CN111754483A - 一种基于热像仪进行异常设备识别的方法及系统 - Google Patents
一种基于热像仪进行异常设备识别的方法及系统 Download PDFInfo
- Publication number
- CN111754483A CN111754483A CN202010580471.XA CN202010580471A CN111754483A CN 111754483 A CN111754483 A CN 111754483A CN 202010580471 A CN202010580471 A CN 202010580471A CN 111754483 A CN111754483 A CN 111754483A
- Authority
- CN
- China
- Prior art keywords
- equipment
- visible light
- infrared thermal
- image
- data
- 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.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012423 maintenance Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000013500 data storage Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000002547 anomalous effect Effects 0.000 claims 2
- 230000007613 environmental effect Effects 0.000 abstract 1
- 238000001514 detection method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/06—Investigating concentration of particle suspensions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Theoretical Computer Science (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Dispersion Chemistry (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于热像仪进行异常设备识别的方法及系统,该系统应用该方法,方法包括:S1:获取当前位置信息和环境信息;S2:根据环境信息生成并采集红外热图像,并识别出红外热图像中的所有像素点的温度;S3:判断各像素点的温度是否超过阈值,若有超过阈值的像素点,跳转步骤S4,若没有则跳过该红外热图像;S4:采集与红外热图像对应的可见光图像;S5:根据可见光图像与红外热图像提取出对应的设备;S6:根据提取出的设备识别设备对应的类型和型号以及常见温度异常故障类型;S7:将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心。根据当前位置数据准确获取异常设备所在的位置,从而提升维护效率。
Description
技术领域
本发明属于电力设备故障检测技术领域,具体地说,涉及一种基于热像仪进行异常设备识别的方法及系统。
背景技术
随着科学技术的迅速发展,对于电力行业的要求也得到了逐步的提升。目前,我国大力发展智能变电站,构建大数据平台。由于电力设备长期处于运行状态,同时受环境等因素的影响,会产生不同等级的故障,从而对电力系统的安全、稳定造成一定的危害,因此电力设备的故障检测与分析是智能电网中非常重要的一环,对不同类型的电力设备进行有效的监控,并实时、自动的分析电力设备有无故障、故障程度、故障位置以及故障时间预测等现已成为研究的热点。
红外热成像技术由于具有非接触式检测、无电磁干扰、检测范围大、故障诊断率高、昼夜监控、直观可靠等优点,现已成为电力设备故障检测的重要手段,运用红外热像仪检查电力设备的发热隐患成为保证设备正常运行的方式之一。
申请号为2019107201610的发明专利公开了一种电力设备红外图像故障定位、识别与预测方法,步骤:1)收集电力设备红外热图像数据;2)分类红外图像,构成数据集;3)构建卷积神经网络模型;4)分出有故障的电力设备;5)实时监测有故障的电力设备,纵向收集温度数据;6)定位故障部位,分割电力设备红外图像,提取故障区域;7)诊断故障区域进行,判断故障等级;8)预测设备状态趋势;9)信息统一输出显示;10)存储故障等级;11)制作四类红外图像数据集;12)构建目标检测模型,并训练;13)直接目标检测待测的电力设备红外图像,获取故障部位、等级;14)重复步骤5);15)重复步骤8);16)重复步骤9);利于故障部位的定位、故障等级判断、故障设备的预测、给出维护建议。
该方案中采用红外热图像对数据进行处理分析出有故障的电力设备,定位到电力设备的故障位置,判断故障的等级,但是在电力巡检过程中,采集到的红外热图像包含了较多的电力设备,且红外热像图上展示的是热力场分布图,无法准确从红外热像图中识别出对应的电力设备,不同的电力设备的故障类型不相同,给出的维护建议也不一定准确。
发明内容
针对现有技术中上述的不足,本发明提供一种基于热像仪进行异常设备识别的方法及系统,该方法通过红外热图像识别出图像中超过温度阈值的像素点,然后采集可见光图像,识别可见光图像中的设备的类型和型号及常见温度异常故障类型,将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心,便于监控中心通知对应的维护人员并根据异常故障类型准备好维修需要的设备,且根据当前位置数据准确获取异常设备所在的位置,从而提升维护效率,降低排查故障设备的耗时;系统应用该方法,实现数据的分析和上传。
为了达到上述目的,本发明采用的解决方案是:一种基于热像仪进行异常设备识别的方法,包括如下步骤:
S1:获取当前位置信息以及该位置的环境信息,其中,环境信息包括温度信息、湿度信息以及PM2.5信息;
S2:根据环境信息生成并采集红外热图像,根据红外热图像识别出热图像中的所有像素点的温度;
S3:判断各像素点的温度是否超过阈值,若存在超过阈值的像素点,则跳转步骤S4,若没有,则跳过该红外热图像;
S4:采集与红外热图像对应的可见光图像;
S5:根据可见光图像提取出与红外热图像中温度超过阈值的像素点对应的设备;
S6:根据提取出的设备识别出设备对应的类型和型号以及常见温度异常故障类型;
S7:将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心。
其中,获取当前位置的环境信息,包括温度信息、湿度信息以及PM2.5信息,将环境信息作为参数录入到红外热图像生成设备中可获取更准确的红外温度信息。
所述的方法还包括数据存储步骤:将各像素点的温度不超过阈值的红外热图像存储在第一存储区域,将存在像素点温度超过阈值的红外热图像存储在第二存储区域。将采集到的红外热图像进行存储,便于进行数据追踪及后续追溯。
所述的方法还包括定位数据叠加步骤,将采集到的当前位置数据叠加到可见光图像中,从叠加后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备。将定位数据叠加到可见光图像中,确保定位数据与可见光图像一一对应,避免定位数据与可见光图像之间的对应关系出现错乱,即便数据进行传输也能够很好的一一对应上。
所述的方法还包括可见光图像与红外热图像对齐步骤,判断采集到的可见光图像能否与红外热图像对齐重合,对不能重合的可见光图像进行调整,使可见光图像能够与红外热图像对齐重合,从对齐后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备。可见光图像在采集时难免会与红外热图像存在位置上的偏差,采用图像对齐的方法对可见光图像和红外热图像进行对齐,保证从可见光图像上识别到的设备与红外热图像上温度异常的设备是同一个,保证了识别设备的准确性。
所述的方法还包括根据当前位置数据识别出异常设备的归属信息;将设备的类型和型号、常见温度异常故障类型、归属信息以及报警信息传输到数据监控中心。所述的归属信息包括所属站点、所属输电线路以及所属维护作业班组。一个电力设备站定会包括不同的线路,设备的归属信息明确了设备的位置,以及故障维护的负责单位,归属信息可以用于配置短信通知等方式直接通知到对应的负责人或者负责班组,节约故障层层通知时间,以便于及时对异常设备进行维修。
所述的当前位置数据包括当前定位坐标以及距离最近的路标编号。定位坐标及路标编号有利于快速定位到对应的线路和站点。
应用所述的基于热像仪进行异常设备识别的方法的系统,包括数据接收单元、数据处理单元、数据采集控制单元和数据上传单元,所述的数据接收单元接收采集到的红外热图像、可见光图像和当前位置数据;所述的数据处理单元包括温度识别判断模块、设备图像提取模块、设备识别模块,所述的温度识别判断模块识别出红外热图像中的所有像素点的温度并判断各像素点的温度是否超过阈值;所述的设备图像提取模块根据可见光图像提取出与红外热图像中温度超过阈值的像素点对应的设备;所述的设备识别模块据提取出的设备识别出该设备对应的类型和型号以及常见温度异常故障类型;所述的数据采集控制单元在数据处理单元分析出红外热图像存在像素点温度超过阈值时控制可见光图像采集装置采集可见光图像,控制定位装置采集当前位置数据;所述的数据上传单元将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心。数据采集控制单元根据红外热图像分析结果控制可见光图像采集装置和定位装置工作,有效节约能耗。
所述的数据处理单元还包括数据叠加模块、可见光图像对齐模块或设备归属信息识别模块,所述的数据叠加模块将采集到的当前位置数据叠加到可见光图像中,所述的设备图像提取模块从叠加后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备;所述的可见光图像对齐模块判断采集到的可见光图像能否与红外热图像对齐重合,对不能重合的可见光图像进行调整,使可见光图像能够与红外热图像对齐重合;所述的设备图像提取模块从对齐后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备;所述的设备归属信息识别模块根据当前位置数据识别出异常设备的归属信息;所述的数据上传单元将设备的类型和型号、常见温度异常故障类型、归属信息以及报警信息传输到数据监控中心。数据叠加模块将定位数据叠加到可见光图像中,确保定位数据与可见光图像一一对应,避免定位数据与可见光图像之间的对应关系出现错乱,即便数据进行传输也能够很好的一一对应上。设备归属信息识别模块设备的归属信息明确了设备的位置,以及故障维护的负责单位,归属信息可以用于配置短信通知等方式直接通知到对应的负责人或者负责班组,节约故障层层通知时间,以便于及时对异常设备进行维修。
所述的系统还包括数据存储单元,所述的数据存储单元将各像素点的温度不超过阈值的红外热图像存储在第一存储区域,将存在像素点温度超过阈值的红外热图像存储在第二存储区域。
本发明的有益效果是:
该方法通过红外热图像识别出图像中超过温度阈值的像素点,然后采集可见光图像,识别可见光图像中的设备的类型和型号及常见温度异常故障类型,将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心,便于监控中心通知对应的维护人员并根据异常故障类型准备好维修需要的设备,且根据当前位置数据准确获取异常设备所在的位置,从而提升维护效率,降低排查故障设备的耗时;
系统应用该方法,实现数据的分析和上传,数据采集控制单元根据红外热图像分析结果控制可见光图像采集装置和定位装置工作,有效节约能耗。
附图说明
图1为本发明异常设备识别方法流程图;
图2为本发明异常设备识别系统框图。
具体实施方式
以下结合附图对本发明作进一步描述:
如图1所示,一种基于热像仪进行异常设备识别的方法,包括如下步骤:
S1:获取当前位置信息以及该位置的环境信息,其中,环境信息包括温度信息、湿度信息以及PM2.5信息;
S2:根据环境信息生成并采集红外热图像,根据红外热图像识别出热图像中的所有像素点的温度;
S3:判断各像素点的温度是否超过阈值,若存在超过阈值的像素点,则跳转步骤S4,若没有,则跳过该红外热图像;
S4:采集与红外热图像对应的可见光图像;
S5:根据可见光图像提取出与红外热图像中温度超过阈值的像素点对应的设备;
S6:根据提取出的设备识别出设备对应的类型和型号以及常见温度异常故障类型;
S7:将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心。
所述的方法还包括数据存储步骤:将各像素点的温度不超过阈值的红外热图像存储在第一存储区域,将存在像素点温度超过阈值的红外热图像存储在第二存储区域。将采集到的红外热图像进行存储,便于进行数据追踪及后续追溯。存储的数据除了红外热图像外还包括可见光图像数据、当前位置数据,可见光图像数据和当前位置数据均与红外热图像数据对应存储在第二存储区域。和可以划分一个存储区域用于存储设别的特征、位置、所属站点、所属输电线路以及所属维护作业班组等信息,便于进行比对,对于固定采集位置的信息可以仅存储其采集范围内的各设备的相关信息。
所述的方法还包括定位数据叠加步骤,将采集到的当前位置数据叠加到可见光图像中,从叠加后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备。将定位数据叠加到可见光图像中,确保定位数据与可见光图像一一对应,避免定位数据与可见光图像之间的对应关系出现错乱,即便数据进行传输也能够很好的一一对应上。
所述的方法还包括可见光图像与红外热图像对齐步骤,判断采集到的可见光图像能否与红外热图像对齐重合,对不能重合的可见光图像进行调整,使可见光图像能够与红外热图像对齐重合,从对齐后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备。可见光图像在采集时难免会与红外热图像存在位置上的偏差,采用图像对齐的方法对可见光图像和红外热图像进行对齐,保证从可见光图像上识别到的设备与红外热图像上温度异常的设备是同一个,保证了识别设备的准确性。
所述的方法还包括根据当前位置数据识别出异常设备的归属信息;将设备的类型和型号、常见温度异常故障类型、归属信息以及报警信息传输到数据监控中心。所述的归属信息包括所属站点、所属输电线路以及所属维护作业班组。一个电力设备站定会包括不同的线路,设备的归属信息明确了设备的位置,以及故障维护的负责单位,归属信息可以用于配置短信通知等方式直接通知到对应的负责人或者负责班组,节约故障层层通知时间,以便于及时对异常设备进行维修。
所述的当前位置数据包括当前定位坐标以及距离最近的路标编号。定位坐标及路标编号有利于快速定位到对应的线路和站点。
如图2所示,应用所述的基于热像仪进行异常设备识别的方法的系统,包括数据接收单元、数据处理单元、数据采集控制单元和数据上传单元,所述的数据接收单元接收采集到的红外热图像、可见光图像和当前位置数据;所述的数据处理单元包括温度识别判断模块、设备图像提取模块、设备识别模块,所述的温度识别判断模块识别出红外热图像中的所有像素点的温度并判断各像素点的温度是否超过阈值;所述的设备图像提取模块根据可见光图像提取出与红外热图像中温度超过阈值的像素点对应的设备;所述的设备识别模块据提取出的设备识别出该设备对应的类型和型号以及常见温度异常故障类型;所述的数据采集控制单元在数据处理单元分析出红外热图像存在像素点温度超过阈值时控制可见光图像采集装置采集可见光图像,控制定位装置采集当前位置数据;所述的数据上传单元将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心。数据采集控制单元根据红外热图像分析结果控制可见光图像采集装置和定位装置工作,有效节约能耗。
所述的数据处理单元还包括数据叠加模块、可见光图像对齐模块或设备归属信息识别模块,所述的数据叠加模块将采集到的当前位置数据叠加到可见光图像中,所述的设备图像提取模块从叠加后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备;所述的可见光图像对齐模块判断采集到的可见光图像能否与红外热图像对齐重合,对不能重合的可见光图像进行调整,使可见光图像能够与红外热图像对齐重合;所述的设备图像提取模块从对齐后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备;所述的设备归属信息识别模块根据当前位置数据识别出异常设备的归属信息;所述的数据上传单元将设备的类型和型号、常见温度异常故障类型、归属信息以及报警信息传输到数据监控中心。数据叠加模块将定位数据叠加到可见光图像中,确保定位数据与可见光图像一一对应,避免定位数据与可见光图像之间的对应关系出现错乱,即便数据进行传输也能够很好的一一对应上。设备归属信息识别模块设备的归属信息明确了设备的位置,以及故障维护的负责单位,归属信息可以用于配置短信通知等方式直接通知到对应的负责人或者负责班组,节约故障层层通知时间,以便于及时对异常设备进行维修。
所述的系统还包括数据存储单元,所述的数据存储单元将各像素点的温度不超过阈值的红外热图像存储在第一存储区域,将存在像素点温度超过阈值的红外热图像存储在第二存储区域。
以上所述实施例仅表达了本发明的具体实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (10)
1.一种基于热像仪进行异常设备识别的方法,其特征在于:包括如下步骤:
S1:获取当前位置信息以及该位置的环境信息,其中,环境信息包括温度信息、湿度信息以及PM2.5信息;
S2:根据环境信息生成并采集红外热图像,根据红外热图像识别出热图像中的所有像素点的温度;
S3:判断各像素点的温度是否超过阈值,若存在超过阈值的像素点,则跳转步骤S4,若没有,则跳过该红外热图像;
S4:采集与红外热图像对应的可见光图像;
S5:根据可见光图像提取出与红外热图像中温度超过阈值的像素点对应的设备;
S6:根据提取出的设备识别出设备对应的类型和型号以及常见温度异常故障类型;
S7:将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心。
2.根据权利要求1所述的基于热像仪进行异常设备识别的方法,其特征在于:所述的方法还包括数据存储步骤:将各像素点的温度不超过阈值的红外热图像存储在第一存储区域,将存在像素点温度超过阈值的红外热图像存储在第二存储区域。
3.根据权利要求1所述的基于热像仪进行异常设备识别的方法,其特征在于:所述的方法还包括定位数据叠加步骤,将采集到的当前位置数据叠加到可见光图像中,从叠加后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备。
4.根据权利要求1所述的基于热像仪进行异常设备识别的方法,其特征在于:所述的方法还包括可见光图像与红外热图像对齐步骤,判断采集到的可见光图像能否与红外热图像对齐重合,对不能重合的可见光图像进行调整,使可见光图像能够与红外热图像对齐重合,从对齐后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备。
5.根据权利要求1所述的基于热像仪进行异常设备识别的方法,其特征在于:所述的方法还包括根据当前位置数据识别出异常设备的归属信息;将设备的类型和型号、常见温度异常故障类型、归属信息以及报警信息传输到数据监控中心。
6.根据权利要求5所述的基于热像仪进行异常设备识别的方法,其特征在于:所述的归属信息包括所属站点、所属输电线路以及所属维护作业班组。
7.根据权利要求1所述的基于热像仪进行异常设备识别的方法,其特征在与:所述的当前位置数据包括当前定位坐标以及距离最近的路标编号。
8.应用权利要求1-7中任意一项所述的基于热像仪进行异常设备识别的方法的系统,其特征在于:包括数据接收单元、数据处理单元、数据采集控制单元和数据上传单元,所述的数据接收单元接收采集到的红外热图像、可见光图像和当前位置数据;所述的数据处理单元包括温度识别判断模块、设备图像提取模块、设备识别模块,所述的温度识别判断模块识别出红外热图像中的所有像素点的温度并判断各像素点的温度是否超过阈值;所述的设备图像提取模块根据可见光图像提取出与红外热图像中温度超过阈值的像素点对应的设备;所述的设备识别模块据提取出的设备识别出该设备对应的类型和型号以及常见温度异常故障类型;所述的数据采集控制单元在数据处理单元分析出红外热图像存在像素点温度超过阈值时控制可见光图像采集装置采集可见光图像,控制定位装置采集当前位置数据;所述的数据上传单元将设备的类型和型号、常见温度异常故障类型、当前位置数据以及报警信息传输到数据监控中心。
9.根据权利要求8所述的基于热像仪进行异常设备识别的方法,其特征在于:所述的数据处理单元还包括数据叠加模块、可见光图像对齐模块或设备归属信息识别模块,所述的数据叠加模块将采集到的当前位置数据叠加到可见光图像中,所述的设备图像提取模块从叠加后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备;所述的可见光图像对齐模块判断采集到的可见光图像能否与红外热图像对齐重合,对不能重合的可见光图像进行调整,使可见光图像能够与红外热图像对齐重合;所述的设备图像提取模块从对齐后的可见光图像中提取出与红外热图像中温度超过阈值的像素点对应的设备;所述的设备归属信息识别模块根据当前位置数据识别出异常设备的归属信息;所述的数据上传单元将设备的类型和型号、常见温度异常故障类型、归属信息以及报警信息传输到数据监控中心。
10.根据权利要求8所述的基于热像仪进行异常设备识别的方法,其特征在于:所述的系统还包括数据存储单元,所述的数据存储单元将各像素点的温度不超过阈值的红外热图像存储在第一存储区域,将存在像素点温度超过阈值的红外热图像存储在第二存储区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010580471.XA CN111754483A (zh) | 2020-06-23 | 2020-06-23 | 一种基于热像仪进行异常设备识别的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010580471.XA CN111754483A (zh) | 2020-06-23 | 2020-06-23 | 一种基于热像仪进行异常设备识别的方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111754483A true CN111754483A (zh) | 2020-10-09 |
Family
ID=72677025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010580471.XA Pending CN111754483A (zh) | 2020-06-23 | 2020-06-23 | 一种基于热像仪进行异常设备识别的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111754483A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112097918A (zh) * | 2020-11-18 | 2020-12-18 | 四川省东宇信息技术有限责任公司 | 一种具有pm2.5传感器的热像仪系统 |
CN112710398A (zh) * | 2020-12-21 | 2021-04-27 | 西安交通大学 | 一种电力设备异常发热检测方法 |
CN113032597A (zh) * | 2021-03-31 | 2021-06-25 | 广东电网有限责任公司 | 一种基于图像处理的输电设备分类方法及系统 |
CN113065540A (zh) * | 2021-03-31 | 2021-07-02 | 广东电网有限责任公司 | 一种基于机巡图像的输电线路元件失效识别方法及系统 |
CN113188662A (zh) * | 2021-03-16 | 2021-07-30 | 云南电网有限责任公司玉溪供电局 | 一种红外热成像故障自动识别系统和方法 |
CN113280927A (zh) * | 2021-05-20 | 2021-08-20 | 中广核新能源蚌埠有限公司 | 一种变桨驱动器检测方法及其装置 |
CN113344417A (zh) * | 2021-06-23 | 2021-09-03 | 武汉虹信技术服务有限责任公司 | 一种居民楼中排查小作坊房屋的方法、系统、计算机设备及可读介质 |
CN113674502A (zh) * | 2021-08-09 | 2021-11-19 | 上海腾盛智能安全科技股份有限公司 | 一种基于红外图像识别的探测系统 |
CN114994437A (zh) * | 2022-05-25 | 2022-09-02 | 王新华 | 一种电力设备的故障检测方法、系统 |
CN116050807A (zh) * | 2023-03-30 | 2023-05-02 | 东莞正大康地饲料有限公司 | 基于视频监控巡检的饲料生产设备缺陷识别方法及系统 |
CN117634989A (zh) * | 2024-01-25 | 2024-03-01 | 深圳市大力鸿震智能脚轮科技有限公司 | 一种基于人工智能的脚轮质量评估方法、系统及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109029731A (zh) * | 2018-05-24 | 2018-12-18 | 河海大学常州校区 | 一种基于多目视觉的电力设备异常监测系统及方法 |
CN110942458A (zh) * | 2019-12-06 | 2020-03-31 | 汕头大学 | 一种温度异常缺陷检测定位方法及系统 |
-
2020
- 2020-06-23 CN CN202010580471.XA patent/CN111754483A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109029731A (zh) * | 2018-05-24 | 2018-12-18 | 河海大学常州校区 | 一种基于多目视觉的电力设备异常监测系统及方法 |
CN110942458A (zh) * | 2019-12-06 | 2020-03-31 | 汕头大学 | 一种温度异常缺陷检测定位方法及系统 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112097918A (zh) * | 2020-11-18 | 2020-12-18 | 四川省东宇信息技术有限责任公司 | 一种具有pm2.5传感器的热像仪系统 |
CN112710398A (zh) * | 2020-12-21 | 2021-04-27 | 西安交通大学 | 一种电力设备异常发热检测方法 |
CN113188662A (zh) * | 2021-03-16 | 2021-07-30 | 云南电网有限责任公司玉溪供电局 | 一种红外热成像故障自动识别系统和方法 |
CN113032597A (zh) * | 2021-03-31 | 2021-06-25 | 广东电网有限责任公司 | 一种基于图像处理的输电设备分类方法及系统 |
CN113065540A (zh) * | 2021-03-31 | 2021-07-02 | 广东电网有限责任公司 | 一种基于机巡图像的输电线路元件失效识别方法及系统 |
CN113280927A (zh) * | 2021-05-20 | 2021-08-20 | 中广核新能源蚌埠有限公司 | 一种变桨驱动器检测方法及其装置 |
CN113344417A (zh) * | 2021-06-23 | 2021-09-03 | 武汉虹信技术服务有限责任公司 | 一种居民楼中排查小作坊房屋的方法、系统、计算机设备及可读介质 |
CN113674502A (zh) * | 2021-08-09 | 2021-11-19 | 上海腾盛智能安全科技股份有限公司 | 一种基于红外图像识别的探测系统 |
CN114994437A (zh) * | 2022-05-25 | 2022-09-02 | 王新华 | 一种电力设备的故障检测方法、系统 |
CN116050807A (zh) * | 2023-03-30 | 2023-05-02 | 东莞正大康地饲料有限公司 | 基于视频监控巡检的饲料生产设备缺陷识别方法及系统 |
CN116050807B (zh) * | 2023-03-30 | 2023-06-23 | 东莞正大康地饲料有限公司 | 基于视频监控巡检的饲料生产设备缺陷识别方法及系统 |
CN117634989A (zh) * | 2024-01-25 | 2024-03-01 | 深圳市大力鸿震智能脚轮科技有限公司 | 一种基于人工智能的脚轮质量评估方法、系统及存储介质 |
CN117634989B (zh) * | 2024-01-25 | 2024-05-28 | 深圳市大力鸿震智能脚轮科技有限公司 | 一种基于人工智能的脚轮质量评估方法、系统及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111754483A (zh) | 一种基于热像仪进行异常设备识别的方法及系统 | |
CN110850723B (zh) | 一种基于变电站巡检机器人系统的故障诊断及定位方法 | |
CN112910094B (zh) | 基于泛在电力物联网的变电站远方自动巡检系统及方法 | |
CN106199276B (zh) | 一种用电信息采集系统中异常信息的智能诊断系统及方法 | |
CN102722166B (zh) | 变电站设备智能视觉检测系统及状态检测方法 | |
CN108957240A (zh) | 电网故障远程定位方法及系统 | |
CN110535238A (zh) | 一种变电设备智能监控系统及方法 | |
CN105118106A (zh) | 电力巡检手持终端、巡检线路获取方法及线路巡检方法 | |
CN104748799B (zh) | 一种接触网动态智能故障监测调整系统及方法 | |
CN112736959B (zh) | 一种用于监测分布式光伏电站的系统及方法 | |
CN110807460B (zh) | 一种基于图像识别的变电站智能巡视系统及其应用方法 | |
CN108872796A (zh) | 基于车载接触网运行状态检测的地面控制平台 | |
CN110690699B (zh) | 一种基于泛在电力物联网的变电站智慧检测系统 | |
CN106781594A (zh) | 数据信号采集及处理系统 | |
CN117214617B (zh) | 一种智能电网故障实时监测定位系统及方法 | |
CN109038818A (zh) | 电力设备远程监控系统及方法 | |
CN111431284B (zh) | 一种基于bim技术的变电站智能化管控系统 | |
CN110942221A (zh) | 一种基于物联网的变电站故障快速修复方法 | |
CN112697798A (zh) | 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 | |
CN110736547A (zh) | 基于红外成像技术的光伏板故障智能诊断系统 | |
CN112432667A (zh) | 一种输电线路导线状态智能在线监测系统 | |
CN113054748A (zh) | 在移动运维中基于图像识别的压板状态辨识系统及方法 | |
CN115131505A (zh) | 一种变电站多系统融合的全景感知系统 | |
CN116707142B (zh) | 一种基于无线通信的铁路信号电源远程监控系统 | |
CN116147632B (zh) | 新增电力设备动态巡检路径规划方法及其系统 |
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 |