CN111862073A - 一种电力设备的温度采集方法和装置 - Google Patents
一种电力设备的温度采集方法和装置 Download PDFInfo
- Publication number
- CN111862073A CN111862073A CN202010744707.9A CN202010744707A CN111862073A CN 111862073 A CN111862073 A CN 111862073A CN 202010744707 A CN202010744707 A CN 202010744707A CN 111862073 A CN111862073 A CN 111862073A
- Authority
- CN
- China
- Prior art keywords
- temperature
- power equipment
- image
- feature vector
- identified
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000013598 vector Substances 0.000 claims abstract description 112
- 238000003708 edge detection Methods 0.000 claims abstract description 35
- 238000003709 image segmentation Methods 0.000 claims abstract description 23
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 abstract description 19
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000002699 waste material Substances 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/45—Analysis of texture based on statistical description of texture using co-occurrence matrix computation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/20—Checking timed patrols, e.g. of watchman
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Radiation Pyrometers (AREA)
Abstract
本申请公开了一种电力设备的温度采集方法和装置,方法包括:获取待测温红外图像;对待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像;通过Hu不变矩对边缘图像进行特征提取,得到待识别特征向量;根据预置特征向量,通过最邻近分类器对若干个待识别特征向量进行识别,得到与预置特征向量相匹配的第一待识别特征向量,其中,预置特征向量为对目标电力设备进行特征提取得到;采集第一待识别特征向量对应的边缘图像的温度,得到目标电力设备的若干个温度值,解决了现有巡检机器人在巡检点位上按区域对目标电力设备进行探测,会探测到其他物体的温度,将图像上所有像素点温度与告警温度阈值进行比较,导致出现误告警情况的技术问题。
Description
技术领域
本申请涉及电力设备监测技术领域,尤其涉及一种电力设备的温度采集方法和装置。
背景技术
随着电网发展和电力体制改革的不断深入,电力系统自动化程度有了很大提高,在变电站的巡检方面,利用巡检机器人对站内电力设备进行智能巡检也已经逐渐规模化。巡检机器人可按照巡检点位对电力设备进行可见光图像拍摄、红外图像探测,通过图像识别技术识别可见光图像中的表计读数和刀闸开合等,并通过红外测温技术探测电力设备的温度,当温度达到告警阈值时,即发出告警。
然而,现有巡检机器人在巡检点位上按区域对目标电力设备进行探测,会探测到除目标电力设备以外的其他物体的温度,且在未区分目标电力设备和其他背景物体温度的情况下,就将该红外图像上所有像素点的温度与告警温度阈值进行比较,导致出现误告警情况。
发明内容
本申请提供了一种电力设备的温度采集方法和装置,用于解决现有巡检机器人在巡检点位上按区域对目标电力设备进行探测,会探测到除目标电力设备以外的其他物体的温度,且在未区分目标电力设备和其他背景物体温度的情况下,就将该红外图像上所有像素点的温度与告警温度阈值进行比较,导致出现误告警情况的技术问题。
有鉴于此,本申请第一方面提供了一种电力设备的温度采集方法,包括:
获取待测温红外图像;
对所述待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像;
通过Hu不变矩对所述边缘图像进行特征提取,得到待识别特征向量;
根据预置特征向量,通过最邻近分类器对若干个所述待识别特征向量进行识别,得到与所述预置特征向量相匹配的第一待识别特征向量,其中,所述预置特征向量为对目标电力设备进行特征提取得到;
采集所述第一待识别特征向量对应的边缘图像的温度,得到所述目标电力设备的若干个温度值。
可选地,所述采集所述第一待识别特征向量对应的边缘图像的温度,得到所述目标电力设备的若干个温度值,之后还包括:
对若干个所述温度值进行排序得到最高温度值;
比较所述最高温度值与所述预设阈值的大小,若所述最高温度值大于所述预设阈值,则发出告警信号。
可选地,所述获取待测温红外图像,之后还包括:
通过中值滤波法对所述待测温红外图像进行预处理,得到预处理后的待测温红外图像。
可选地,所述对所述待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像,包括:
通过canny算子对所述待测温红外图像进行边缘检测得到边缘检测后的图像,再通过Otsu算法对边缘检测后的图像进行图像分割处理得到若干个边缘图像。
可选地,所述根据预置特征向量,通过最邻近分类器对所述待识别特征向量进行识别,得到与所述预置特征向量相匹配的第一待识别特征向量,之前还包括:
通过所述Hu不变矩对所述目标电力设备进行特征提取,得到所述预置特征向量。
本申请第二方面提供了一种电力设备的温度采集装置,包括:获取单元、检测单元、第一提取单元、识别单元和采集单元;
所述获取单元,用于获取待测温红外图像;
所述检测单元,用于对所述待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像;
所述第一提取单元,用于通过Hu不变矩对所述边缘图像进行特征提取,得到待识别特征向量;
所述识别单元,用于根据预置特征向量,通过最邻近分类器对若干个所述待识别特征向量进行识别,得到与所述预置特征向量相匹配的第一待识别特征向量,其中,所述预置特征向量为对目标电力设备进行特征提取得到;
所述采集单元,用于采集所述第一待识别特征向量对应的边缘图像的温度,得到所述目标电力设备的若干个温度值。
可选地,还包括排序单元和比较告警单元;
所述排序单元,用于对若干个所述温度值进行排序得到最高温度值;
所述比较告警单元,用于比较所述最高温度值与所述预设阈值的大小,若所述最高温度值大于所述预设阈值,则发出告警信号。
可选地,还包括处理单元;
所述处理单元,用于通过中值滤波法对所述待测温红外图像进行预处理,得到预处理后的待测温红外图像。
可选地,所述检测单元具体用于通过canny算子对所述待测温红外图像进行边缘检测得到边缘检测后的图像,再通过Otsu算法对边缘检测后的图像进行图像分割处理得到若干个边缘图像。
可选地,还包括第二提取单元;
所述第二提取单元,用于通过所述Hu不变矩对所述目标电力设备进行特征提取,得到所述预置特征向量。
从以上技术方案可以看出,本申请具有以下优点:
本申请公开了一种电力设备的温度采集方法,包括:获取待测温红外图像;对待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像;通过Hu不变矩对边缘图像进行特征提取,得到待识别特征向量;根据预置特征向量,通过最邻近分类器对若干个待识别特征向量进行识别,得到与预置特征向量相匹配的第一待识别特征向量,其中,预置特征向量为对目标电力设备进行特征提取得到;采集第一待识别特征向量对应的边缘图像的温度,得到目标电力设备的若干个温度值。
本申请对待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像,并通过Hu不变矩对边缘图像进行特征提取,得到待识别特征向量,再通过最近邻分类器将根据目标电力设备进行特征提取得到的预置特征向量与若干个待识别特征向量进行对比,得到与预置特征向量相匹配的第一待识别特征向量,从而可以得到与目标电力设备相关的边缘图像,采集第一待识别特征向量对应的边缘图像的温度,即采集与目标电力设备相关的边缘图像的温度,以得到目标电力设备的若干个温度值,此时,获取的温度值并没有包括除目标电力设备以外的其他物体的温度,从而可以避免将待测温红外图像上所有像素点的温度与告警温度阈值进行比较,而导致误告警,解决了现有巡检机器人在巡检点位上按区域对目标电力设备进行探测,会探测到除目标电力设备以外的其他物体的温度,且在未区分目标电力设备和其他背景物体温度的情况下,就将该红外图像上所有像素点的温度与告警温度阈值进行比较,导致出现误告警情况的技术问题。
附图说明
图1为本申请实施例提供的一种电力设备的温度采集方法的一个流程示意图;
图2为本申请实施例提供的一种电力设备的温度采集方法的另一流程示意图;
图3为本申请实施例提供的一种电力设备的温度采集装置的结构示意图;
图4为本申请实施例提供的温度标记示意图。
具体实施方式
本申请实施例提供了一种电力设备的温度采集方法和装置,用于解决现有巡检机器人在巡检点位上按区域对目标电力设备进行探测,会探测到除目标电力设备以外的其他物体的温度,且在未区分目标电力设备和其他背景物体温度的情况下,就将该红外图像上所有像素点的温度与告警温度阈值进行比较,导致出现误告警情况的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
请参阅图1,本申请实施例提供了一种电力设备的温度采集方法,包括:
步骤101、获取待测温红外图像。
需要说明的是,通过变电站巡检机器人的红外探测器、光学成像物镜和光机扫描系统,接受巡检点位上对应区域内物体的红外辐射能量,并将该能量转换成电信号,经处理后可以得到该区域的待测温红外图像。
步骤102、对待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像。
需要说明的是,通过边缘检测算法对待测温红外图像进行边缘检测,再通过图像分割处理即可得到边缘效果较好的边缘图像。边缘检测算法包括canny算子、sobel算子和LOG算子等算法,本领域技术人员可以根据实际情况进行设置。
步骤103、通过Hu不变矩对边缘图像进行特征提取,得到待识别特征向量。
通过Hu不变矩对边缘图像进行特征提取,得到待识别特征向量,由七个不变矩组成的待识别特征向量为:
I=(φ1,φ2,φ3,φ4,φ5,φ6,φ7);
步骤104、根据预置特征向量,通过最邻近分类器对若干个待识别特征向量进行识别,得到与预置特征向量相匹配的第一待识别特征向量。
需要说明的是,Yi=[Yi(1),Yi(2),...Yi(7)]为第i类电力设备的预置特向向量,Z=[Z(1),Z(2),...Z(7)]为任意一个边缘图像的不变矩特征向量,即待识别特征向量,预置特征向量为对目标电力设备进行特征提取得到,在对目标电力设备的边缘图像进行识别时,首先,对目标电力设备提取特征,得到预置特征向量,然后,将预置特征向量与待识别特征向量进行对比,即可得到与预置特征向量相匹配的第一待识别特征向量,从而可以获取目标电力设备的边缘图像。
步骤105、采集第一待识别特征向量对应的边缘图像的温度,得到目标电力设备的若干个温度值。
遍历每一个闭合区域,即边缘图像,采集第一待识别特征向量对应的边缘图像的温度,得到若干个属于目标电力设备的闭合区域内像素点的温度值。
本申请实施例对待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像,并通过Hu不变矩对边缘图像进行特征提取,得到待识别特征向量,再通过最近邻分类器将根据目标电力设备进行特征提取得到的预置特征向量与若干个待识别特征向量进行对比,得到与预置特征向量相匹配的第一待识别特征向量,从而可以得到与目标电力设备相关的边缘图像,采集第一待识别特征向量对应的边缘图像的温度,即采集与目标电力设备相关的边缘图像的温度,以得到目标电力设备的若干个温度值,此时,获取的温度值并没有包括除目标电力设备以外的其他物体的温度,从而可以避免将待测温红外图像上所有像素点的温度与告警温度阈值进行比较,而导致误告警,解决了现有巡检机器人在巡检点位上按区域对目标电力设备进行探测,会探测到除目标电力设备以外的其他物体的温度,且在未区分目标电力设备和其他背景物体温度的情况下,就将该红外图像上所有像素点的温度与告警温度阈值进行比较,导致出现误告警情况的技术问题。
以上为本申请提供的一种电力设备的温度采集方法的第一个实施例的详细说明,下面为本申请提供的一种电力设备的温度采集方法的第二个实施例的详细说明。
请参阅图2,本申请实施例提供了一种电力设备的温度采集方法,包括:
步骤201、获取待测温红外图像。
步骤202、通过中值滤波法对待测温红外图像进行预处理,得到预处理后的待测温红外图像。
通过中值滤波法对待测温红外图像进行预处理,得到预处理后的待测温红外图像,待测温红外图像通过二维中值滤波输出可表示为:
g(x,y)=median{f(x-k,y-l),(k,l)∈W};
其中,f(x,y)、g(x,y)分别为待测温红外图像和经过预处理后的待测温红外图像,W为二维模板,k和l均为二维滑动窗口中的像素点。
步骤203、通过canny算子对待测温红外图像进行边缘检测得到边缘检测后的图像,再通过Otsu算法对边缘检测后的图像进行图像分割处理得到若干个边缘图像。
需要说明的是,本实施例通过canny算法对待测温红外图像进行边缘检测,对于中值滤波后的图像g(x,y),通过一阶偏导有限差分计算梯度的幅值和梯度方向,利用卷积模板Gx检测水平边,利用卷积模板Gy检测垂直边缘,其卷积模板Gx和Gy分别为:
则一阶偏导数矩阵的表达式为:
Gx=[g(x+1,y-1)-g(x-1,y-1)]+2[g(x+1,y)-g(x-1,y)]+[g(x+1,y+1)-g(x-1,y+1)];
Gy=[g(x-1,y+1)-g(x-1,y-1)]+2[g(x,y+1)-g(x,y-1)]+[g(x+1,y+1)-g(x+1,y-1)];
其中,(x,y)为每个像素点的坐标,图像中每个像素点的梯度幅值M(x,y)为:
图像中每个像素点的梯度方向θ(x,y)为:
在canny算法中对梯度幅值进行非极大值抑制,遍历图像,若某个像素的梯度值与其梯度方向上前后两个像素的梯度值相比,其灰度值变化最大的地方,边缘像素点的灰度值梯度最大,则该像素不属于边缘。
通过Otsu算法对边缘检测后的图像进行图像分割处理,即全局阈值分割,可以避免人为设置阈值大小,增强自适应能力。假设T为前景与背景的分割阈值,前景点数占图像的比例为w0,前景平均灰度值为u0,背景点数占图像的比例为w1,背景平均灰度值为u1,则图像的总平均灰度uT为:
uT=w0u0+w1u1;
图像的方差值σ2为:
σ2=w0w1(u1-u0)2;
设T为最小灰度值到最大灰度值的遍历,令T值为:
T=argmaxσ2=argmax{w0w1(u1-u0)2};
此时,T为图像分割的最佳高阈值;同理,令T值为:
T=argminσ2=argmin{w0w1(u1-u0)2};
此时,T为图像分割的最佳低阈值。
大于最佳高阈值的即为边缘像素点,小于最佳低阈值的即为非边缘像素点,若处于高阈值与低阈值之间,则须有邻接像素点超过最佳高阈值,方为边缘像素点,然后再将所有边缘像素点拟合成曲线,得到边缘图像。
步骤204、通过Hu不变矩对边缘图像进行特征提取,得到待识别特征向量。
步骤205、通过Hu不变矩对目标电力设备进行特征提取,得到预置特征向量。
步骤206、根据预置特征向量,通过最邻近分类器对若干个待识别特征向量进行识别,得到与预置特征向量相匹配的第一待识别特征向量。
其中,预置特征向量为对目标电力设备进行特征提取得到。
步骤207、采集第一待识别特征向量对应的边缘图像的温度,得到目标电力设备的若干个温度值。
步骤208、对若干个温度值进行排序得到最高温度值。
在获取目标电力设备的若干个温度值后,通过对若干个温度值进行排序得到最高温度值,如图4所示,在本实施例中,将不属于目标电力设备的闭合区域,其内像素点的最高温度值可记为Tbmax;属于目标电力设备的闭合区域,其内像素点的最高温度值记为Tnmax,Tnmax表示第n类目标电力设备的最高温度值,各区域内最高温度点可用十字光标标识。
步骤209、比较最高温度值与预设阈值的大小,若最高温度值大于预设阈值,则发出告警信号。
当目标电力设备的最高温度值大于预设阈值时,即大于该类设备的温度告警阈值时,发出告警信号,从而可以排除了属于其他物体温度的干扰,大幅度减少了误告警情况的产生,避免了运维人员处理误告警造成的时间、精力的浪费。
本申请实施例通过canny算法和Otsu算法对待测温红外图像进行和图像分割处理得到若干个边缘图像,并通过Hu不变矩对边缘图像进行特征提取,得到待识别特征向量,再通过最近邻分类器将根据目标电力设备进行特征提取得到的预置特征向量与若干个待识别特征向量进行对比,得到与预置特征向量相匹配的第一待识别特征向量,从而可以得到与目标电力设备相关的边缘图像,采集第一待识别特征向量对应的边缘图像的温度,即采集与目标电力设备相关的边缘图像的温度,以得到目标电力设备的若干个温度值,此时,获取的温度值并没有包括除目标电力设备以外的其他物体的温度,对若干个温度值进行排序得到最高温度值,并比较最高温度值与预设阈值的大小,当最高温度值大于预设阈值,则发出告警信号,从而可以避免将待测温红外图像上所有像素点的温度与告警温度阈值进行比较,而导致误告警,解决了现有巡检机器人在巡检点位上按区域对目标电力设备进行探测,会探测到除目标电力设备以外的其他物体的温度,且在未区分目标电力设备和其他背景物体温度的情况下,就将该红外图像上所有像素点的温度与告警温度阈值进行比较,导致出现误告警情况的技术问题。
以上为本申请提供的一种电力设备的温度采集方法的第二个实施例的详细说明,下面为本申请提供的一种电力设备的温度采集装置的实施例的详细说明。
请参阅图3,本申请实施例提供了一种电力设备的温度采集装置,包括:获取单元、检测单元、第一提取单元、识别单元和采集单元;
获取单元301,用于获取待测温红外图像;
检测单元302,用于对待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像。
需要说明的是,检测单元302具体用于通过canny算子对待测温红外图像进行边缘检测得到边缘检测后的图像,再通过Otsu算法对边缘检测后的图像进行图像分割处理得到若干个边缘图像。
第一提取单元303,用于通过Hu不变矩对边缘图像进行特征提取,得到待识别特征向量;
识别单元304,用于根据预置特征向量,通过最邻近分类器对若干个待识别特征向量进行识别,得到与预置特征向量相匹配的第一待识别特征向量。
其中,预置特征向量为对目标电力设备进行特征提取得到。
采集单元305,用于采集第一待识别特征向量对应的边缘图像的温度,得到目标电力设备的若干个温度值。
进一步地,本申请实施例还包括排序单元306和比较告警单元307;
排序单元306,用于对若干个温度值进行排序得到最高温度值。
比较告警单元307,用于比较最高温度值与预设阈值的大小,若最高温度值大于预设阈值,则发出告警信号。
进一步地,本申请实施例还包括处理单元308;
处理单元,用于通过中值滤波法对待测温红外图像进行预处理,得到预处理后的待测温红外图像。
进一步地,还包括第二提取单元309;
第二提取单元309,用于通过Hu不变矩对目标电力设备进行特征提取,得到预置特征向量。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的网络,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个待安装电网网络,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种电力设备的温度采集方法,其特征在于,包括:
获取待测温红外图像;
对所述待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像;
通过Hu不变矩对所述边缘图像进行特征提取,得到待识别特征向量;
根据预置特征向量,通过最邻近分类器对若干个所述待识别特征向量进行识别,得到与所述预置特征向量相匹配的第一待识别特征向量,其中,所述预置特征向量为对目标电力设备进行特征提取得到;
采集所述第一待识别特征向量对应的边缘图像的温度,得到所述目标电力设备的若干个温度值。
2.根据权利要求1所述的电力设备的温度采集方法,其特征在于,所述采集所述第一待识别特征向量对应的边缘图像的温度,得到所述目标电力设备的若干个温度值,之后还包括:
对若干个所述温度值进行排序得到最高温度值;
比较所述最高温度值与所述预设阈值的大小,若所述最高温度值大于所述预设阈值,则发出告警信号。
3.根据权利要求1所述的电力设备的温度采集方法,其特征在于,所述获取待测温红外图像,之后还包括:
通过中值滤波法对所述待测温红外图像进行预处理,得到预处理后的待测温红外图像。
4.根据权利要求1所述的电力设备的温度采集方法,其特征在于,所述对所述待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像,包括:
通过canny算子对所述待测温红外图像进行边缘检测得到边缘检测后的图像,再通过Otsu算法对边缘检测后的图像进行图像分割处理得到若干个边缘图像。
5.根据权利要求1所述的电力设备的温度采集方法,其特征在于,所述根据预置特征向量,通过最邻近分类器对所述待识别特征向量进行识别,得到与所述预置特征向量相匹配的第一待识别特征向量,之前还包括:
通过所述Hu不变矩对所述目标电力设备进行特征提取,得到所述预置特征向量。
6.一种电力设备的温度采集装置,其特征在于,包括:获取单元、检测单元、第一提取单元、识别单元和采集单元;
所述获取单元,用于获取待测温红外图像;
所述检测单元,用于对所述待测温红外图像进行边缘检测和图像分割处理得到若干个边缘图像;
所述第一提取单元,用于通过Hu不变矩对所述边缘图像进行特征提取,得到待识别特征向量;
所述识别单元,用于根据预置特征向量,通过最邻近分类器对若干个所述待识别特征向量进行识别,得到与所述预置特征向量相匹配的第一待识别特征向量,其中,所述预置特征向量为对目标电力设备进行特征提取得到;
所述采集单元,用于采集所述第一待识别特征向量对应的边缘图像的温度,得到所述目标电力设备的若干个温度值。
7.根据权利要求6所述的电力设备的温度采集装置,其特征在于,还包括排序单元和比较告警单元;
所述排序单元,用于对若干个所述温度值进行排序得到最高温度值;
所述比较告警单元,用于比较所述最高温度值与所述预设阈值的大小,若所述最高温度值大于所述预设阈值,则发出告警信号。
8.根据权利要求6所述的电力设备的温度采集装置,其特征在于,还包括处理单元;
所述处理单元,用于通过中值滤波法对所述待测温红外图像进行预处理,得到预处理后的待测温红外图像。
9.根据权利要求6所述的电力设备的温度采集装置,其特征在于,所述检测单元具体用于通过canny算子对所述待测温红外图像进行边缘检测得到边缘检测后的图像,再通过Otsu算法对边缘检测后的图像进行图像分割处理得到若干个边缘图像。
10.根据权利要求6所述的电力设备的温度采集装置,其特征在于,还包括第二提取单元;
所述第二提取单元,用于通过所述Hu不变矩对所述目标电力设备进行特征提取,得到所述预置特征向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010744707.9A CN111862073A (zh) | 2020-07-29 | 2020-07-29 | 一种电力设备的温度采集方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010744707.9A CN111862073A (zh) | 2020-07-29 | 2020-07-29 | 一种电力设备的温度采集方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111862073A true CN111862073A (zh) | 2020-10-30 |
Family
ID=72945951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010744707.9A Pending CN111862073A (zh) | 2020-07-29 | 2020-07-29 | 一种电力设备的温度采集方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862073A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112539843A (zh) * | 2020-12-11 | 2021-03-23 | 平安科技(深圳)有限公司 | 检测温度的方法、装置和计算机设备 |
CN117030048A (zh) * | 2023-08-07 | 2023-11-10 | 国网山东省电力公司临沂供电公司 | 一种适用于电力设备的温度检测以及过热预警系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
US20130176418A1 (en) * | 2012-01-10 | 2013-07-11 | Achalesh Kumar Pandey | Continuous infrared thermography monitoring and life management system for heat recovery steam generators |
CN106599850A (zh) * | 2016-12-16 | 2017-04-26 | 合肥寰景信息技术有限公司 | 一种基于车标识别交通分析方法及系统 |
CN107784661A (zh) * | 2017-09-08 | 2018-03-09 | 上海电力学院 | 基于区域生长法的变电站设备红外图像分类识别方法 |
CN108389137A (zh) * | 2018-02-06 | 2018-08-10 | 国网山西省电力公司电力科学研究院 | 基于红外图谱技术的电力故障诊断预警系统 |
CN109253805A (zh) * | 2018-09-29 | 2019-01-22 | 国家电网有限公司 | 一种电力设备多目标同时测温的方法 |
CN109300161A (zh) * | 2018-10-24 | 2019-02-01 | 四川阿泰因机器人智能装备有限公司 | 一种基于双目视觉的定位方法及装置 |
CN109580004A (zh) * | 2018-12-18 | 2019-04-05 | 深圳码隆科技有限公司 | 一种温度检测方法及装置 |
CN111444964A (zh) * | 2020-03-27 | 2020-07-24 | 江南大学 | 一种基于自适应roi划分的多目标快速图像匹配方法 |
-
2020
- 2020-07-29 CN CN202010744707.9A patent/CN111862073A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130176418A1 (en) * | 2012-01-10 | 2013-07-11 | Achalesh Kumar Pandey | Continuous infrared thermography monitoring and life management system for heat recovery steam generators |
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 |
CN106599850A (zh) * | 2016-12-16 | 2017-04-26 | 合肥寰景信息技术有限公司 | 一种基于车标识别交通分析方法及系统 |
CN107784661A (zh) * | 2017-09-08 | 2018-03-09 | 上海电力学院 | 基于区域生长法的变电站设备红外图像分类识别方法 |
CN108389137A (zh) * | 2018-02-06 | 2018-08-10 | 国网山西省电力公司电力科学研究院 | 基于红外图谱技术的电力故障诊断预警系统 |
CN109253805A (zh) * | 2018-09-29 | 2019-01-22 | 国家电网有限公司 | 一种电力设备多目标同时测温的方法 |
CN109300161A (zh) * | 2018-10-24 | 2019-02-01 | 四川阿泰因机器人智能装备有限公司 | 一种基于双目视觉的定位方法及装置 |
CN109580004A (zh) * | 2018-12-18 | 2019-04-05 | 深圳码隆科技有限公司 | 一种温度检测方法及装置 |
CN111444964A (zh) * | 2020-03-27 | 2020-07-24 | 江南大学 | 一种基于自适应roi划分的多目标快速图像匹配方法 |
Non-Patent Citations (2)
Title |
---|
曹晓均等: "基于特征图像方法的运动物体检测", 《广东工业大学学报》 * |
蔺丽华等: "采用对象分割和图像配准方法的变电站红外预警系统", 《高电压技术》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112539843A (zh) * | 2020-12-11 | 2021-03-23 | 平安科技(深圳)有限公司 | 检测温度的方法、装置和计算机设备 |
CN112539843B (zh) * | 2020-12-11 | 2023-06-02 | 平安科技(深圳)有限公司 | 检测温度的方法、装置和计算机设备 |
CN117030048A (zh) * | 2023-08-07 | 2023-11-10 | 国网山东省电力公司临沂供电公司 | 一种适用于电力设备的温度检测以及过热预警系统 |
CN117030048B (zh) * | 2023-08-07 | 2024-02-13 | 国网山东省电力公司临沂供电公司 | 一种适用于电力设备的温度检测以及过热预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537154B (zh) | 基于hog特征和机器学习的输电线路鸟巢识别方法 | |
CN105447512B (zh) | 一种精粗结合的光学表面缺陷的检测方法及装置 | |
CN111784633B (zh) | 一种面向电力巡检视频的绝缘子缺损自动检测算法 | |
CN111369516B (zh) | 基于红外图像识别的变压器套管发热缺陷检测方法 | |
CN106127253B (zh) | 一种利用样本特征学习分类的红外弱小目标检测方法 | |
CN106971182A (zh) | 嵌入式电力继电压板投退状态智能识别装置及实现方法 | |
CN111814686A (zh) | 一种基于视觉的输电线路识别及异物入侵在线检测方法 | |
Hao et al. | A multi-class support vector machine real-time detection system for surface damage of conveyor belts based on visual saliency | |
CN109886170B (zh) | 一种钉螺智能检测识别与统计系统 | |
CN111753794B (zh) | 水果品质分类方法、装置、电子设备及可读存储介质 | |
CN111080691A (zh) | 一种光伏组件红外热斑检测方法、装置 | |
CN111862073A (zh) | 一种电力设备的温度采集方法和装置 | |
CN111950566A (zh) | 一种旋转不变的hog红外图像电力设备识别方法 | |
AU2014360023A1 (en) | Automatic fault diagnosis method and device for sorting machine | |
CN113192038B (zh) | 基于深度学习的已有火焰环境中异常烟火识别监测方法 | |
CN111667655A (zh) | 基于红外图像的高速铁路安全区入侵警报装置及方法 | |
CN113888462A (zh) | 一种裂纹识别方法、系统、可读介质及存储介质 | |
CN112734698A (zh) | 基于红外图像的电缆终端异常诊断方法和装置 | |
CN117274722A (zh) | 基于红外图像的配电箱智能检测方法 | |
CN108596196B (zh) | 一种基于绝缘子图像特征词典的污秽状态评估方法 | |
CN103971100A (zh) | 基于视频并针对自动提款机的伪装与偷窥行为的检测方法 | |
CN117455843A (zh) | 一种电缆头缺陷智能化检测系统 | |
CN103996266A (zh) | 基于视频分析的尾矿库安全监测装置 | |
KR20210031444A (ko) | 데이터 프로그래밍에 기반한 레이블링 모델 생성 방법 및 장치 | |
CN113688829B (zh) | 一种变电站监控画面自动识别方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201030 |