CN113160134A - 一种红外热图智能诊断装置及红外热图智能诊断方法 - Google Patents
一种红外热图智能诊断装置及红外热图智能诊断方法 Download PDFInfo
- Publication number
- CN113160134A CN113160134A CN202110272241.1A CN202110272241A CN113160134A CN 113160134 A CN113160134 A CN 113160134A CN 202110272241 A CN202110272241 A CN 202110272241A CN 113160134 A CN113160134 A CN 113160134A
- Authority
- CN
- China
- Prior art keywords
- infrared
- heat map
- diagnosis
- equipment
- infrared heat
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 11
- 230000003993 interaction Effects 0.000 claims abstract description 15
- 230000002452 interceptive effect Effects 0.000 claims abstract description 3
- 230000007547 defect Effects 0.000 claims description 31
- 238000013178 mathematical model Methods 0.000 claims description 20
- 238000002405 diagnostic procedure Methods 0.000 claims 1
- 230000001629 suppression Effects 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000016507 interphase Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- 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
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种红外热图智能诊断装置及红外热图智能诊断方法,红外热图智能诊断装置包括:红外热图采集模块,用于采集设备的红外热图信息;控制中心,接收红外热图采集模块采集的红外热图信息并与预先存储的设备信息进行比对,识别出对应的设备,并获取预先存储的对应的设备的诊断规则,对接收的红外热图信息进行诊断,获取诊断结果;显示交互模块,用于显示诊断结果并可供拍录人员进行交互操作。本发明可以在拍摄的同时进行智能诊断,无需拍录人员主观判断诊断,提高了诊断准确率,而且提高了工作效率,降低了对拍录人员的专业要求。
Description
技术领域
本发明属于电力设备技术领域,具体涉及一种红外热图智能诊断装置及红外热图智能诊断方法。
背景技术
目前市面上应用于电力设备巡检中使用的红外热像仪产品存在如下特点与缺陷:
市面上最普通的红外热像仪只能拍摄红外热图,需要巡检人员判断设备是否有缺陷,这需要巡检人员具备很强的专业知识,对巡检人员的要求较高,而且通过巡检人员进行判断的方式,判断误差较大。
发明内容
本发明提供了一种红外热图智能诊断装置,可以在拍摄之后进行智能诊断。
本发明的技术方案为:一种红外热图智能诊断装置,包括:
红外热图采集模块,用于采集设备的红外热图信息;
控制中心,接收红外热图采集模块采集的红外热图信息并与预先存储的设备信息进行比对判断,识别出对应的设备,并获取预先存储的对应的设备的诊断规则,对接收的红外热图信息进行诊断,获取诊断结果;
显示交互模块,用于显示诊断结果并可供拍录人员进行交互操作。
本发明在控制中心内预先存储与设备对应的诊断规则,当红外热图采集模块采集到红外热图信息之后,控制中心将该红外热图信息与预先存储于控制中心内的红外热图信息进行比对,识别出红外热图信息对应的设备,并获取与该设备对应的诊断规则,最后根据诊断规则进行诊断,并通过显示交互模块进行显示。本发明中设备也可以有多种诊断规则,对所识别出的设备诊断规则进行排序,将最可能的设备诊断规则作为默认选择,拍录人员也可以在诊断规则列表中选择所需的诊断规则。
上述获取得到诊断结果之后,控制中心进行存储,并且也可以通过显示交互模块进行显示,拍录人员可以通过显示交互模块查看诊断结果。
作为优选,还包括位置信息获取模块,所述控制中心接收位置信息获取模块获取的位置信息,并将红外热图信息以及位置信息与对应的设备信息关联,得到关联记录。
作为优选,所述诊断规则由根据不同的缺陷等级对应建立的数学模型得到。
作为优选,进行比对判断时,将采集的红外热图信息中的参数数值代入所述数学模型中,求值得到结果,如果结果为真则表明设备存在该缺陷,如果所有的缺陷公式诊断结果都为假则表明设备运行状态良好。
作为优选,所述显示交互模块为电子触摸屏。
本发明还提供了一种红外热图智能诊断方法,包括:
根据设备类型以及不同的缺陷等级对应建立数学模型;
采集设备的红外热图信息;
根据采集的设备类型调取对应的数学模型,进行比对判断,判断出所述设备是否存在缺陷以及所属的缺陷等级。
作为优选,进行比对判断时,将采集的红外热图信息中的参数数值代入所述数学模型中,求值得到结果,如果结果为真则表明设备存在该缺陷,如果所有的缺陷公式诊断结果都为假则表明设备运行状态良好。
作为优选,得到的诊断结果存储于本地服务器和/或上传至云端。
本发明中可以将设备的故障等级(危急、严重、一般)判断通过数学建模形成诊断公式,存放与excel表中,例如以线夹的诊断规则如下:
[{"des_of_formula":"热点温度>80℃","detect_formula":"R01:Max>80","fault_degree(故障程度)":"严重","handing_suggestion(处理建议)":"","judgement_result(判断结果)":"接触不良。","thermal_image(热成像)":"以线夹和接头为中心的热像,热点明显。"},{"des_of_formula":"热点温度>110℃","detect_formula":"R01:Max>110","fault_degree":"危急","handing_suggestion":"","judgement_result":"接触不良。","thermal_image":"以线夹和接头为中心的热像,热点明显。"},{"des_of_formula":"温差超过15k,未达到严重缺陷要求。","detect_formula":"&R01:Max>15","fault_degree":"一般","handing_suggestion":"","judgement_result":"接触不良。","thermal_image":"以线夹和接头为中心的热像,热点明显。"},{"des_of_formula":"温差超过15k,未达到严重缺陷要求。","detect_formula":"R01:Max-R02:Max>15","fault_degree":"一般","handing_suggestion":"","judgement_result":"接触不良。","thermal_image":"以线夹和接头为中心的热像,热点明显。"},{"des_of_formula":"2K~3K","detect_formula":"math.abs(R02:Max-R03:Max)>=3","fault_degree":"严重","handing_suggestion":"介质损耗测量","judgement_result":"介质损耗偏大或局部放电故障,油路或气路的堵塞。","thermal_image":""}]。
本发明中数学模型诊断公式可以主要包含以下5个种类
例:R01和R02框分析别名,Max是分析特征温度
1、特征温度绝对值
math.abs(R01:Max)>80;
2、特征温度差绝对值
math.abs(R01:Max-R02:Max)>15;
3、帧间差绝对值
通过相邻帧之间特征温度差值计算;
4、相间诊断
通过设备A相、B相、C相之间特征温度变化计算;
5、温升、温差
通过设备特征温度与环境温度之间温度变化计算。
与现有技术相比,本发明的有益效果体现在:
本发明可以在拍摄的同时进行智能诊断,无需拍录人员主观判断诊断,提高了诊断准确率,而且提高了工作效率,降低了对拍录人员的专业要求
附图说明
图1为本发明中的红外热图智能诊断装置的结构示意图。
图2为本发明的原理示意图。
附图标记:
1、红外热图采集模块;2、位置信息获取模块;3、控制中心;4、显示交互模块。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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他实施例,都属于本发明保护的范围。
此外,在示例性实施例中,因为相同的参考标记表示具有相同结构的相同部件或相同方法的相同步骤,如果示例性地描述了一实施例,则在其他示例性实施例中仅描述与已描述实施例不同的结构或方法。
在整个说明书及权利要求书中,当一个部件描述为“连接”到另一部件,该一个部件可以“直接连接”到另一部件,或者通过第三部件“电连接”到另一部件。此外,除非明确地进行相反的描述,术语“包括”及其相应术语应仅理解为包括所述部件,而不应该理解为排除任何其他部件。
如图1所示,一种红外热图智能诊断装置,包括:
红外热图采集模块1,用于采集设备的红外热图信息;
控制中心3,接收红外热图采集模块采集的红外热图信息并与预先存储的设备信息进行比对判断,识别出对应的设备,并获取预先存储的对应的设备的诊断规则,对接收的红外热图信息进行诊断,获取诊断结果;
显示交互模块4,用于显示诊断结果并可供拍录人员进行交互操作。
本实施例在控制中心内预先存储与设备对应的诊断规则,当红外热图采集模块采集到红外热图信息之后,控制中心将该红外热图信息与预先存储于控制中心内的红外热图信息进行比对,识别出红外热图信息对应的设备,并获取与该设备对应的诊断规则,最后根据诊断规则进行诊断,并通过显示交互模块进行显示。本实施例中设备也可以有多种诊断规则,对所识别出的设备诊断规则进行排序,将最可能的设备诊断规则作为默认选择,拍录人员也可以在诊断规则列表中选择所需的诊断规则。
上述获取得到诊断结果之后,控制中心进行存储,并且也可以通过显示交互模块进行显示,拍录人员可以通过显示交互模块查看诊断结果。
另外,本实施例中还包括位置信息获取模块2,所述控制中心接收位置信息获取模块获取的位置信息,并将红外热图信息以及位置信息与对应的设备信息关联,得到关联记录。其中,本实施例中显示交互模块为电子触摸屏。
上述红外热图智能诊断装置进行智能诊断时,包括:
根据设备类型以及不同的缺陷等级对应建立数学模型;
采集设备的红外热图信息;
根据采集的设备类型调取对应的数学模型,进行比对判断,判断出所述设备是否存在缺陷以及所属的缺陷等级,进行比对判断时,将采集的红外热图信息中的参数数值代入所述数学模型中,求值得到结果,如果结果为真则表明设备存在该缺陷,如果所有的缺陷公式诊断结果都为假则表明设备运行状态良好。
本实施例中可以将设备的故障等级(危急、严重、一般)判断通过数学建模形成诊断公式,存放与excel表中,例如线夹的诊断规则如下:
[{"des_of_formula":"热点温度>80℃","detect_formula":"R01:Max>80","fault_degree(故障程度)":"严重","handing_suggestion(处理建议)":"","judgement_result(判断结果)":"接触不良。","thermal_image(热成像)":"以线夹和接头为中心的热像,热点明显。"},{"des_of_formula":"热点温度>110℃","detect_formula":"R01:Max>110","fault_degree":"危急","handing_suggestion":"","judgement_result":"接触不良。","thermal_image":"以线夹和接头为中心的热像,热点明显。"},{"des_of_formula":"温差超过15k,未达到严重缺陷要求。","detect_formula":"&R01:Max>15","fault_degree":"一般","handing_suggestion":"","judgement_result":"接触不良。","thermal_image":"以线夹和接头为中心的热像,热点明显。"},{"des_of_formula":"温差超过15k,未达到严重缺陷要求。","detect_formula":"R01:Max-R02:Max>15","fault_degree":"一般","handing_suggestion":"","judgement_result":"接触不良。","thermal_image":"以线夹和接头为中心的热像,热点明显。"},{"des_of_formula":"2K~3K","detect_formula":"math.abs(R02:Max-R03:Max)>=3","fault_degree":"严重","handing_suggestion":"介质损耗测量","judgement_result":"介质损耗偏大或局部放电故障,油路或气路的堵塞。","thermal_image":""}]。
本实施例中数学模型诊断公式可以主要包含以下5个种类
例:R01和R02框分析别名,Max是分析特征温度
1、特征温度绝对值
math.abs(R01:Max)>80;
2、特征温度差绝对值
math.abs(R01:Max-R02:Max)>15;
3、帧间差绝对值
通过相邻帧之间特征温度差值计算;
4、相间诊断
通过设备A相、B相、C相之间特征温度变化计算;
5、温升、温差
通过设备特征温度与环境温度之间温度变化计算。
具体在使用拍摄诊断过程中,首先将excel表中的数据读取到数据库中,按照设备类型对其进行分类。拍摄时根据设备类型获取设备的台账信息,并从诊断公式中提取设备诊断的数学模型,不同的缺陷等级对应不同的数学模型,所以一个设备会对应多个诊断数学模型,获取到数学模型后,再将模型中分析描述的温度,替换为实际温度值,再对该公式求值,如果结果为真则表明设备存在该缺陷,如果所有的缺陷公式诊断结果都为假,则说明该设备运行状态正常。例如数学模型为math.abs(R01:Max-R02:Max)>15,
R01最高温度为50,R02最高温度为30,则诊断公式为math.abs(50-30)>15,该公式求值结果为真,说明设备存在该模型对应的缺陷。
以上仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种红外热图智能诊断装置,其特征在于,包括:
红外热图采集模块,用于采集设备的红外热图信息;
控制中心,接收红外热图采集模块采集的红外热图信息并与预先存储的设备信息进行比对判断,识别出对应的设备,并获取预先存储的对应的设备的诊断规则,对接收的红外热图信息进行诊断,获取诊断结果;
显示交互模块,用于显示诊断结果并可供拍录人员进行交互操作。
2.根据权利要求1所述的红外热图智能诊断装置,其特征在于,还包括位置信息获取模块,所述控制中心接收位置信息获取模块获取的位置信息,并将红外热图信息以及位置信息与对应的设备信息关联,得到关联记录。
3.根据权利要求1所述的红外热图智能诊断装置,其特征在于,所述诊断规则由根据不同的缺陷等级对应建立的数学模型得到。
4.根据权利要求1所述的红外热图智能诊断装置,其特征在于,进行比对判断时,将采集的红外热图信息中的参数数值代入所述数学模型中,求值得到结果,如果结果为真则表明设备存在该缺陷,如果所有的缺陷公式诊断结果都为假则表明设备运行状态良好。
5.根据权利要求1所述的红外热图智能诊断装置,其特征在于,所述显示交互模块为电子触摸屏。
6.一种红外热图智能诊断方法,其特征在于,包括:
根据设备类型以及不同的缺陷等级对应建立数学模型;
采集设备的红外热图信息;
根据采集的设备类型调取对应的数学模型,进行比对判断,判断出所述设备是否存在缺陷以及所属的缺陷等级。
7.根据权利要求6红外热图智能诊断方法,其特征在于,进行比对判断时,将采集的红外热图信息中的参数数值代入所述数学模型中,求值得到结果,如果结果为真则表明设备存在该缺陷,如果所有的缺陷公式诊断结果都为假则表明设备运行状态良好。
8.根据权利要求6或7红外热图智能诊断方法,其特征在于,得到的诊断结果存储于本地服务器和/或上传至云端。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110272241.1A CN113160134A (zh) | 2021-03-12 | 2021-03-12 | 一种红外热图智能诊断装置及红外热图智能诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110272241.1A CN113160134A (zh) | 2021-03-12 | 2021-03-12 | 一种红外热图智能诊断装置及红外热图智能诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113160134A true CN113160134A (zh) | 2021-07-23 |
Family
ID=76886944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110272241.1A Pending CN113160134A (zh) | 2021-03-12 | 2021-03-12 | 一种红外热图智能诊断装置及红外热图智能诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113160134A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291921A (zh) * | 2023-11-27 | 2023-12-26 | 哪吒港航智慧科技(上海)有限公司 | 集装箱偶发残损样本挖掘及学习方法、装置、设备、介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107024506A (zh) * | 2017-03-09 | 2017-08-08 | 深圳市朗驰欣创科技股份有限公司 | 一种致热缺陷检测方法及系统 |
CN108896186A (zh) * | 2018-05-15 | 2018-11-27 | 云南电网有限责任公司迪庆供电局 | 设备智能诊断的方法及装置 |
CN110472510A (zh) * | 2019-07-16 | 2019-11-19 | 上海电力学院 | 基于红外及可见图像的电力设备故障检测方法及评估设备 |
CN110530432A (zh) * | 2019-09-30 | 2019-12-03 | 国网山东省电力公司电力科学研究院 | 一种电网设备带电检测系统、红外热像仪及方法 |
CN111553910A (zh) * | 2020-05-06 | 2020-08-18 | 哈尔滨工业大学 | 一种基于红外图像的大型实验装置电器设备热故障检测方法 |
CN111624229A (zh) * | 2020-05-15 | 2020-09-04 | 嘉兴恒创电力设计研究院有限公司明绘分公司 | 一种基于红外成像的带电设备故障智能诊断方法 |
-
2021
- 2021-03-12 CN CN202110272241.1A patent/CN113160134A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107024506A (zh) * | 2017-03-09 | 2017-08-08 | 深圳市朗驰欣创科技股份有限公司 | 一种致热缺陷检测方法及系统 |
CN108896186A (zh) * | 2018-05-15 | 2018-11-27 | 云南电网有限责任公司迪庆供电局 | 设备智能诊断的方法及装置 |
CN110472510A (zh) * | 2019-07-16 | 2019-11-19 | 上海电力学院 | 基于红外及可见图像的电力设备故障检测方法及评估设备 |
CN110530432A (zh) * | 2019-09-30 | 2019-12-03 | 国网山东省电力公司电力科学研究院 | 一种电网设备带电检测系统、红外热像仪及方法 |
CN111553910A (zh) * | 2020-05-06 | 2020-08-18 | 哈尔滨工业大学 | 一种基于红外图像的大型实验装置电器设备热故障检测方法 |
CN111624229A (zh) * | 2020-05-15 | 2020-09-04 | 嘉兴恒创电力设计研究院有限公司明绘分公司 | 一种基于红外成像的带电设备故障智能诊断方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117291921A (zh) * | 2023-11-27 | 2023-12-26 | 哪吒港航智慧科技(上海)有限公司 | 集装箱偶发残损样本挖掘及学习方法、装置、设备、介质 |
CN117291921B (zh) * | 2023-11-27 | 2024-03-12 | 哪吒港航智慧科技(上海)有限公司 | 集装箱偶发残损样本挖掘及学习方法、装置、设备、介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103901072B (zh) | 利用红外图谱分析诊断设备过热缺陷的方法 | |
JP5089105B2 (ja) | 過熱診断システム | |
CN111024416B (zh) | 一种列车牵引系统的故障诊断方法及系统 | |
CN103261986B (zh) | 用于测试和诊断液体分配器中的故障的系统和方法 | |
KR100844961B1 (ko) | 열화상 패턴 인식을 이용한 전기설비 자동 감시 진단 방법및 시스템 | |
JP2002092206A (ja) | 家電機器の故障診断システム | |
CN102840918A (zh) | 输变电设备红外图谱管理及分析方法 | |
CN107907235B (zh) | 一种变电站电容器自动测温预警装置及方法 | |
CN113160134A (zh) | 一种红外热图智能诊断装置及红外热图智能诊断方法 | |
CN104677504B (zh) | 决定装置和决定方法 | |
EP1506527A1 (en) | Method and apparatus for ir camera inspections | |
CN112113968A (zh) | 检测系统、视觉检测装置及检测方法 | |
CN113794857A (zh) | 一种开关柜非介入式监测方法、装置、存储介质 | |
CN113899973A (zh) | 基于红外热成像和可见光图像的发电设备故障诊断方法 | |
JP3972647B2 (ja) | 画像診断装置,画像診断システム及び画像診断方法 | |
CN110058156A (zh) | 基于瞬时三相电压电流不平衡度电机在线监测方法及系统 | |
JP2010249361A (ja) | 空気調和システム診断装置 | |
CN111784865A (zh) | 加氢站巡检数据处理方法及加氢站巡检装置 | |
CN111917606A (zh) | 故障信息的处理方法和装置、存储介质及电子设备 | |
CN111562450B (zh) | 一种用于监测电抗器寿命的系统及方法 | |
CN112465797A (zh) | 一种电缆终端热状态智能诊断方法及系统 | |
KR101592023B1 (ko) | 자동차 정비용 프로그램을 기록한 컴퓨터로 읽을 수 있는 매체 | |
JP3618573B2 (ja) | 電線腐食診断方法及び装置 | |
CN112798109B (zh) | 一种主板质量的检测评价装置 | |
CN111174830A (zh) | 机电设备检测系统及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210723 |