CN113884827A - 一种基于yolo的绝缘子紫外故障诊断方法及装置 - Google Patents
一种基于yolo的绝缘子紫外故障诊断方法及装置 Download PDFInfo
- Publication number
- CN113884827A CN113884827A CN202111143983.0A CN202111143983A CN113884827A CN 113884827 A CN113884827 A CN 113884827A CN 202111143983 A CN202111143983 A CN 202111143983A CN 113884827 A CN113884827 A CN 113884827A
- Authority
- CN
- China
- Prior art keywords
- image
- yolo
- ultraviolet
- insulator
- fault diagnosis
- 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
- 239000012212 insulator Substances 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000003745 diagnosis Methods 0.000 title claims abstract description 27
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000003750 conditioning effect Effects 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000011176 pooling Methods 0.000 description 6
- 238000009422 external insulation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000002211 ultraviolet spectrum Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000000825 ultraviolet detection Methods 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
- G01R31/1227—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 of components, parts or materials
- G01R31/1263—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 of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation
- G01R31/1272—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 of components, parts or materials of solid or fluid materials, e.g. insulation films, bulk material; of semiconductors or LV electronic components or parts; of cable, line or wire insulation of cable, line or wire insulation, e.g. using partial discharge measurements
-
- 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
- G01R31/12—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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明涉及一种基于YOLO的绝缘子紫外故障诊断方法及装置，通过判断绝缘子类型、搭建一种较为经济的紫外成像仪器，通过采用紫外成像仪对绝缘子进行拍摄，将紫外图像预处理后带入YOLO‑V3网络进行故障定位，提高了检测的速度和状态诊断的准确度，可以应用在复杂的自然环境中，使绝缘子运维更加智能化。
Description
技术领域
本发明涉及电性能测试技术领域，特别是涉及一种基于YOLO的绝缘子紫外故障诊断方法及装置。
背景技术
绝缘子是电网的主要电气设备之一，在长期的电、热、环境和机械应力的作用下，不可避免的会出现外绝缘劣化、老化甚至损坏的问题，危及电力系统的安全稳定运行。外绝缘性能下降的设备往往伴随有表面局部电场的畸变，形成表面放电。紫外成像法作为检测外绝缘表面异常放电的方法，可及早发现存在的外绝缘隐患或损伤，对于降低设备故障率，保障电力系统安全运行意义重大。
随着无人机和直升机等巡检方式的运用，电力巡检的作业难度有所减小，可采用无人机携带紫外成像仪进行拍摄。但是，如何在复杂背景的紫外图像中，准确定位识别绝缘子放电位置成为一种挑战。许多专家学者研究了传统识别算法在绝缘子放电识别领域中的应用。传统识别方法需要人工设计提取特征，这个环节主要依靠经验，且针对的场景比较单一，算法的鲁棒性不高。算法的应用场景处于自然环境中，十分复杂多变，因此要求算法有一定的鲁棒性。所以传统识别方法在绝缘子放电识别中具有一定的局限性。
发明内容
本发明的目的是提供一种基于YOLO的绝缘子紫外故障诊断方法及装置，提高绝缘子紫外故障定位的实时性和准确性。
为实现上述目的，本发明提供了如下方案：
一种基于YOLO的绝缘子紫外故障诊断方法，所述诊断方法包括：
获取待诊断的绝缘子紫外图像；
对所述待诊断的绝缘子紫外图像的放电点进行批量框选以得到框选图像；
利用YOLO-V3模型对所述框选图像进行分割，得到分割后的框选图像；
采用不同尺寸的先验框提取所述分割后的框选图像的图像特征；
计算先验框内的图像特征的置信度并计算所述先验框的IOU值；
横向比较所述先验框的IOU值，采用二进制交叉熵损失预测方法得到绝缘子紫外故障的位置。
可选的，所述对所述待诊断的绝缘子紫外图像的放电点进行批量框选以得到框选图像，具体包括：
获取所述待诊断的绝缘子紫外图像；
根据目标确定所述待诊断的绝缘子紫外图像的中心点；
将所述待诊断的绝缘子紫外图像分成均等大小的单元格并计算中心点所在单元的坐标；
根据所述中心点所在单元的坐标计算预测的边界框，以得到框选图像。
可选的，所述计算先验框内的图像特征的置信度，具体包括：
判断所述先验框内的图像特征中是否包括待诊断目标；若是，则置信度为1；若否，则置信度为0。
可选的，所述YOLO-V3模型包括：特征提取层和处理输出层；
所述特征提取层为Darknet-53和ResNet类网络的组合，
所述处理输出层为FPN网络。
可选的，所述框选图像的图像特征包括：放电的相对光子数和相对光斑面积。
一种基于YOLO的绝缘子紫外故障诊断装置，所述诊断装置包括：
计算机，用于通过接口发出命令和数据；
单片机，与所述计算机连接，用于接收所述命令和数据，并发送控制指令；
光电转换模块，与所述单片机连接，用于根据所述控制指令输出Vin控制信号；
光电倍增管，与所述光电转换模块连接，用于根据所述Vin控制信号调节增益，并输出电流信号；
I/U转换模块，与所述光电倍增管连接，用于将所述电流信号转换为电压信号；
信号调理模块，与所述I/U转换模块连接，用于对所述电压信号进行放大；
数据采集卡，与所述信号调理模块连接，用于采集放大后的电压信号；
显示模块，与所述数据采集卡连接，用于显示所述放大后的电压信号。
可选的，所述光电转换模块包括：数模转换器和高压电源；
所述单片机、所述数模转换器、所述高压电源和所述光电倍增管依次连接。
可选的，所述信号调理模块包括：信号放大器和数字电位器，所述信号放大器的第1引脚和第8引脚之间跨接所述数字电位器，用于调整所述信号放大器的放大倍数。
可选的，所述光电倍增管为端窗型日盲型光电倍增管。
根据本发明提供的具体实施例，本发明公开了以下技术效果：本发明充分利用了紫外成像仪的可见光路径和紫外光路径的双重光路信息，可实现绝缘子紫外故障自动定位。通过采用紫外成像仪对绝缘子进行拍摄，将紫外图像预处理后带入YOLO-V3网络进行故障定位，提高了检测的速度和状态诊断的准确度，可以应用在复杂的自然环境中，使绝缘子运维更加智能化。
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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的基于YOLO的绝缘子紫外故障诊断方法的流程示意图；
图2为本发明提供的基于YOLO的绝缘子紫外故障诊断装置的系统示意图。
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。
本发明的目的是提供一种快速、准确诊断绝缘子紫外故障位置的方法及装置。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明提供的基于YOLO的绝缘子紫外故障诊断方法流程图如图所示，该诊断方法包括：
S101：获取待诊断的绝缘子紫外图像。
S102：对待诊断的绝缘子紫外图像的放电点进行批量框选以得到框选图像。
S103：利用YOLO-V3模型对框选图像进行分割，得到分割后的框选图像。框选图像的图像特征包括：放电的相对光子数和相对光斑面积。
S104：采用不同尺寸的先验框提取分割后的框选图像的图像特征。
S105：计算先验框内的图像特征的置信度并计算先验框的IOU值。
S106：横向比较先验框的IOU值，采用二进制交叉熵损失预测方法得到绝缘子紫外故障的位置。
在具体的实施例中，步骤S102具体包括：
获取待诊断的绝缘子紫外图像；
根据目标确定待诊断的绝缘子紫外图像的中心点；
将待诊断的绝缘子紫外图像分成均等大小的单元格并计算中心点所在单元的坐标；
根据中心点所在单元的坐标计算预测的边界框，以得到框选图像。
在具体的实施例中，计算先验框内的图像特征的置信度具体包括：
判断先验框内的图像特征中是否包括待诊断目标；如果有待诊断的目标，设置为1；否则，将其设为0；然后计算IOU的大小。
传统算法通常使用人工选择框，但人工选择会导致精度降低。为了更好地选择先前的网络，YOLO-V3继承了YOLO-V2计算锚点框选的方法，并采用K-means聚类方法来训练边界框。此方法使用IoU分数作为最终评估标准，基于平均IOU选择9个锚点来预测边界框，从而实现精度的提升。
YOLO-V3模型具体地包括：特征提取层和处理输出层。
特征提取层为Darknet-53和ResNet类网络的组合，处理输出层为FPN网络。
YOLO-V3模型可以具体分为106层完全卷积的架构，包含了卷积(conv)层、BN层、shortcut层、route层、上采样(upsample)层、YOLO层。在卷积层中，对不同类型的紫外放电图像的像素信息作为输入，进行特征提取，在复杂底层结构的基础上，选用shortcut层大大降低训练难度，提高训练准确率。通过route层实现跨层连接，促进多个不同特征的融合并一起学习。上采样层使用两个上采样来将大分辨率特征图与小分辨率特征图有机联结，以增强对小目标的识别。最后通过YOLO层输出预测对象的坐标和类别。
利用YOLO-V3对不同类型的光斑图像的每一个像素信息作为输入，对光斑的面积、亮度和边缘信息进行特征提取。从所有的紫外试验录像中获取4243帧紫外图谱，共有三类图像，其中Class1：图片数量1354张；Class2：图片数量1421张；Class3：图片数量1468张。
选取图片数量80％作为训练集，20％作为测试集。为了提高学习效率，加速收敛，在CNN卷积积分网络中引入批标准化，卷积层使用了32个过滤器，对紫外图像进行扫描提取特征值，激活函数使用Relu，收敛快，求梯度简单。池化窗口和池化步长都设置为2，池化方式为最大池化(max pooling)，其优势大大减少了计算量和特征向量的纬度。多次重复上述池化过程，直至输入全连接层，最终利用SoftMax函数分类输出的信息，代表该图像属于不同污秽状态的概率
由于预测框可能包含多个类别，因此softmax函数会将每一个预测框放入一个类别中。因此，为了解决多个标签可能重叠的问题，使用二进制交叉熵损失预测类。最后根据上述步骤中定位出绝缘子故障位置，为绝缘子设备进行检修时提供参考。
本发明还提供了如图2所示的基于YOLO的绝缘子紫外故障诊断装置，其特征在于，诊断装置包括：计算机、单片机、光电转换模块、光电倍增管、I/U转换模块、信号调理模块、数据采集卡和显示模块。
计算机用于通过接口发出命令和数据。
单片机与计算机连接，用于接收命令和数据，并发送控制指令。
光电转换模块与单片机连接，用于根据控制指令输出Vin控制信号。
光电倍增管与光电转换模块连接，用于根据Vin控制信号调节增益，并输出电流信号。
I/U转换模块与光电倍增管连接，用于将电流信号转换为电压信号。
信号调理模块与I/U转换模块连接，用于对电压信号进行放大。
数据采集卡与信号调理模块连接，用于采集放大后的电压信号。
显示模块与数据采集卡连接，用于显示放大后的电压信号。
具体地，数模转换器和高压电源，单片机、数模转换器、高压电源和光电倍增管依次连接。信号调理模块包括：信号放大器和数字电位器。
在固定好紫外成像装置，保证电源端、接地端连线正常，输入信号正常。
然后，计算机通过RS232接口将相应的命令和数据发送给单片机，单片机根据接收数据控制数模转换器的电压输出实现对Vin的控制，从而实现对光电倍增管增益的调整。在高压电源给光电倍增管供电和放电产生光信号之后，光电倍增管开始工作，然后到I/U电压电流的转换，再到信号放大器，然后是输出到采集卡，再到电脑。其中电脑通过控制单片机，单片机控制放大器对倍增管产生电压的倍数。最后通过液晶显示器用于显示相关的控制信息(如放大倍数)。调整好设备后，采用紫外成像装置对高压设备放电图谱进行采集，对存在放电的高压设备进行拍照并存储图谱。汇总存在电晕放电的设备包括悬式绝缘子、支柱绝缘子、刀闸、导线、金具等，构建共计7784张存在电晕放电的高压电力设备紫外图谱数据集。
本发明选择端窗型日盲型光电倍增管，具有高增益、高信噪比和快速的响应特性。光电倍增管采用了10级倍增结构，在工作时需在其阴极K、中间级Dy和阳极P之间施加合适的直流高压以实现对光电子的倍增。
为了能实现计算机控制光电倍增管的增益，系统在高压电源之间跨接数字电位器代替传统的可变电阻，计算机利用RS232接口将相应的命令和数据发送给单片机，单片机根据接收数据控制数模转换器的电压输出实现对Vin的控制，从而实现对光电倍增管增益的调整。
系统经过光电倍增管输出后的信号为电流信号，输出电流最大值仅为150uA，需进行信号的放大，但传统的放大器的输入信号一般是电压信号，因此要先将电流信号转换为电压信号，之后经放大电路放大再输入到数据采集系统。光电倍增管输出的电流信号首先经过I/U转换部分，然后进行放大。为了实现智能化的控制，系统在信号放大器的1和8脚之间跨接数字电位器取代传统的可变电阻，通过计算机将相应的指令发送到单片机，单片通过指令改变数字电位器的电阻值实现对信号放大器放大倍数的调整。但是数字电位器每次上电后的电阻值是未知的，每次上电初始化时需把数字电位器阻值调整为最大后再进行电阻的增减档。显示模块系统采用了128*64点整的液晶显示屏，并设置键盘显示器控制器、键盘和LED。
本发明通过采用搭建基于光电转换模块、信号调理模块的紫外检测装置可降低设备费用。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于YOLO的绝缘子紫外故障诊断方法，其特征在于，所述诊断方法包括：
获取待诊断的绝缘子紫外图像；
对所述待诊断的绝缘子紫外图像的放电点进行批量框选以得到框选图像；
利用YOLO-V3模型对所述框选图像进行分割，得到分割后的框选图像；
采用不同尺寸的先验框提取所述分割后的框选图像的图像特征；
计算先验框内的图像特征的置信度并计算所述先验框的IOU值；
横向比较所述先验框的IOU值，采用二进制交叉熵损失预测方法得到绝缘子紫外故障的位置。
2.根据权利要求1所述的基于YOLO的绝缘子紫外故障诊断方法，其特征在于，所述对所述待诊断的绝缘子紫外图像的放电点进行批量框选以得到框选图像，具体包括：
获取所述待诊断的绝缘子紫外图像；
根据目标确定所述待诊断的绝缘子紫外图像的中心点；
将所述待诊断的绝缘子紫外图像分成均等大小的单元格并计算中心点所在单元的坐标；
根据所述中心点所在单元的坐标计算预测的边界框，以得到框选图像。
3.根据权利要求1所述的基于YOLO的绝缘子紫外故障诊断方法，其特征在于，所述计算先验框内的图像特征的置信度，具体包括：
判断所述先验框内的图像特征中是否包括待诊断目标；若是，则置信度为1；若否，则置信度为0。
4.根据权利要求1所述的基于YOLO的绝缘子紫外故障诊断方法，其特征在于，所述YOLO-V3模型包括：特征提取层和处理输出层；
所述特征提取层为Darknet-53和ResNet类网络的组合，
所述处理输出层为FPN网络。
5.根据权利要求1所述的基于YOLO的绝缘子紫外故障诊断方法，其特征在于，所述框选图像的图像特征包括：放电的相对光子数和相对光斑面积。
6.一种基于YOLO的绝缘子紫外故障诊断装置，其特征在于，所述诊断装置包括：
计算机，用于通过接口发出命令和数据；
单片机，与所述计算机连接，用于接收所述命令和数据，并发送控制指令；
光电转换模块，与所述单片机连接，用于根据所述控制指令输出Vin控制信号；
光电倍增管，与所述光电转换模块连接，用于根据所述Vin控制信号调节增益，并输出电流信号；
I/U转换模块，与所述光电倍增管连接，用于将所述电流信号转换为电压信号；
信号调理模块，与所述I/U转换模块连接，用于对所述电压信号进行放大；
数据采集卡，与所述信号调理模块连接，用于采集放大后的电压信号；
显示模块，与所述数据采集卡连接，用于显示所述放大后的电压信号。
7.根据权利要求6所述的基于YOLO的绝缘子紫外故障诊断装置，其特征在于，所述光电转换模块包括：数模转换器和高压电源；
所述单片机、所述数模转换器、所述高压电源和所述光电倍增管依次连接。
8.根据权利要求7所述的基于YOLO的绝缘子紫外故障诊断装置，其特征在于，所述信号调理模块包括：信号放大器和数字电位器，所述信号放大器的第1引脚和第8引脚之间跨接所述数字电位器，用于调整所述信号放大器的放大倍数。
9.根据权利要求6-8任一项所述的基于YOLO的绝缘子紫外故障诊断装置，其特征在于，所述光电倍增管为端窗型日盲型光电倍增管。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111143983.0A CN113884827A (zh) | 2021-09-28 | 2021-09-28 | 一种基于yolo的绝缘子紫外故障诊断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111143983.0A CN113884827A (zh) | 2021-09-28 | 2021-09-28 | 一种基于yolo的绝缘子紫外故障诊断方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113884827A true CN113884827A (zh) | 2022-01-04 |
Family
ID=79007568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111143983.0A Pending CN113884827A (zh) | 2021-09-28 | 2021-09-28 | 一种基于yolo的绝缘子紫外故障诊断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113884827A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115830518A (zh) * | 2023-02-15 | 2023-03-21 | 南京瀚元科技有限公司 | 一种红外场景下电力巡检视频智能抽帧的方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106950472A (zh) * | 2017-03-16 | 2017-07-14 | 江苏省电力试验研究院有限公司 | 一种基于红外紫外成像的绝缘子检测方法 |
| CN110780164A (zh) * | 2019-11-04 | 2020-02-11 | 华北电力大学（保定） | 基于yolo的绝缘子红外故障定位诊断方法及装置 |
| CN113065484A (zh) * | 2021-04-09 | 2021-07-02 | 华北电力大学（保定） | 一种基于紫外图谱的绝缘子污秽状态评估方法 |
| CN113125908A (zh) * | 2021-04-16 | 2021-07-16 | 华北电力大学 | 一种绝缘子污秽度诊断装置及其检测方法 |
| CN113343918A (zh) * | 2021-06-30 | 2021-09-03 | 国网山东省电力公司电力科学研究院 | 一种电力设备识别方法、系统、介质及电子设备 |
-
2021
- 2021-09-28 CN CN202111143983.0A patent/CN113884827A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106950472A (zh) * | 2017-03-16 | 2017-07-14 | 江苏省电力试验研究院有限公司 | 一种基于红外紫外成像的绝缘子检测方法 |
| CN110780164A (zh) * | 2019-11-04 | 2020-02-11 | 华北电力大学（保定） | 基于yolo的绝缘子红外故障定位诊断方法及装置 |
| CN113065484A (zh) * | 2021-04-09 | 2021-07-02 | 华北电力大学（保定） | 一种基于紫外图谱的绝缘子污秽状态评估方法 |
| CN113125908A (zh) * | 2021-04-16 | 2021-07-16 | 华北电力大学 | 一种绝缘子污秽度诊断装置及其检测方法 |
| CN113343918A (zh) * | 2021-06-30 | 2021-09-03 | 国网山东省电力公司电力科学研究院 | 一种电力设备识别方法、系统、介质及电子设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115830518A (zh) * | 2023-02-15 | 2023-03-21 | 南京瀚元科技有限公司 | 一种红外场景下电力巡检视频智能抽帧的方法 |
| CN115830518B (zh) * | 2023-02-15 | 2023-05-09 | 南京瀚元科技有限公司 | 一种红外场景下电力巡检视频智能抽帧的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111289854B (zh) | 基于紫外视频的3d-cnn和lstm的绝缘子绝缘状态评估方法 | |
| CN112233073A (zh) | 一种变电设备红外热成像异常实时检测方法 | |
| CN112200178B (zh) | 基于人工智能的变电站绝缘子红外图像检测方法 | |
| CN114240878A (zh) | 面向巡检场景的绝缘子缺陷检测神经网络构建与优化方法 | |
| CN113159334B (zh) | 基于轻量型深度学习的电气设备红外图像实时性检测与诊断方法 | |
| CN116054417B (zh) | 一种变电站用的监控系统及方法 | |
| CN110751642A (zh) | 一种绝缘子裂缝检测方法和系统 | |
| CN113884827A (zh) | 一种基于yolo的绝缘子紫外故障诊断方法及装置 | |
| CN113361473B (zh) | 图像处理、模型训练方法、装置、设备、存储介质及程序 | |
| CN114627044A (zh) | 一种基于深度学习的太阳能光伏组件热斑检测方法 | |
| CN113776670A (zh) | 一种基于红外图像的电力设备监测系统及方法 | |
| CN113642558A (zh) | 耐张线夹压接缺陷的x射线图像识别方法及装置 | |
| CN114792328A (zh) | 一种红外热成像图像处理和分析的方法 | |
| CN116739996A (zh) | 基于深度学习的输电线路绝缘子故障诊断方法 | |
| CN115690505A (zh) | 光伏组件故障检测方法、装置、计算机设备及存储介质 | |
| CN114331987A (zh) | 一种接线端子锈蚀全景监控图像的边缘侧轻量化处理方法 | |
| CN115331081A (zh) | 图像目标检测方法与装置 | |
| CN115147591A (zh) | 一种变电设备红外图像电压致热型缺陷诊断方法及系统 | |
| CN114494186A (zh) | 一种高压输变电线路电气设备的故障检测方法 | |
| CN114821309A (zh) | 一种室内变电站开关及指示灯状态识别方法及系统 | |
| CN111242053A (zh) | 一种输电线路火焰检测方法及系统 | |
| Tang et al. | Fault diagnosis of the external insulation infrared images based on Mask Region convolutional neural network and perceptual hash joint algorithm | |
| CN113763471A (zh) | 一种基于视觉的弹孔检测方法及系统 | |
| CN107862317B (zh) | 一种日光环境下输电设备电晕的可见光图像rgb识别方法 | |
| CN113393453A (zh) | 用于检测自爆绝缘子的方法、装置、设备、介质和产品 |
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: 20220104 |
|
| WD01 | Invention patent application deemed withdrawn after publication |