CN113269748A - 一种红外可见光图像融合的电缆接头故障预警系统及方法 - Google Patents
一种红外可见光图像融合的电缆接头故障预警系统及方法 Download PDFInfo
- Publication number
- CN113269748A CN113269748A CN202110571469.0A CN202110571469A CN113269748A CN 113269748 A CN113269748 A CN 113269748A CN 202110571469 A CN202110571469 A CN 202110571469A CN 113269748 A CN113269748 A CN 113269748A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- visible light
- cable joint
- cable
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 20
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000010438 heat treatment Methods 0.000 claims abstract description 8
- 238000001914 filtration Methods 0.000 claims abstract description 3
- 238000005728 strengthening Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 12
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000007500 overflow downdraw method Methods 0.000 claims description 5
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011897 real-time detection 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种红外可见光图像融合的电缆接头故障预警系统及方法,该系统包括一台红外热像仪、一台网络摄像机、一个图像采集器和一台图像处理计算机。首先利用红外热像仪和网络摄像机对电缆井下电缆接头进行红外与可见光图像实时信息采集,然后通过图像采集器将显示的红外与可见光图像信息传输给图像处理计算机。图像处理计算机首先对得到的红外与可见光图像进行滤波、去雾和强化处理,再将经过图像处理后的图像进行基于稀疏表示的图像融合方式生成新的融合图像,最后图像处理计算机通过融合图像对当前电缆接头发热情况进行判断从而对电缆接头起到故障预警的功能。本方法安装简便,一定程度上能实现无人化巡检,可满足电缆井下电缆接头故障的实时预警功能。
Description
技术领域
本发明涉及电力巡检技术领域,具体为一种红外可见光图像融合的电缆接头故障预警系统及方法。
技术背景
电缆井是为了方便施工电缆敷设和巡检人员进行电缆检测而建立的。
目前,巡检人员会定期对电缆井内电缆进行红外测温,然而,传统红外测温需要巡检人员亲力亲为,加上电缆井内环境恶劣,不确定因素较多,巡检人员难以实现对井内电缆接头的实时检测。电缆井内易积水潮湿从而对电缆接头有侵蚀作用,电缆接头易发生异常发热,部分电缆井内安装了网络摄像机,但是网络摄像机只能获取井内电缆和场景等信息,无法获取电缆接头发热信息,只有当故障发生并且已经造成严重损失才能得知电缆接头发生异常发热。
申请公布号为CN112001260A,发明名称为一种基于红外可见光图像融合的电缆沟故障检测方法的专利,采用基于图像显著性的双尺度融合方式对可见光图像和红外图像进行融合,该方法基于预先设定的基函数进行图像融合,容易忽略源图像某些重要特征。
发明内容
发明目的:
针对背景技术的不足,提出一种红外可见光图像融合的电缆接头故障预警系统及方法,红外图像可以对电缆接头的热辐射进行成像,利用红外图像和可见光图像的不同特性对电缆接头进行成像不仅可以掌握电缆接头的发热情况,而且当电缆接头发生异常发热时能够确定具体的异常发热的电缆接头,巡检人员能够实时观测电缆井内电缆接头状态,从而缩短维修时间,提高工作效率。
采用基于稀疏表示的图像融合方法,有利于图像更好地表达和提取,且稀疏表示是利用滑窗技术将图像分割成多个重叠小块并将其向量化,可减少图像伪影现象,提高抗误配准的鲁棒性。
本发明的技术方案为:
一种红外可见光图像融合的电缆接头故障预警系统及方法,能够实时采集到红外和可见光图像,并将所述图像进行预处理,然后将红外和可见光图像进行融合,图像计算机检测电缆井内电缆接头的发热状况,并标记出具体的发热电缆接头。
其中包括:一台红外热像仪、一台数字摄像机、一个图像传输器和一台图像处理计算机。
在实施方式中,电缆接头包括电缆井内敷设的电力电缆接头等其他地下电缆接头。
在实施方式中,红外热像仪,固定安装在电缆井井盖背面,安装位姿应完整采集各电缆接头红外图像。
在实施方式中,数字摄像机,固定安装在电缆井井盖背面,具有相应的补光设备,安装位姿应完整采集各电缆接头可见光图像并与红外热像仪采集的红外图像相对应。
在实施方式中,图像传输器,固定安装在红外热像仪与数字摄像机尾端将红外热像仪和数字摄像机采集的红外和可见光图像传输给图像处理计算机,所述的图像传输器具备传输自适应功能,当电缆接头发热量高时传输时间间隔短,反之传输时间间隔长,具体传输时间间隔可通过程序做调整,传输方式可通过网线或无线传输。
在实施方式中,图像处理计算机将得到的红外和可见光图像进行滤波、去雾和强化处理,再将红外和可见光图像进行融合得到融合后的图像,根据融合后的图像进行特征分析最终对电缆接头实况进行预警。
附图说明
图1为本发明的设备安装示意图;
图2为本发明的系统流程图;
图3为本发明的图像融合流程图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细阐述。
设备安装:
本发明的电缆井内成像设备及电缆的相对位置如图1所示,电缆井井盖1,电缆井2,一台红外热像仪3,一台数字摄像机4,一个补光设备5,一块图像传输器6,电缆井内电缆7,电缆井内电缆接头8。
补光设备5固定安装在数字摄像机4背部,为电缆井提供光照,红外热像仪3和数字摄像机4分别固定安装于电缆井井盖背面,使得红外热像仪3与数字摄像机4完整拍摄到井内各电缆接头并保证红外图像与可见光图像相对应,红外热像仪3和数字摄像机4与图像传输器6连接,图像传输器6分别将红外热像仪3采集的红外图像和数字摄像机4采集的可见光图像传输给图像处理计算机,图像处理计算机对获取的红外图像和可见光图像进行融合得到融合图像。
本发明的具体流程如图2所示。
图像融合算法:
如图3所示,利用基于稀疏表示的图像融合方法,将红外图像和可见光进行融合。
以下步骤对红外图像和可见光图像操作相同,这里简称为图像。对获取的图像从左到右,从上到下进行扫描分成块,再对图像进行向量化记为矩阵Y,利用包含k个原子的字典D稀疏线性表示矩阵Y,则有以下公式:
式中,Y∈Rm×n,di为字典D的原子,同时为字典D的列向量,D∈Rm×k,X为稀疏矩阵,X∈Rk×n,xi为字典D的系数,同时为稀疏矩阵X的行向量,式(1)也可变换为下式:
考虑到原始图像的噪声,式(2)可表示为下式:
根据式(3),需要训练字典D和稀疏矩阵X,通过稀疏表示的信号会有残差,当残差足够小时满足条件。
字典D的生成采用K-SVD算法,稀疏矩阵X的生成采用OMP算法。具体流程如下:
S1、初始化,令残差E0=Y,从矩阵Y中随机取k个列向量或其奇异值分解Y=UΣVT后的矩阵U的前k个列向量作为初始字典D(0)。
S3、通过残差E0计算得到残差E1,计算方法如下:
Ek+1=(I-P)Ek (5)
更新字典,根据式(3)可得下式:
S5、将残差Ek中对应xk为零元素的列向量去除,提取部分残差E'k和不含零元素的x'k,此时式(6)可优化为下式:
S6、对部分残差E'k进行SVD分解得到下式:
E'k=UΣVT (8)
其中,取左奇异矩阵第一个列向量u1作为原子dk,即为字典D的第k列,取右奇异矩阵第一个行向量v1与第一个奇异值σ1的乘积作为x'k,再将其对应地更新到原系数xk中。
红外图像和可见光图像经过以上步骤分别被稀疏表示,再将红外图像和可见光图像的稀疏系数进行融合得到融合稀疏系数,稀疏系数融合方法如下:
XF=αXI+βXV (9)
其中,XF为融合稀疏系数,XI为红外图像稀疏系数,XV为可见光图像稀疏系数,α、β分别为红外和可见光图像稀疏系数权重,α+β=1。
图像的客观评价方法中,图像的标准差是反映了图像的对比度,图像的对比度增加,看起来更清晰,融合效果更优良。图像的标准差计算方法如下:
其中,σ为图像的标准差,M×N为图像的大小,F(i,j)为图像第i行第j列的像素值,μ为图像的均值。
则红外和可见光图像稀疏系数权重的计算方法为:
利用融合稀疏系数与字典进行重构,得到融合后的图像。
故障预警处理:
图像处理计算机结合融合图像中图像的颜色和温度的关系建立关系曲线,并检测出融合图像中的最高温度Th,判断电缆接头是否异常发热,即当时,图像处理计算机给出预警信号并在融合图像中标记出具体的电缆接头,其中,Tn表示电缆接头正常工作时的温度。
尽管已经对本发明具体实施方式做了详细说明,但本领域的研究人员基于具体实施方式仍然可以进行改进,若这些改进方式属于本发明同等技术领域内,则这些改进方式也应该包含在本发明内。
Claims (7)
1.一种红外可见光图像融合的电缆接头故障预警系统,其特征包括:一台红外热像仪、一台数字摄像机、一块图像传输器和一台图像处理计算机。
2.根据权利要求1所述的一种红外可见光图像融合的电缆接头故障预警系统,其特征在于,所述的电缆接头包括电缆井内敷设的电力电缆接头等其他地下电缆接头。
3.根据权利要求1所述的一种红外可见光图像融合的电缆接头故障预警系统,其特征在于,所述的红外热像仪,固定安装在电缆井井盖背面,安装位姿应完整采集各电缆接头红外图像。
4.根据权利要求1所述的一种红外可见光图像融合的电缆接头故障预警系统,其特征在于,所述的数字摄像机,固定安装在电缆井井盖背面,具有相应的补光设备,安装位姿应完整采集各电缆接头可见光图像并与红外热像仪采集的红外图像相对应。
5.根据权利要求1所述的一种红外可见光图像融合的电缆接头故障预警系统,其特征在于,所述的图像传输器,固定安装在红外热像仪与数字摄像机尾端将红外热像仪和数字摄像机采集的红外和可见光图像传输给图像处理计算机,所述的图像传输器具备传输自适应功能,当电缆接头发热量高时传输时间间隔短,反之传输时间间隔长,具体传输时间间隔可通过程序做调整,传输方式可通过网线或无线传输。
6.根据权利要求1所述的一种红外可见光图像融合的电缆接头故障预警方法,其特征在于,所述的图像处理计算机将得到的红外和可见光图像进行滤波、去雾和强化处理,再将红外和可见光图像进行融合得到融合后的图像,根据融合后的图像进行特征分析最终对电缆接头实况进行预警,
所述的图像处理计算机的融合方法为,对获取的图像从左到右,从上到下进行扫描分成块,再对图像进行向量化记为矩阵Y,利用包含k个原子的字典D稀疏线性表示矩阵Y,则有以下公式:
该式可变换为下式:
考虑原始图像的噪声,可表示为下式:
字典D的生成采用K-SVD算法,稀疏矩阵X的生成采用OMP算法,具体流程如下:
S1、初始化,令残差E0=Y,从矩阵Y中随机取k个列向量或其奇异值分解Y=UΣVT后的矩阵U的前k个列向量作为初始字典D(0);
S3、通过残差E0计算得到残差E1,计算方法如下:
Ek+1=(I-P)Ek
字典可根据下式更新:
S5、将残差Ek中对应xk为零元素的列向量去除,提取部分残差E'k和不含零元素的x'k,则问题可优化为下式:
S6、对部分残差E'k进行SVD分解得到下式:
E'k=UΣVT
取左奇异矩阵第一个列向量u1作为原子dk,即为字典D的第k列,取右奇异矩阵第一个行向量v1与第一个奇异值σ1的乘积作为x'k,再将其对应地更新到原系数xk中;
得到的红外和可见光图像的稀疏系数通过下式进行融合:
XF=αXI+βXV
稀疏系数权重通过图像标准差获得,具体计算公式如下:
利用融合稀疏系数与字典进行重构,得到融合后的图像。
7.根据权利要求6所述的图像融合方法,其特征在于,所述步骤可交替进行,即更新字典和稀疏矩阵两者同时进行,固定其中一个变量,优化另一个变量,如此交替进行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110571469.0A CN113269748A (zh) | 2021-05-25 | 2021-05-25 | 一种红外可见光图像融合的电缆接头故障预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110571469.0A CN113269748A (zh) | 2021-05-25 | 2021-05-25 | 一种红外可见光图像融合的电缆接头故障预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113269748A true CN113269748A (zh) | 2021-08-17 |
Family
ID=77232748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110571469.0A Pending CN113269748A (zh) | 2021-05-25 | 2021-05-25 | 一种红外可见光图像融合的电缆接头故障预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113269748A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080219509A1 (en) * | 2007-03-05 | 2008-09-11 | White Marvin S | Tracking an object with multiple asynchronous cameras |
CN107730479A (zh) * | 2017-08-30 | 2018-02-23 | 中山大学 | 基于压缩感知的高动态范围图像去伪影融合方法 |
CN108122219A (zh) * | 2017-11-30 | 2018-06-05 | 西北工业大学 | 基于联合稀疏与非负稀疏的红外与可见光图像融合方法 |
CN108846418A (zh) * | 2018-05-24 | 2018-11-20 | 广东电网有限责任公司 | 一种电缆设备温度异常定位与识别方法 |
CN112001260A (zh) * | 2020-07-28 | 2020-11-27 | 国网湖南省电力有限公司 | 一种基于红外可见光图像融合的电缆沟故障检测方法 |
-
2021
- 2021-05-25 CN CN202110571469.0A patent/CN113269748A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080219509A1 (en) * | 2007-03-05 | 2008-09-11 | White Marvin S | Tracking an object with multiple asynchronous cameras |
CN107730479A (zh) * | 2017-08-30 | 2018-02-23 | 中山大学 | 基于压缩感知的高动态范围图像去伪影融合方法 |
CN108122219A (zh) * | 2017-11-30 | 2018-06-05 | 西北工业大学 | 基于联合稀疏与非负稀疏的红外与可见光图像融合方法 |
CN108846418A (zh) * | 2018-05-24 | 2018-11-20 | 广东电网有限责任公司 | 一种电缆设备温度异常定位与识别方法 |
CN112001260A (zh) * | 2020-07-28 | 2020-11-27 | 国网湖南省电力有限公司 | 一种基于红外可见光图像融合的电缆沟故障检测方法 |
Non-Patent Citations (4)
Title |
---|
AZIMI-SADJADI M R等: "K-SVD dictionary learning using a fast OMP with applications", 《2014 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP)》, pages 1599 - 1603 * |
MACAN_DCT: "机器学习——回归算法之正交匹配追踪算法", pages 1 - 2, Retrieved from the Internet <URL:《https://blog.csdn.net/weixin_42211626/article/details/100860166》> * |
梁洪源: "基于红外与可见光图像融合的电缆接头故障监测与预警技术研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》, no. 2, pages 042 - 3029 * |
许晓伟: "基于稀疏表示的红外与可见光图像融合方法研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, no. 2, pages 28 - 29 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108846418B (zh) | 一种电缆设备温度异常定位与识别方法 | |
CN103901072B (zh) | 利用红外图谱分析诊断设备过热缺陷的方法 | |
CN111751002B (zh) | 一种基于红外热成像的带电设备故障智能诊断方法 | |
CN107491781A (zh) | 一种巡检机器人可见光与红外传感器数据融合方法 | |
CN108564565A (zh) | 一种基于深度学习的电力设备红外图像多目标定位方法 | |
CN110288578A (zh) | 一种高识别率的电力设备缺陷红外图像识别系统 | |
CN105205818A (zh) | 一种电气设备红外图像和可见光图像配准的方法 | |
CN102445323B (zh) | 一种基于图像处理的定日镜故障诊断方法及系统 | |
CN105388414A (zh) | 一种隔离开关的全方位故障自动识别方法 | |
CN110097531B (zh) | 一种用于无人机电力巡检的异构图像融合检测方法 | |
CN104948914B (zh) | 使用热成像的过程管道异常检测 | |
CN107767374A (zh) | 一种gis盆式绝缘子内部导体局部过热智能诊断方法 | |
CN114494185B (zh) | 一种基于rgb-t多尺度特征融合的电气设备故障检测方法 | |
CN114022798A (zh) | 一种基于数字孪生技术的变电站巡检机器人避障方法 | |
CN112013966A (zh) | 一种基于测量温度的电力设备红外图像处理方法 | |
CN112434598A (zh) | 一种非接触式体温测量方法和系统 | |
CN109858636A (zh) | 基于混合现实的电力线路带电作业方法及设备 | |
CN113269748A (zh) | 一种红外可见光图像融合的电缆接头故障预警系统及方法 | |
CN111402249A (zh) | 基于深度学习的图像演化分析方法 | |
CN113834585A (zh) | 还原炉内硅棒检测方法及系统、装置、介质及电子设备 | |
CN114792328A (zh) | 一种红外热成像图像处理和分析的方法 | |
CN117671396A (zh) | 施工进度的智能监控预警系统及方法 | |
CN112465797A (zh) | 一种电缆终端热状态智能诊断方法及系统 | |
Jung et al. | Matching of thermal and color images with application to power distribution line fault detection | |
EP3706270B1 (en) | Artificial intelligence monitoring system using infrared images to identify hotspots in a switchgear |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210817 |