CN112880837B - 一种设备故障分析方法 - Google Patents

一种设备故障分析方法 Download PDF

Info

Publication number
CN112880837B
CN112880837B CN202110101048.1A CN202110101048A CN112880837B CN 112880837 B CN112880837 B CN 112880837B CN 202110101048 A CN202110101048 A CN 202110101048A CN 112880837 B CN112880837 B CN 112880837B
Authority
CN
China
Prior art keywords
temperature
fault
infrared thermal
thermal image
value
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
Application number
CN202110101048.1A
Other languages
English (en)
Other versions
CN112880837A (zh
Inventor
李军
李建祥
张翅飞
满亚勤
钟用
程莹
何晓亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Huaneng Baoxinghe Hydropower Co Ltd
Original Assignee
Sichuan Huaneng Baoxinghe Hydropower Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Huaneng Baoxinghe Hydropower Co Ltd filed Critical Sichuan Huaneng Baoxinghe Hydropower Co Ltd
Priority to CN202110101048.1A priority Critical patent/CN112880837B/zh
Publication of CN112880837A publication Critical patent/CN112880837A/zh
Application granted granted Critical
Publication of CN112880837B publication Critical patent/CN112880837B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01J5/80—Calibration
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G06T2207/10048—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)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Geometry (AREA)
  • Radiation Pyrometers (AREA)

Abstract

本发明属于故障分析技术领域，具体公开一种设备故障分析方法，包括如下步骤：S1：获取目标设备的原始红外热像图像，并获取原始红外热像图像的温度数据；S2：根据温度数据，对原始红外热像图像进行温度修正，得到温度修正红外热像图像；S3：对温度修正红外热像图像进行轮廓提取，得到若干故障区域；S4：获取各个故障区域的故障判定数据，并根据故障判定数据得到故障分析结果。本发明解决了现有技术存在的人力成本投入大、检测效率低以及无法观测故障区域的细节导致故障分析精确度低的问题。

Description

一种设备故障分析方法
技术领域
本发明属于故障分析技术领域，具体涉及一种设备故障分析方法。
背景技术
电力设备主要包括发电设备和供电设备两大类，电力系统中电力设备大多采用的计划检修体制存在着严重缺陷，如临时性维修频繁、维修不足或维修过剩、盲目维修等，这使世界各国每年在设备维修方面耗资巨大。怎样合理安排电力设备的检修，节省检修费用、降低检修成本，同时保证系统有较高的可靠性，对系统运行人员来说是一个重要课题。
现有技术存在的问题：
1)对电力设备进行检修大多依靠人工进行巡检的方式，这种方式人力成本投入大，检测效率低，并且通常依靠有经验的工人对具体的故障情况进行分析和判断，其故障诊断精确度低，由于人工诊断存在误差，容易造成严重的安全事故和导致故障情况继续扩大。
2)故障区域主要集中在温度较高区域，也就是说真正需要关注的检测温度区间所占比例较小，而检测范围内空气的温度较低，使得整体温度区间较大，无法观测故障区域的细节，也就无法帮助巡检人员作出准确的判断。
发明内容
本发明旨在于至少在一定程度上解决上述技术问题之一。
为此，本发明目的在于提供一种设备故障分析方法，用于解决现有技术存在的人力成本投入大、检测效率低以及无法观测故障区域的细节导致故障分析精确度低的问题。
本发明所采用的技术方案为：
一种设备故障分析方法，包括如下步骤：
S1：获取目标设备的原始红外热像图像，并获取原始红外热像图像的温度数据；
S2：根据温度数据，对原始红外热像图像进行温度修正，得到温度修正红外热像图像；
S3：对温度修正红外热像图像进行轮廓提取，得到若干故障区域；
S4：获取各个故障区域的故障判定数据，并根据故障判定数据得到故障分析结果。
进一步地，步骤S1的温度数据包括原始红外热像图像的温度最值和预设的感兴趣温度范围值。
进一步地，步骤S2的具体步骤为：
S2-1：根据温度数据，获取温度修正的幂函数变换值，并对幂函数变换值进行初始化；
S2-2：根据初始化后的幂函数变换值，对原始红外热像图像进行温度修正，得到温度修正红外热像图像。
进一步地，步骤S2-1中，温度修正的幂函数变换值的公式为：
E＝Ceil[(Tmax-Tmin)/N_TOI]
式中，E为幂函数变换值；Ceil[*]为最小整数返回函数；Tmax、Tmin分别为温度数据中原始红外热像图像的温度最大值和最小值；N_TOI为温度数据中原始红外热像图像的预设的感兴趣温度范围值。
进一步地，步骤S2-1中，幂函数变换值的初始化公式为：
Figure BDA0002915966230000031
式中，E为幂函数变换值。
进一步地，步骤S2-2中，温度修正的公式为：
Figure BDA0002915966230000032
式中，N(i,j)为温度修正红外热像图像的温度值；F(i,j)为原始红外热像图像的温度值；i、j分别为横向指示量和纵向指示量；E为幂函数变换值；a为灰度值偏移量的设置参数；b为曲线的弯曲程度以拉伸程度的设置参数；c为温度值偏移量的设置参数。
进一步地，步骤S3的具体方法为：对温度修正红外热像图像进行预处理，得到预处理后图像，对预处理后图像进行轮廓提取，得到若干故障区域。
进一步地，预处理包括对温度修正红外热像图像进行的灰度处理和二值化处理。
进一步地，步骤S4的具体步骤为：
S4-1：对各个故障区域进行填充提取，得到对应的范围区域图像；
S4-2：获取范围区域图像的面积，得到对应的故障判定数据；
S4-3：根据故障判定数据，得到对应的故障等级；
S4-4：根据故障等级，得到故障分析结果。
进一步地，步骤S4-3中，预设故障等级的具体方法为：获取所有目标设备的历史故障判定数据，根据历史故障判定数据进行等级划分，得到对应的故障等级。
本发明的有益效果为：
本发明提出一种设备故障分析方法，避免了人工巡检，减少了人力成本投入，提高了巡检效率，在温度区间不变的情况下，采用将高温区温度差拉伸的方法，使得温度修正红外热像图像可以展示更多的高温部分细节，以实现准确的进行故障定位，对目标设备进行智能故障分析，在实现智能化的同时，提高了故障分析精确度。
本发明的其他有益效果将在具体实施方式中进行详细说明。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是设备故障分析方法流程图。
具体实施方式
下面结合附图及具体实施例来对本发明作进一步阐述。在此需要说明的是，对于这些实施例方式的说明虽然是用于帮助理解本发明，但并不构成对本发明的限定。本发明公开的功能细节仅用于描述本发明的示例实施例。然而，可用很多备选的形式来体现本发明，并且不应当理解为本发明限制在本发明阐述的实施例中。
应当理解，本发明使用的术语仅用于描述特定实施例，并不意在限制本发明的示例实施例。若术语“包括”、“包括了”、“包含”和/或“包含了”在本发明中被使用时，指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性，并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
应当理解，还应当注意到在一些备选实施例中，所出现的功能/动作可能与附图出现的顺序不同。例如，取决于所涉及的功能/动作，实际上可以实质上并发地执行，或者有时可以以相反的顺序来执行连续示出的两个图。
应当理解，在下面的描述中提供了特定的细节，以便于对示例实施例的完全理解。然而，本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统，以避免用不必要的细节来使得示例不清楚。在其他实例中，可以不以不必要的细节来示出众所周知的过程、结构和技术，以避免使得示例实施例不清楚。
实施例1
在本实施例中，首先建立设备故障分析系统，设备故障分析系统包括设置在每个目标设备处的红外热像仪、微处理器和通讯模块，以及数据分析中心，微处理器分别与红外热像仪和通讯模块通信连接，通讯模块与数据分析中心通信连接，红外热像仪用于采集目标设备的原始红外热像图像，并发送至微处理器，微处理器通过通讯模块将原始红外热像图像发送至数据分析中心进行设备故障分析，避免了人工巡检，减少了人力成本投入，提高了巡检效率。
红外热像仪是一种利用红外热成像技术，通过对标的物的红外辐射探测，并加以信号处理、光电转换等手段，将标的物的温度分布的图像转换成可视图像的设备，红外热像仪将实际探测到的热量进行精确的量化，以面的形式实时成像标的物的整体，因此能够准确识别正在发热的疑似故障区域，操作人员通过屏幕上显示的图像色彩和热点追踪显示功能来初步判断发热情况和故障部位，同时严格分析，从而在确认问题上体现了高效率、高准确率。
如图1所示，本实施例提供一种设备故障分析方法，包括如下步骤：
S1：获取目标设备的原始红外热像图像，并获取原始红外热像图像的温度数据；
温度数据包括原始红外热像图像的温度最值和预设的感兴趣温度范围值；
S2：根据温度数据，对原始红外热像图像进行温度修正，得到温度修正红外热像图像，具体步骤为：
S2-1：根据温度数据，获取温度修正的幂函数变换值，并对幂函数变换值进行初始化；
温度修正的幂函数变换值的公式为：
E＝Ceil[(Tmax-Tmin)/N_TOI]
式中，E为幂函数变换值；Ceil[*]为最小整数返回函数；Tmax、Tmin分别为温度数据中原始红外热像图像的温度最大值和最小值；N_TOI为温度数据中原始红外热像图像的预设的感兴趣温度范围值；
幂函数变换值的初始化公式为：
Figure BDA0002915966230000061
式中，E为幂函数变换值；
S2-2：根据初始化后的幂函数变换值，对原始红外热像图像进行温度修正，得到温度修正红外热像图像，增强了原始红外热像图像的高温区域的显示范围，使得修正后的热像图可以展示更多的高温部分细节，在正常情况下，温度值与灰度值的映射是在温度区间平均的映射，在本方案中，使用函数变换，修订温度值，将高温区温度差拉伸，低温区温度差压缩；
温度修正的公式为：
Figure BDA0002915966230000071
式中，N(i,j)为温度修正红外热像图像的温度值；F(i,j)为原始红外热像图像的温度值；i、j分别为横向指示量和纵向指示量；E为幂函数变换值；a为灰度值偏移量的设置参数；b为曲线的弯曲程度以拉伸程度的设置参数；c为温度值偏移量的设置参数；
S3：对温度修正红外热像图像进行预处理，得到预处理后图像，对预处理后图像进行轮廓提取，得到若干故障区域；
预处理包括对温度修正红外热像图像进行的灰度处理和二值化处理；
灰度处理将修正后的温度值映射到灰度值，可以显示原始红外热像图像的高温部分更多的细节，然后进行二值化处理，便于进行后续的轮廓提取；
遍历二值图像，确定一个非零点作为起点，依次查找相邻8个像素内的非零值，并作为后继遍历点，按同样的方法继续查找，同时需要对轮廓线相交和重叠等特殊情况进行筛选，合并，最后对相邻连通区域进行拼接，获得故障区域的轮廓，根据轮廓，得到若干故障区域；
S4：获取各个故障区域的故障判定数据，并根据故障判定数据得到故障分析结果，具体步骤为：
S4-1：对温度修正红外热像图像中各个故障区域进行填充提取，得到对应的范围区域图像，本实施例中，将范围区域图像作为区域数组，如有多个范围区域图像，则分别提取作为多个区域数组；
S4-2：获取范围区域图像的面积，分别对单个区域数组进行面积计算和形态计算，得到对应的故障判定数据；
S4-3：根据故障判定数据，得到对应的故障等级；
预设故障等级的具体方法为：获取所有目标设备的历史故障判定数据，根据历史故障判定数据进行等级划分，得到对应的故障等级，如表1所示；
表1
故障等级 故障描述
S 严重缺陷，必须停机
A 较严重缺陷，待人工确认
B 一般缺陷，可暂时不处理，须计入统计数据
C 正常
S4-4：根据故障等级，得到故障分析结果，即根据表1中各个故障等级能够获取当前目标设备的故障描述，工作人员就能获取当前目标设备的具体故障情况，本方案中，采用将高温区温度差拉伸的方法，使得温度修正红外热像图像可以展示更多的高温部分细节，以实现准确的进行故障定位，对目标设备进行智能故障分析，在实现智能化的同时，提高了故障分析精确度。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所描述的实施例仅仅是示意性的，若涉及到作为分离部件说明的单元，其可以是或者也可以不是物理上分开的；若涉及到作为单元显示的部件，其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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。
本发明不局限于上述可选的实施方式，任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制，本发明的保护范围应当以权利要求书中界定的为准，并且说明书可以用于解释权利要求书。

Claims (1)

1.一种设备故障分析方法，其特征在于：包括如下步骤：
S1：获取目标设备的原始红外热像图像，并获取原始红外热像图像的温度数据，温度数据包括原始红外热像图像的温度最值和预设的感兴趣温度范围值；
S2：根据温度数据，对原始红外热像图像进行温度修正，得到温度修正红外热像图像，具体步骤为：
S2-1：根据温度数据，获取温度修正的幂函数变换值，并对幂函数变换值进行初始化；
温度修正的幂函数变换值的公式为：
E＝Ceil[(Tmax-Tmin)/N_TOI]
式中，E为幂函数变换值；Ceil[*]为最小整数返回函数；Tmax、Tmin分别为温度数据中原始红外热像图像的温度最大值和最小值；N_TOI为温度数据中原始红外热像图像的预设的感兴趣温度范围值；
幂函数变换值的初始化公式为：
Figure FDA0003532842340000011
式中，E为幂函数变换值；
S2-2：根据初始化后的幂函数变换值，对原始红外热像图像进行温度修正，得到温度修正红外热像图像；
温度修正的公式为：
Figure FDA0003532842340000021
式中，N(i,j)为温度修正红外热像图像的温度值；F(i,j)为原始红外热像图像的温度值；i、j分别为横向指示量和纵向指示量；E为幂函数变换值；a为灰度值偏移量的设置参数；b为曲线的弯曲程度以拉伸程度的设置参数；c为温度值偏移量的设置参数；
S3：对温度修正红外热像图像进行轮廓提取，得到若干故障区域，具体方法为：对温度修正红外热像图像进行预处理，得到预处理后图像，对预处理后图像进行轮廓提取，得到若干故障区域；
所述的预处理包括对温度修正红外热像图像进行的灰度处理和二值化处理；
S4：获取各个故障区域的故障判定数据，并根据故障判定数据得到故障分析结果，具体步骤为：
S4-1：对各个故障区域进行填充提取，得到对应的范围区域图像；
S4-2：获取范围区域图像的面积，得到对应的故障判定数据；
S4-3：根据故障判定数据，得到对应的故障等级；
预设故障等级的具体方法为：获取所有目标设备的历史故障判定数据，根据历史故障判定数据进行等级划分，得到对应的故障等级；
S4-4：根据故障等级，得到故障分析结果。
CN202110101048.1A 2021-01-26 2021-01-26 一种设备故障分析方法 Active CN112880837B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110101048.1A CN112880837B (zh) 2021-01-26 2021-01-26 一种设备故障分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110101048.1A CN112880837B (zh) 2021-01-26 2021-01-26 一种设备故障分析方法

Publications (2)

Publication Number Publication Date
CN112880837A CN112880837A (zh) 2021-06-01
CN112880837B true CN112880837B (zh) 2022-05-13

Family

ID=76051848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110101048.1A Active CN112880837B (zh) 2021-01-26 2021-01-26 一种设备故障分析方法

Country Status (1)

Country Link
CN (1) CN112880837B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112686886B (zh) * 2021-01-26 2024-01-23 四川华能宝兴河水电有限责任公司 一种电力巡检系统及其设备故障诊断方法
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
TWI810863B (zh) * 2022-03-24 2023-08-01 中華電信股份有限公司 一種發電設備異常檢查系統、方法及其電腦可讀媒介

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110598736A (zh) * 2019-08-06 2019-12-20 西安理工大学 一种电力设备红外图像故障定位、识别与预测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102930850B (zh) * 2012-11-16 2015-07-15 Tcl显示科技（惠州）有限公司 Gamma曲线调试方法和系统
US10586314B2 (en) * 2016-04-12 2020-03-10 Shenzhen Everbest Machinery Industry Co., Ltd Image fusion method, apparatus, and infrared thermal imaging device
CN107843818B (zh) * 2017-09-06 2020-08-14 同济大学 基于异源图像温升与局部放电特征高压绝缘故障诊断方法
CN109961409B (zh) * 2019-02-26 2024-02-27 平安科技（深圳）有限公司 一种线性增强图像对比度的方法及装置
CN110266268B (zh) * 2019-06-26 2020-11-10 武汉理工大学 一种基于图像融合识别的光伏组件故障检测方法
CN111242123B (zh) * 2020-01-07 2022-10-28 西安交通大学 一种基于红外图像的电力设备故障诊断方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110598736A (zh) * 2019-08-06 2019-12-20 西安理工大学 一种电力设备红外图像故障定位、识别与预测方法

Also Published As

Publication number Publication date
CN112880837A (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN112880837B (zh) 一种设备故障分析方法
CN105425123B (zh) 一种紫外成像与红外成像协同检测电力设备故障的方法及系统
CN111144324B (zh) 一种无人机巡检光伏板异常目标分析管理系统及方法
CN112184711A (zh) 一种光伏组件缺陷检测和定位方法及系统
CN110458839B (zh) 一种有效的电线电缆监测系统
CN114638909A (zh) 基于激光slam和视觉融合的变电站语义地图构建方法
CN113418925A (zh) 一种基于卫星影像的光伏板异常目标检测系统及方法
CN111604916B (zh) 一种机房it设备故障机柜u位定位系统及方法
CN112326039B (zh) 一种光伏电站巡检辅助系统
CN112526391A (zh) 电解槽故障检测系统及方法
CN112686886B (zh) 一种电力巡检系统及其设备故障诊断方法
CN111598771A (zh) 一种基于ccd相机的pcb电路板缺陷检测系统及方法
CN108418550A (zh) 集群太阳能板的缺陷检测和定位方法
CN113485432A (zh) 一种基于无人机的光伏电站电致发光智能诊断系统及方法
CN118196070B (zh) 一种基于无人机热红外遥感的光伏板缺陷识别方法
CN114792328A (zh) 一种红外热成像图像处理和分析的方法
Guerriero et al. Automatic edge identification for accurate analysis of thermographic images of solar panels
CN110136059A (zh) 直线特征的风电叶片图像拼接方法
Rodriguez et al. Segmentation and error detection of PV modules
CN113808081A (zh) 一种输电线路小尺寸金具缺陷检测系统
CN115954291B (zh) 一种TOPCon结构光伏电池板的裂纹监测系统
Li et al. Research and application of photovoltaic power station on-line hot spot detection operation and maintenance system based on unmanned aerial vehicle infrared and visible light detection
CN114785280B (zh) 光伏电站太阳能电池组件发电性能缺陷的现场检测方法
CN113627400B (zh) 一种工业仪表视频识别系统
CN116091472A (zh) 一种融合可见光和红外图像的光伏组件缺陷智能检测方法

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