CN111948501B - 一种用于电网运行的自动巡检设备 - Google Patents
一种用于电网运行的自动巡检设备 Download PDFInfo
- Publication number
- CN111948501B CN111948501B CN202010775316.3A CN202010775316A CN111948501B CN 111948501 B CN111948501 B CN 111948501B CN 202010775316 A CN202010775316 A CN 202010775316A CN 111948501 B CN111948501 B CN 111948501B
- Authority
- CN
- China
- Prior art keywords
- module
- visible light
- ultraviolet
- infrared
- 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
- 238000007689 inspection Methods 0.000 title claims abstract description 17
- 238000010438 heat treatment Methods 0.000 claims abstract description 78
- 238000012545 processing Methods 0.000 claims abstract description 74
- 230000004927 fusion Effects 0.000 claims abstract description 36
- 238000012549 training Methods 0.000 claims abstract description 36
- 238000003331 infrared imaging Methods 0.000 claims abstract description 32
- 238000003384 imaging method Methods 0.000 claims abstract description 28
- 230000005540 biological transmission Effects 0.000 claims description 54
- 230000001629 suppression Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000007906 compression Methods 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 6
- 230000005764 inhibitory process Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000004806 packaging method and process Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 abstract description 16
- 238000007599 discharging Methods 0.000 abstract description 15
- 238000013527 convolutional neural network Methods 0.000 abstract description 11
- 238000003745 diagnosis Methods 0.000 abstract description 11
- 230000000694 effects Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 238000007499 fusion processing Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 230000007847 structural defect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010891 electric arc Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/12—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing
- G01R31/1218—Testing dielectric strength or breakdown voltage ; Testing or monitoring effectiveness or level of insulation, e.g. of a cable or of an apparatus, for example using partial discharge measurements; Electrostatic testing using optical methods; using charged particle, e.g. electron, beams or X-rays
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本申请涉及电网运行监测技术领域,尤其是涉及一种用于电网运行的自动巡检设备,包括可见光拍摄模块、红外成像拍摄模块、紫外成像拍摄模块、灰度化处理模块、红外可见光融合装置、紫外可见光融合装置和融合结果处理装置。本申请能够实现可见光、紫外和红外三合一融合自动巡检功能,减少携带监测设备,无需逐一拆装,省时省力。输出判断结果,准确获知发热点位置,避免故障误报。经由卷积神经网络将发热点训练样本与红外可见光图像进行对比,提高发现发热点的准确度,经由卷积神经网络将放电现象训练样本与放电现象可见光图像进行对比,提高发现放电现象的准确度,无需人工观察图像进行判断,实现自动化准确巡航诊断,避免人工判断错误的风险。
Description
技术领域
本申请涉及电网运行监测技术领域,尤其是涉及一种用于电网运行的自动巡检设备。
背景技术
在随着电力系统的电网规模的不断扩大、电力负荷要求的不断提高,电力系统中使用的各种类型的高压设备的损坏、故障也不断增加,相应对预防性维护的要求也不断提高。输电杆塔等设备在大气环境下工作,在某些情况下随着绝缘性能的降低、出现结构缺陷、局部发热或表面局部放电现象。
常规的监测方式,可以采用拍照或者摄影,通过肉眼可见的方式检查判断是否出现结构缺陷的情况;局部发热很难直接观察得到,一般可以采用红外成像的方式,分析颜色变化判断发热点;表面局部放电如电晕、闪烁、电弧等现象可以根据放电过程中对外辐射的紫外线进行捕捉和分析判断。
目前,电网工作人员在现场电网运行进行巡航时,需要逐一携带可见光拍摄设备、红外成像拍摄设备和紫外成像拍摄设备,针对上述故障巡视进行监测,或者将可见光拍摄设备、红外成像拍摄设备和紫外成像拍摄设备逐一安装于无人机进行高空拍摄,但是这样的方式所需要携带的设备繁多,需要逐一拆卸安装才能进行各个方式的监测,花费时间长;由于现有的红外成像仪生成的图像是颜色图像,电网工作人员很难根据颜色图像跟杆塔等输电设备的发热位置进行对应,寻找发热点比较麻烦,而且受日光照射的影响,容易出现误警的情况;单独的紫外成像仪生成的紫外图像也存在寻找紫外讯号和设备放电位置对应困难的问题。
另一方面,上述的拍摄设备拍摄得到的可见光图像、红外图像和紫外图像大多由人工进行观察分析判断,容易出现由于人的主观臆想产生的监测误差,存在故障误报的缺点。
因此,有必要提供一种能够有机结合上述监测方式以及能够实现准确判断故障,减少人为判断错误的用于电网运行的自动巡检设备。
发明内容
为了能够有机结合可见光图像、红外图像和紫外图像进行电网运行的巡航监测,提高故障判断的准确度以及准确判断故障点的位置,本申请提供一种用于电网运行的自动巡检设备,以红外图像诊断发热点、紫外图像诊断放电现象为主,配合可见光图像诊断位置为辅,通过可见光图像与红外图像、紫外图像融合判断发热点的位置以及放电现象位置,经由卷积神经网络准确判断发热点和放电现象,实现自动化准确巡航诊断,避免人工判断错误的情况。
本申请提供的一种用于电网运行的自动巡检设备采用如下的技术方案:
一种用于电网运行的自动巡检设备,包括用于生成可见光图像的可见光拍摄模块、用于生成红外图像的红外成像拍摄模块、用于生成紫外图像的紫外成像拍摄模块、用于对已生成的可见光图像进行灰度化处理的灰度化处理模块、红外可见光融合装置、紫外可见光融合装置和融合结果处理装置,可见光拍摄模块与灰度化处理模块连接;红外可见光融合装置包括用于对显示发热点的发热参考标准图像进行训练样本的发热点训练样本模块、用于将可见光图像和红外图像进行裁剪叠合的红外可见光图像编辑模块、用于设定与热点温度对应的颜色目标的颜色分类器、用于对红外可见光图像进行颜色目标检测的颜色目标算法识别模块、用于对颜色目标进行优化筛选的红外可见光图像非极大值抑制模块以及用于将发热参考标准图像和红外可见光图像进行卷积神经网络对比从而得出红外可见光图像出现发热点概率和对应发热位置的发热点对比输出模块;灰度化处理模块、红外成像拍摄模块均与红外可见光图像编辑模块连接,颜色分类器与颜色目标算法识别模块连接,红外可见光图像编辑模块、颜色目标算法识别模块连接均与红外可见光图像非极大值抑制模块连接,发热点训练样本模块、红外可见光图像非极大值抑制模块均与发热点对比输出模块连接;紫外可见光融合装置包括用于对显示放电现象的放电现象参考标准图像进行训练样本的放电现象训练样本模块、用于将可见光图像和紫外图像进行裁剪叠合的紫外可见光图像编辑模块、用于设定与放电现象对应的亮度目标的亮度分类器、用于对紫外可见光图像进行亮度目标检测的亮度目标算法识别模块、用于对亮度目标进行优化筛选的紫外可见光图像非极大值抑制模块以及用于将放电现象参考标准图像和紫外可见光图像进行卷积神经网络对比从而得出紫外可见光图像出现放电现象概率和对应放电现象位置的放电现象对比输出模块;灰度化处理模块、紫外成像拍摄模块均与紫外可见光图像编辑模块连接,亮度分类器与亮度目标算法识别模块连接,紫外可见光图像编辑模块、亮度目标算法识别模块连接均与紫外可见光图像非极大值抑制模块连接,放电现象训练样本模块、紫外可见光图像非极大值抑制模块均与放电现象对比输出模块连接;发热点对比输出模块、放电现象对比输出模块均与融合结果处理装置连接。
通过采用上述方案,本申请能够实现可见光、紫外和红外三合一融合自动巡检的功能,减少携带监测的设备,无需逐一拆装,省时省力。通过红外可见光融合装置对电网运行中的输电设备进行发热点的监测和分析诊断,输出发热点判断结果,根据红外可见光图像准确获知发热点位置;通过紫外可见光融合装置对电网运行中输电设备进行放电现象的监测和分析诊断,输出放电现象判断结果,根据紫外可见光图像准确获知发热点位置,方便快捷。通过发热点结果和放电现象结果融合,输出准确的故障诊断结果。经由卷积神经网络将发热点训练样本与红外可见光图像进行对比,提高发现发热点的准确度,经由卷积神经网络将放电现象训练样本与放电现象可见光图像进行对比,提高发现放电现象的准确度,无需人工观察图像进行判断,实现自动化准确巡航诊断,避免人工判断错误的风险。
优选的,可见光拍摄模块包括依次连接的可见光镜头、可见光相机、可见光模拟图像信号处理单元和可见光图像数据处理单元,可见光图像数据处理单元与灰度化处理模块连接。
通过采用上述方案,保证可见光成像的图像质量。
优选的,紫外成像拍摄模块包括依次连接的紫外成像镜头、紫外成像相机、紫外模拟图像信号处理单元和紫外图像数据处理单元,紫外图像数据处理单元和紫外可见光图像编辑模块连接。
通过采用上述方案,保证紫外成像的图像质量,
优选的,红外成像拍摄模块包括依次连接的红外成像镜头、热红外敏感CCD、红外成像模拟图像信号处理单元和红外成像数据处理单元,红外成像数据处理单元和红外可见光图像编辑模块连接。
通过采用上述方案,可以保证红外成像的图像质量。
优选的,用于电网运行的自动巡检设备还设有远程图像输送模块,可见光拍摄模块和融合结果处理装置均与远程图像输送模块通信连接。
通过采用上述方案,实现对远端进行数据处理的功能。
优选的,远程图像输送模块包括远程输送中央处理器、图像信号压缩打包模块、WiFi传输模块、定位模块和5G传输模块,图像信号压缩打包模块与远程输送中央处理器通信连接,WiFi传输模块、定位模块、5G传输模块均与远程输送中央处理器通信连接。
通过采用上述方案,实现异地或者远程获知巡航监测结果。工作人员只需携带带有网络信号的移动终端即可实现数据接收或者数据共享。通过定位模块实现当前巡航的位置定位的功能,准确对应巡航的位置进行记录。
优选的,远程图像输送模块设有共用天线,WiFi传输模块、定位模块和5G传输模块均与共用天线连接。
通过采用上述方案,达到简化结构的效果。
优选的,颜色分类器具有红、橙、黄、绿、蓝、青、紫、黑八种颜色目标设定。
通过采用上述方案,通过设置八种颜色目标,增加红外可见光图像的输入量进行神经网络训练,增加样本对比的多维程度,进而提高判断发热点的准确度。
综上所述,本申请包括以下至少一种有益技术效果:
1.本申请能够实现可见光、紫外和红外三合一融合自动巡检的功能,减少携带监测的设备,无需逐一拆装,省时省力。通过红外图像和可见光图像对电网运行中的输电设备进行发热点的监测和分析诊断,输出发热点判断结果,根据红外可见光图像准确获知发热点位置;通过紫外图像和可见光图像对电网运行中输电设备进行放电现象的监测和分析诊断,输出放电现象判断结果,根据紫外可见光图像准确获知发热点位置,方便快捷。通过发热点结果和放电现象结果融合,输出准确的故障诊断结果,通过三种图像的有机结合,避免故障误报。
2.经由卷积神经网络将发热点训练样本与红外可见光图像进行对比,提高发现发热点的准确度,经由卷积神经网络将放电现象训练样本与放电现象可见光图像进行对比,提高发现放电现象的准确度,无需人工观察图像进行判断,实现自动化准确巡航诊断,避免人工判断错误的风险。
附图说明
图1为本申请的原理框图。
图2为本申请所述红外可见光融合装置的原理框图。
图3为本申请所述紫外可见光融合装置的原理框图。
图4为本申请所述可见光拍摄模块的原理框图。
图5为本申请所述紫外成像拍摄模块的原理框图。
图6为本申请所述红外成像拍摄模块的原理框图。
图7为本申请所述远程图像输送模块的原理框图。
具体实施方式
以下结合附图1-7对本申请作进一步详细说明。
本申请实施例公开一种用于电网运行的自动巡检设备,参照图1-3,包括用于生成可见光图像的可见光拍摄模块、用于生成红外图像的红外成像拍摄模块、用于生成紫外图像的紫外成像拍摄模块、用于对已生成的可见光图像进行灰度化处理的灰度化处理模块、红外可见光融合装置、紫外可见光融合装置和融合结果处理装置,可见光拍摄模块与灰度化处理模块连接;红外可见光融合装置包括用于对显示发热点的发热参考标准图像进行训练样本的发热点训练样本模块、用于将可见光图像和红外图像进行裁剪叠合的红外可见光图像编辑模块、用于设定与热点温度对应的颜色目标的颜色分类器、用于对红外可见光图像进行颜色目标检测的颜色目标算法识别模块、用于对颜色目标进行优化筛选的红外可见光图像非极大值抑制模块以及用于将发热参考标准图像和红外可见光图像进行卷积神经网络对比从而得出红外可见光图像出现发热点概率和对应发热位置的发热点对比输出模块;灰度化处理模块、红外成像拍摄模块均与红外可见光图像编辑模块连接,颜色分类器与颜色目标算法识别模块连接,红外可见光图像编辑模块、颜色目标算法识别模块连接均与红外可见光图像非极大值抑制模块连接,发热点训练样本模块、红外可见光图像非极大值抑制模块均与发热点对比输出模块连接;紫外可见光融合装置包括用于对显示放电现象的放电现象参考标准图像进行训练样本的放电现象训练样本模块、用于将可见光图像和紫外图像进行裁剪叠合的紫外可见光图像编辑模块、用于设定与放电现象对应的亮度目标的亮度分类器、用于对紫外可见光图像进行亮度目标检测的亮度目标算法识别模块、用于对亮度目标进行优化筛选的紫外可见光图像非极大值抑制模块以及用于将放电现象参考标准图像和紫外可见光图像进行卷积神经网络对比从而得出紫外可见光图像出现放电现象概率和对应放电现象位置的放电现象对比输出模块;灰度化处理模块、紫外成像拍摄模块均与紫外可见光图像编辑模块连接,亮度分类器与亮度目标算法识别模块连接,紫外可见光图像编辑模块、亮度目标算法识别模块连接均与紫外可见光图像非极大值抑制模块连接,放电现象训练样本模块、紫外可见光图像非极大值抑制模块均与放电现象对比输出模块连接;发热点对比输出模块、放电现象对比输出模块均与融合结果处理装置连接。
本申请能够实现可见光、紫外和红外三合一融合自动巡检的功能,减少携带监测的设备,无需逐一拆装,省时省力。通过红外图像和可见光图像对电网运行中的输电设备进行发热点的监测和分析诊断,输出发热点判断结果,根据红外可见光图像准确获知发热点位置;通过紫外图像和可见光图像对电网运行中输电设备进行放电现象的监测和分析诊断,输出放电现象判断结果,根据紫外可见光图像准确获知发热点位置,方便快捷。通过发热点结果和放电现象结果融合,输出准确的故障诊断结果,通过三种图像的有机结合,避免故障误报。
经由卷积神经网络将发热点训练样本与红外可见光图像进行对比,提高发现发热点的准确度,经由卷积神经网络将放电现象训练样本与放电现象可见光图像进行对比,提高发现放电现象的准确度,无需人工观察图像进行判断,实现自动化准确巡航诊断,避免人工判断错误的风险。
具体地,本申请的工作原理如下:通过可见光拍摄模块获取可见光图像,通过红外成像拍摄模块获取红外图像,通过红外可见光融合装置实现红外图像和可见光图像的融合,在融合过程中,先通过灰度化处理模块对可见光图像进行灰度化处理,方便后续通过红外可见光图像编辑模块将可见光图像和红外图像进行裁剪成同尺寸和叠合处理;通过颜色分类器设定若干个颜色目标,每一个颜色目标对应一个温度值,颜色越是暖色系温度越高。颜色目标算法识别模块采用YOLO算法对红外可见光图像的颜色目标进行目标检测,识别出图像中的颜色目标。由于在进行目标检测过程中,会出现红外可见光图像的同一颜色目标被多次检测。因此,采用红外可见光图像非极大值抑制模块进行非极大值抑制,筛选出其中最佳的一个颜色目标,起到提高颜色目标准确度的效果和起到压缩红外可见光图像的信息量。将目标存在概率、红外可见光图像网格坐标、颜色目标对应的坐标信息、颜色目标整合为多维标签作为神经网络的输入量,与依据发热参考标准图像获得的训练样本进行卷积神经网络对比,得出当前红外可见光图像中是否有发热点,若对比结果输出存在发热点,则依据可见光图像叠底灰化显示,得到对应的发热点位置,实现自动化诊断发热点和确定发热点位置的效果,配合卷积神经网络提高发热点的诊断准确率。
通过紫外成像拍摄模块获取紫外图像,通过紫外可见光融合装置实现紫外图像和可见光图像的融合,在融合过程中,先通过灰度化处理模块对可见光图像进行灰度化处理,方便后续通过紫外可见光图像编辑模块将可见光图像和紫外图像进行裁剪成同尺寸和叠合处理;通过亮度分类器设定若干个亮度目标,每一个亮度目标对应一个放电现象如电晕现象、闪烁现象或者电弧现象。亮度目标算法识别模块采用YOLO算法对紫外可见光图像的亮度目标进行目标检测,识别出图像中的亮度目标。由于在进行目标检测过程中,会出现紫外可见光图像的同一亮度目标被多次检测。因此,采用紫外可见光图像非极大值抑制模块进行非极大值抑制,筛选出其中最佳的一个亮色目标,起到提高亮度目标准确度的效果的效果和起到压缩紫外可见光图像的信息量。将目标存在概率、紫外可见光图像网格坐标、亮度目标对应的坐标信息、亮度目标整合为多维标签作为神经网络的输入量,与依据放电现象参考标准图像获得的训练样本进行卷积神经网络对比,得出当前紫外可见光图像中是否有放电现象,若对比结果输出存在放电现象,则依据可见光图像叠底灰化显示,得到对应的放电现象位置,实现自动化诊断放电现象和确定放电现象位置的效果,配合卷积神经网络提高放电现象的诊断准确率。融合结果处理装置在算法上采用Anchor Boxes,实现发热点和放电现象两个诊断目标的同时检测融合,方便后续进行结果输出。
参照图4,可见光拍摄模块包括依次连接的可见光镜头、可见光相机、可见光模拟图像信号处理单元和可见光图像数据处理单元,可见光图像数据处理单元与灰度化处理模块连接。具体的,可见光相机采用的是可见光CCD相机。这样设置可以保证可见光成像的图像质量,将模拟图像转换为数字信号,方便后续进行编辑、对比分析和远端传输。
参照图5,紫外成像拍摄模块包括依次连接的紫外成像镜头、紫外成像相机、紫外模拟图像信号处理单元和紫外图像数据处理单元,紫外图像数据处理单元和紫外可见光图像编辑模块连接。具体的,紫外成像相机采用的是紫外CCD相机。这样设置可以保证紫外成像的图像质量,将模拟图像转换为数字信号,方便后续进行编辑、对比分析和远端传输。
参照图6,红外成像拍摄模块包括依次连接的红外成像镜头、热红外敏感CCD、红外成像模拟图像信号处理单元和红外成像数据处理单元,红外成像数据处理单元和红外可见光图像编辑模块连接。这样设置可以保证红外成像的图像质量,将模拟图像转换为数字信号,方便后续进行编辑、对比分析和远端传输。
参照图7,用于电网运行的自动巡检设备还设有远程图像输送模块,可见光拍摄模块和融合结果处理装置均与远程图像输送模块通信连接。实现对远端进行数据处理的功能。
参照图7,远程图像输送模块包括远程输送中央处理器、图像信号压缩打包模块、WiFi传输模块、定位模块和5G传输模块,图像信号压缩打包模块与远程输送中央处理器通信连接,WiFi传输模块、定位模块、5G传输模块均与远程输送中央处理器通信连接。具体地,通过将图像信号进行压缩打包,经由WiFi传输模块进行WiFi无线通信传输数据,或者通过5G传输模块实用运营商通信服务进行数据传输,实现异地或者远程获知巡航监测结果。工作人员只需携带带有网络信号的移动终端即可实现数据接收或者数据共享。通过定位模块实现当前巡航的位置定位的功能,准确对应巡航的位置进行记录。具体地,定位模块可以为GPS卫星定位或者是北斗卫星定位。远程输送中央处理器可以为单片机芯片或者嵌入式微处理器。
参照图7,远程图像输送模块设有共用天线,WiFi传输模块、定位模块和5G传输模块均与共用天线连接。通过设置共用天线,达到简化结构的效果。
颜色分类器具有红、橙、黄、绿、蓝、青、紫、黑八种颜色目标设定。具体地,红外成像根据不同颜色显示代表不同温度,由暖色系至冷色系的顺序直到黑色,其代表的温度逐渐降低。通过设置八种颜色目标,增加红外可见光图像的输入量进行神经网络训练,增加样本对比的多维程度,进而提高判断发热点的准确度。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种用于电网运行的自动巡检设备,其特征在于:包括用于生成可见光图像的可见光拍摄模块、用于生成红外图像的红外成像拍摄模块、用于生成紫外图像的紫外成像拍摄模块、用于对已生成的可见光图像进行灰度化处理的灰度化处理模块、红外可见光融合装置、紫外可见光融合装置和融合结果处理装置,可见光拍摄模块与灰度化处理模块连接;红外可见光融合装置包括用于对显示发热点的发热参考标准图像进行训练样本的发热点训练样本模块、用于将可见光图像和红外图像进行裁剪叠合的红外可见光图像编辑模块、用于设定与热点温度对应的颜色目标的颜色分类器、用于对红外可见光图像进行颜色目标检测的颜色目标算法识别模块、用于对颜色目标进行优化筛选的红外可见光图像非极大值抑制模块以及用于将发热参考标准图像和红外可见光图像进行卷积神经网络对比从而得出红外可见光图像出现发热点概率和对应发热位置的发热点对比输出模块;灰度化处理模块、红外成像拍摄模块均与红外可见光图像编辑模块连接,颜色分类器与颜色目标算法识别模块连接,红外可见光图像编辑模块、颜色目标算法识别模块连接均与红外可见光图像非极大值抑制模块连接,发热点训练样本模块、红外可见光图像非极大值抑制模块均与发热点对比输出模块连接;紫外可见光融合装置包括用于对显示放电现象的放电现象参考标准图像进行训练样本的放电现象训练样本模块、用于将可见光图像和紫外图像进行裁剪叠合的紫外可见光图像编辑模块、用于设定与放电现象对应的亮度目标的亮度分类器、用于对紫外可见光图像进行亮度目标检测的亮度目标算法识别模块、用于对亮度目标进行优化筛选的紫外可见光图像非极大值抑制模块以及用于将放电现象参考标准图像和紫外可见光图像进行卷积神经网络对比从而得出紫外可见光图像出现放电现象概率和对应放电现象位置的放电现象对比输出模块;灰度化处理模块、紫外成像拍摄模块均与紫外可见光图像编辑模块连接,亮度分类器与亮度目标算法识别模块连接,紫外可见光图像编辑模块、亮度目标算法识别模块连接均与紫外可见光图像非极大值抑制模块连接,放电现象训练样本模块、紫外可见光图像非极大值抑制模块均与放电现象对比输出模块连接;发热点对比输出模块、放电现象对比输出模块均与融合结果处理装置连接。
2.根据权利要求1所述的一种用于电网运行的自动巡检设备,其特征在于:可见光拍摄模块包括依次连接的可见光镜头、可见光相机、可见光模拟图像信号处理单元和可见光图像数据处理单元,可见光图像数据处理单元与灰度化处理模块连接。
3.根据权利要求1所述的一种用于电网运行的自动巡检设备,其特征在于:紫外成像拍摄模块包括依次连接的紫外成像镜头、紫外成像相机、紫外模拟图像信号处理单元和紫外图像数据处理单元,紫外图像数据处理单元和紫外可见光图像编辑模块连接。
4.根据权利要求1所述的一种用于电网运行的自动巡检设备,其特征在于:红外成像拍摄模块包括依次连接的红外成像镜头、热红外敏感CCD、红外成像模拟图像信号处理单元和红外成像数据处理单元,红外成像数据处理单元和红外可见光图像编辑模块连接。
5.根据权利要求1所述的一种用于电网运行的自动巡检设备,其特征在于:用于电网运行的自动巡检设备还设有远程图像输送模块,可见光拍摄模块和融合结果处理装置均与远程图像输送模块通信连接。
6.根据权利要求5所述的一种用于电网运行的自动巡检设备,其特征在于:远程图像输送模块包括远程输送中央处理器、图像信号压缩打包模块、WiFi传输模块、定位模块和5G传输模块,图像信号压缩打包模块与远程输送中央处理器通信连接,WiFi传输模块、定位模块、5G传输模块均与远程输送中央处理器通信连接。
7.根据权利要求6所述的一种用于电网运行的自动巡检设备,其特征在于:远程图像输送模块设有共用天线,WiFi传输模块、定位模块和5G传输模块均与共用天线连接。
8.根据权利要求1所述的一种用于电网运行的自动巡检设备,其特征在于:颜色分类器具有红、橙、黄、绿、蓝、青、紫、黑八种颜色目标设定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010775316.3A CN111948501B (zh) | 2020-08-05 | 2020-08-05 | 一种用于电网运行的自动巡检设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010775316.3A CN111948501B (zh) | 2020-08-05 | 2020-08-05 | 一种用于电网运行的自动巡检设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111948501A CN111948501A (zh) | 2020-11-17 |
CN111948501B true CN111948501B (zh) | 2022-12-13 |
Family
ID=73339546
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010775316.3A Active CN111948501B (zh) | 2020-08-05 | 2020-08-05 | 一种用于电网运行的自动巡检设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111948501B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113449767B (zh) * | 2021-04-29 | 2022-05-17 | 国网浙江省电力有限公司嘉兴供电公司 | 一种多图像融合的变电站设备异常识别定位方法 |
CN113899973A (zh) * | 2021-10-11 | 2022-01-07 | 四川华能嘉陵江水电有限责任公司 | 基于红外热成像和可见光图像的发电设备故障诊断方法 |
CN114002566A (zh) * | 2021-11-09 | 2022-02-01 | 国网山东省电力公司电力科学研究院 | 一种基于多光融合的局部放电检测装置及方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101358088B1 (ko) * | 2013-08-19 | 2014-02-06 | 한국전기안전공사 | Uv-ir 카메라를 이용한 전력설비 진단방법 |
CN104280670A (zh) * | 2014-09-26 | 2015-01-14 | 北京环境特性研究所 | 一种基于日盲紫外成像仪的电晕检测方法 |
CN107563412A (zh) * | 2017-08-09 | 2018-01-09 | 浙江大学 | 一种基于深度学习的红外图像电力设备实时检测方法 |
CN109142935A (zh) * | 2018-10-15 | 2019-01-04 | 广东电网有限责任公司 | 巡检机器人 |
CN109283143A (zh) * | 2018-11-23 | 2019-01-29 | 云南电网有限责任公司普洱供电局 | 一种红外、紫外、可见光的图像处理融合系统及方法 |
CN109446925A (zh) * | 2018-10-08 | 2019-03-08 | 中山大学 | 一种基于卷积神经网络的电力设备检测算法 |
CN109638006A (zh) * | 2018-12-10 | 2019-04-16 | 王芳 | 一种led灯生产工艺 |
CN110261740A (zh) * | 2019-05-17 | 2019-09-20 | 北京瑞盈智拓科技发展有限公司 | 一种紫外成像放电检测方法及装置 |
CN110334661A (zh) * | 2019-07-09 | 2019-10-15 | 国网江苏省电力有限公司扬州供电分公司 | 基于深度学习的红外输变电异常发热点目标检测方法 |
EP3572972A1 (en) * | 2018-05-23 | 2019-11-27 | IDEMIA Identity & Security Germany AG | Extendend convolutional neural network for document analysis |
CN110672980A (zh) * | 2019-10-21 | 2020-01-10 | 江苏南大五维电子科技有限公司 | 一种基于紫外、红外、可见成像的电力巡检在线监测系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204795370U (zh) * | 2014-04-18 | 2015-11-18 | 菲力尔系统公司 | 监测系统及包含其的交通工具 |
-
2020
- 2020-08-05 CN CN202010775316.3A patent/CN111948501B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101358088B1 (ko) * | 2013-08-19 | 2014-02-06 | 한국전기안전공사 | Uv-ir 카메라를 이용한 전력설비 진단방법 |
CN104280670A (zh) * | 2014-09-26 | 2015-01-14 | 北京环境特性研究所 | 一种基于日盲紫外成像仪的电晕检测方法 |
CN107563412A (zh) * | 2017-08-09 | 2018-01-09 | 浙江大学 | 一种基于深度学习的红外图像电力设备实时检测方法 |
EP3572972A1 (en) * | 2018-05-23 | 2019-11-27 | IDEMIA Identity & Security Germany AG | Extendend convolutional neural network for document analysis |
CN109446925A (zh) * | 2018-10-08 | 2019-03-08 | 中山大学 | 一种基于卷积神经网络的电力设备检测算法 |
CN109142935A (zh) * | 2018-10-15 | 2019-01-04 | 广东电网有限责任公司 | 巡检机器人 |
CN109283143A (zh) * | 2018-11-23 | 2019-01-29 | 云南电网有限责任公司普洱供电局 | 一种红外、紫外、可见光的图像处理融合系统及方法 |
CN109638006A (zh) * | 2018-12-10 | 2019-04-16 | 王芳 | 一种led灯生产工艺 |
CN110261740A (zh) * | 2019-05-17 | 2019-09-20 | 北京瑞盈智拓科技发展有限公司 | 一种紫外成像放电检测方法及装置 |
CN110334661A (zh) * | 2019-07-09 | 2019-10-15 | 国网江苏省电力有限公司扬州供电分公司 | 基于深度学习的红外输变电异常发热点目标检测方法 |
CN110672980A (zh) * | 2019-10-21 | 2020-01-10 | 江苏南大五维电子科技有限公司 | 一种基于紫外、红外、可见成像的电力巡检在线监测系统 |
Non-Patent Citations (1)
Title |
---|
基于红外紫外成像检测技术的绝缘子运行状态分析与评估;裴少通;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20200115;C042-11 * |
Also Published As
Publication number | Publication date |
---|---|
CN111948501A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111948501B (zh) | 一种用于电网运行的自动巡检设备 | |
CN111710055A (zh) | 便携式电力巡检设备及电力巡检方法、电力巡检系统 | |
KR100715140B1 (ko) | 시정 측정 장치 및 그 방법 | |
CN102147290A (zh) | 红外成像温度监测方法和系统 | |
CN101834989B (zh) | 直升机电力巡检实时数据采集存储系统 | |
KR101683195B1 (ko) | 다중 카메라를 이용한 영상 진단 장치 | |
KR20200048615A (ko) | 머신러닝기반 실시간 태양광발전소 검사 드론 | |
CN1639751A (zh) | 地区热监控系统和方法 | |
CN112731086A (zh) | 一种用于对电力设备进行综合巡检的方法及系统 | |
CN109142935A (zh) | 巡检机器人 | |
CN113393486B (zh) | 一种异常事件监测方法、智能监测终端及系统 | |
CN105551178A (zh) | 一种电网智能监控告警方法及装置 | |
CN112067137A (zh) | 一种基于无人机巡线的电力线路自动测温方法 | |
CN110967600A (zh) | 一种基于无人机红外检测的复合绝缘子劣化诊断方法 | |
CN116699329A (zh) | 一种变电站空间声纹可视化成像方法 | |
CN208140964U (zh) | 一种高压变电站现场监测装置 | |
CN109945976A (zh) | 双目成像检测装置及检测方法 | |
Pinto et al. | Mobile robot for hot spot monitoring in electric power substation | |
CN113762161A (zh) | 一种障碍物智能监测方法及系统 | |
CN111464791A (zh) | 拉索锚头可视化监测系统 | |
CN104219233A (zh) | 一种机务巡检方法和机务巡检用手电筒 | |
Stolper et al. | The design and evaluation of a multi-spectral imaging camera for the inspection of transmission lines and substation equipment | |
CN115086801A (zh) | 基于携带式计算终端的穿戴式配网智能巡检系统及方法 | |
CN110967117B (zh) | 一种输电线路热成像预警系统 | |
CN212255158U (zh) | 一种视觉实时检测系统 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An automatic inspection equipment for power grid operation Effective date of registration: 20231222 Granted publication date: 20221213 Pledgee: Societe Generale Bank Limited by Share Ltd. Guangzhou branch Pledgor: Guangzhou saihaoda Intelligent Technology Co.,Ltd. Registration number: Y2023980073611 |