting | |
Huang et al. | Adaptive automatic segmentation of HEp-2 cells in indirect immunofluorescence images | |
CN112508019A (zh) | 基于图像识别的gis隔离/接地开关状态检测方法及系统 | |
CN112734698A (zh) | 基于红外图像的电缆终端异常诊断方法和装置 | |
CN113888462A (zh) | 一种裂纹识别方法、系统、可读介质及存储介质 | |
CN111638218A (zh) | 一种涂层表面缺陷的检测方法 | |
Jadin et al. | Image processing methods for evaluating infrared thermographic image of electrical equipments | |
CN113269234B (zh) | 一种基于目标检测的连接件装配检测方法和系统 | |
CN114169245A (zh) | 一种变压器故障诊断方法、装置及设备 | |
CN116338449B (zh) | 一种断路器开关特性在线测试方法及系统 | |
CN114529543B (zh) | 一种航空发动机外周螺钉垫片的安装检测方法及装置 | |
CN112233683A (zh) | 一种汽车电动后视镜异响检测方法及检测系统 | |
CN109492617A (zh) | 基于K-means聚类算法的电力电缆诊断方法 | |
CN114581407B (zh) | 一种光伏模块的自适应缺陷检测方法 | |
CN110749443A (zh) | 一种基于高阶原点矩的滚动轴承故障诊断方法及系统 |
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 |