CN114418941B - 一种基于电力巡检设备检测数据的缺陷诊断方法及系统 - Google Patents
一种基于电力巡检设备检测数据的缺陷诊断方法及系统 Download PDFInfo
- Publication number
- CN114418941B CN114418941B CN202111504538.2A CN202111504538A CN114418941B CN 114418941 B CN114418941 B CN 114418941B CN 202111504538 A CN202111504538 A CN 202111504538A CN 114418941 B CN114418941 B CN 114418941B
- Authority
- CN
- China
- Prior art keywords
- image
- visible light
- preprocessed
- infrared
- registration
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 35
- 230000007547 defect Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000007689 inspection Methods 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 title abstract description 16
- 238000001931 thermography Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 230000004927 fusion Effects 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims 4
- 238000004590 computer program Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000012360 testing method Methods 0.000 description 3
- 206010033799 Paralysis Diseases 0.000 description 1
- 206010047571 Visual impairment Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06T7/001—Industrial image inspection using an image reference approach
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种基于电力巡检设备检测数据的缺陷诊断方法及系统，属于电力诊断技术领域。本申请通过获取第一可见光摄像机、第二可见光摄像机和红外热成像摄像机拍摄的被测电气设备的第一可见光图像、第二可见光图像和红外图像；将红外图像转换成预设图像格式的标准红外图像；对第一可见光图像、第二可见光图像和标准红外图像进行预处理，并分别对第一预处理可见光图像和预处理红外图像、第二预处理可见光图像和预处理红外图像进行图像配准得到第一配准图像和第二配准图像，对第一配准图像和第二配准图像进行配准得到最终配准图像；将最终配准图像进行融合去噪得到目标图像；根据预设导则对目标图像进行缺陷诊断。以实现提高诊断准确度的效果。
Description
技术领域
本申请涉及电力诊断技术领域，尤其涉及一种基于电力巡检设备检测数据的缺陷诊断方法及系统。
背景技术
电力设备是现代化工业生产中最重要的装置之一，一旦设备出现故障，就有可能引发工业系统的瘫痪，造成重大经济损失。
目前，电力系统的电气设备主要是通过定期进行预防性试验进行诊断。但是，随着电气设备的发展和经济需求的变化，这些传统的诊断方法已经落后，被测试的设备在测试期间需要断电，这样就不能完全真实地反映设备在运行状态下的电场、温度、环境等的影响作用，不容易发现设备在运行状态下的缺陷，并且存在检测过渡的缺点。
目前一般都采用在线监测，例如通过超声波检测技术检测电气设备的绝缘缺陷故障，利用红外设备检测电气设备的发热故障等。
但是，当前电力系统中有多种类型的红外设备，例如在线式热像仪、手持式热像仪、无线测温传感器等，各种不同种类的设备分别应用于不同的场合，采集到的数据类型也不同，无法形成一个整体的解决方案，且单模太的红外图像对于电气设备的故障诊断结果也不够精确。
因此本申请提供了一种基于电力巡检设备检测数据的缺陷诊断方法及系统。
发明内容
本申请实施例的目的在于提供一种基于电力巡检设备检测数据的缺陷诊断方法及系统，以解决诊断结果不准确、采集数据类型不同的问题。具体技术方案如下：
第一方面，提供了一种基于电力巡检设备检测数据的缺陷诊断方法，所述电力巡检设备包括红外热成像摄像机、第一可见光摄像机和第二可见光摄像机，所述第一可见光摄像机、所述第二可见光摄像机和所述红外热成像摄像机形成三目图像采集系统，所述第一可见光摄像机和所述第二可见光摄像机的内外参数不同，所述方法包括如下步骤：
获取所述第一可见光摄像机、所述第二可见光摄像机和所述红外热成像摄像机拍摄的被测电气设备多方位、多角度的第一可见光图像、第二可见光图像和红外图像；
将所述红外图像转换成预设图像格式的标准红外图像；
对所述第一可见光图像、第二可见光图像和所述标准红外图像进行预处理得到第一预处理可见光图像、第二预处理可见光图像和预处理红外图像；
对所述第一预处理可见光图像和所述预处理红外图像进行图像配准得到第一配准图像；
对所述第二预处理可见光图像和所述预处理红外图像进行图像配准得到第二配准图像；
对所述第一配准图像和所述第二配准图像进行配准得到最终配准图像；
将所述最终配准图像输入到预构建的图像融合模型中进行融合去噪得到目标图像；
根据预设导则对所述目标图像进行缺陷诊断。
可选地，所述对所述第一可见光图像、第二可见光图像和所述标准红外图像进行预处理得到第一预处理可见光图像、第二预处理可见光图像和预处理红外图像包括如下步骤：
去除所述第一可见光图像、第二可见光图像和所述标准红外图像中模糊的图像；
在去除模糊图像后的图像中按照预设图像筛选规则筛选所述第一可见光图像、第二可见光图像和所述标准红外图像得到符合预设要求的图像。
可选地，所述预设图像筛选规则为：
将所述第一可见光图像、第二可见光图像和所述标准红外图像进行分组得到多组待处理图像，每组所述待处理图像中包含一张第一可见光图像、一张第二可见光图像和一张标准红外图像；
计算每组待处理图像的均值图像作为背景图像；
将每组待处理图像中的标准红外图像转换成灰度图像；
将每组待处理图像中的第一可见光图像和第二可见光图像转换成R通道的图像；
利用所述灰度图像减去所述背景图像得到候选红外图像；
利用所述R通道的图像减去所述背景图像得到的第一候选可见光图像和第二候选可见光图像；
利用二维高斯函数分别对所述候选红外图像、第一候选可见光图像和第二候选可见光图像进行滤波得到每组的第一预处理可见光图像、第二预处理可见光图像和预处理红外图像。
可选地，所述对所述第一预处理可见光图像和所述预处理红外图像进行图像配准得到第一配准图像包括如下步骤：
利用SIFT算法提取所述第一预处理可见光图像的特征点和所述预处理红外图像的特征点；
对于所述预处理红外图像中的任意一个特征点，在所述第一预处理可见光图像中计算每个特征点与该特征点的距离，并得到距离最近的前两个特征点；
利用最近的距离除以次近的距离的结果与预设阈值进行比较；
若小于所述预设阈值，则将最近距离的两个特征点确定为一对匹配点对；
若少于所述预设阈值，则删除所述预处理红外图像上的该特征点。
可选地，所述对所述第二预处理可见光图像和所述预处理红外图像进行图像配准得到第二配准图像包括如下步骤：
利用SIFT算法提取所述第二预处理可见光图像的特征点和所述预处理红外图像的特征点；
对于所述预处理红外图像中的任意一个特征点，在所述第二预处理可见光图像中计算每个特征点与该特征点的距离，并得到距离最近的前两个特征点；
利用最近的距离除以次近的距离的结果与预设阈值进行比较；
若小于所述预设阈值，则将最近距离的两个特征点确定为一对匹配点对；
若少于所述预设阈值，则删除所述预处理红外图像上的该特征点。
可选地，所述对所述第一配准图像和所述第二配准图像进行配准得到最终配准图像包括：
利用SIFT(Scale-Invariant Frature Transform，尺度不变特征转换)算法提取所述第一配准图像的特征点和所述第二配准图像的特征点；
对于所述第一配准图像中的任意一个特征点，在所述第二配准图像中计算每个特征点与该特征点的距离，并得到距离最近的前两个特征点；
利用最近的距离除以次近的距离的结果与预设阈值进行比较；
若小于所述预设阈值，则将最近距离的两个特征点确定为一对匹配点对；
若少于所述预设阈值，则删除所述第一配准图像上的该特征点。
第二方面，本申请提供一种基于电力巡检设备检测数据的缺陷诊断系统，所述系统包括：
获取单元，用于获取第一可见光摄像机、第二可见光摄像机和红外热成像摄像机拍摄的被测电气设备多方位、多角度的第一可见光图像、第二可见光图像和红外图像；
第一图像处理单元，用于将所述红外图像转换成预设图像格式的标准红外图像；
第二图像处理单元，用于对所述第一可见光图像、第二可见光图像和所述标准红外图像进行预处理得到第一预处理可见光图像、第二预处理可见光图像和预处理红外图像；
第一配准单元，用于对所述第一预处理可见光图像和所述预处理红外图像进行图像配准得到第一配准图像；
第二配准单元，用于对所述第二预处理可见光图像和所述预处理红外图像进行图像配准得到第二配准图像；
第三配准单元，用于对所述第一配准图像和所述第二配准图像进行配准得到最终配准图像；
融合单元，用于将所述最终配准图像输入到预构建的图像融合模型中进行融合去噪得到目标图像；
诊断单元，用于根据预设导则对所述目标图像进行缺陷诊断。
本申请实施例有益效果：
本申请实施例提供了一种基于电力巡检设备检测数据的缺陷诊断方法及系统，本申请通过两个不同参数的可见光摄像机采集的图像分别与红外热成像摄像机采集的图像进行配准后，将配准后的第一配准图像和第二配准图像进行二次配准，大大提高了图像配准率，从而进一步提高缺陷故障诊断准确率；另外通过对红外图像进行格式标准化处理，能够满足电力系统中各种型号、各种样式的红外设备。
当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本申请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，对于本领域普通技术人员而言，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为本申请实施例提供的一种基于电力巡检设备检测数据的缺陷诊断方法的流程图；
图2为本申请实施例提供的一种基于电力巡检设备检测数据的缺陷诊断系统的结构示意图。
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。
在对本申请实施例展开之前，首先对本申请实施例涉及到的技术进行说明。
SIFT算法是一个检测和描述图像局部特征的算法，在尺度空间寻找特征点，提取位置、尺度特征，适用于在海量特征数据库中进行快速、准确地匹配。
本申请实施例提供了一种基于电力巡检设备检测数据的缺陷诊断方法，所述电力巡检设备包括红外热成像摄像机、第一可见光摄像机和第二可见光摄像机，所述第一可见光摄像机、所述第二可见光摄像机和所述红外热成像摄像机形成三目图像采集系统，所述第一可见光摄像机和第二可见光摄像机的内外参数不同，下面将结合具体实施方式，对本申请实施例提供的一种基于电力巡检设备检测数据的缺陷诊断方法进行详细的说明，如图1所示，具体步骤如下：
步骤S101：获取所述第一可见光摄像机、所述第二可见光摄像机和所述红外热成像摄像机拍摄的被测电气设备多方位、多角度的第一可见光图像、第二可见光图像和红外图像。
在该步骤中，在进行图像采集之前，首先需要对第一可见光摄像机、第二可见光摄像机和红外热成像摄像机进行标定。标定时将第一可见光摄像机和第二可见光摄像机放置于红外热成像摄像机的两侧，形成三目视觉系统，首先通过第一可见光摄像机和第二可见光摄像机采集大量的标定板的图像，以分别计算第一可见光摄像机和第二可见光摄像机的内参数，然后再通过第一可见光摄像机和第二可见光摄像机采集同一视角的一张图像，利用各自的内参数计算外参数，最后通过第一可见光摄像机和第二可见光摄像机的内外参数去标定红外热成像摄像机的内外参数，具体标定方法均为现有技术，例如传统标定技术、自标定技术等，在此不再赘述。
步骤S102：将所述红外图像转换成预设图像格式的标准红外图像。
在该步骤中，预设图像格式例如为JPG格式，而采集的红外图像格式为JPEG格式，那么就可以通过格式转换器将红外图像的格式进行转换，以便进行后续处理。通过对红外图像的格式进行转换，能够满足电力系统中各种型号、各种样式的红外设备。
步骤S103：对所述第一可见光图像、第二可见光图像和所述标准红外图像进行预处理得到第一预处理可见光图像、第二预处理可见光图像和预处理红外图像。
步骤S104：对所述第一预处理可见光图像和所述预处理红外图像进行图像配准得到第一配准图像。
步骤S105：对所述第二预处理可见光图像和所述预处理红外图像进行图像配准得到第二配准图像。
步骤S106：对所述第一配准图像和所述第二配准图像进行配准得到最终配准图像。
在本申请实施例中，通过两个不同参数的可见光摄像机采集的图像分别与红外热成像摄像机采集的图像进行配准，能够进一步提高图像配准率，图像配准率直接影响缺陷诊断的结果。
步骤S107：将所述最终配准图像输入到预构建的图像融合模型中进行融合去噪得到目标图像。
步骤S108：根据预设导则对所述目标图像进行缺陷诊断。
在该步骤中，预设导则可以是《带电设备红外诊断技术应用导则》，其中包含40副典型故障的热像图谱，将目标图像与《带电设备红外诊断技术应用导则》中的热像图谱进行匹配来确定目标图像中的缺陷故障类型，进而得到诊断结果。
可选地，所述对所述第一可见光图像、第二可见光图像和所述标准红外图像进行预处理得到第一预处理可见光图像、第二预处理可见光图像和预处理红外图像包括如下步骤：
去除所述第一可见光图像、第二可见光图像和所述标准红外图像中模糊的图像；
在去除模糊图像后的图像中按照预设图像筛选规则筛选所述第一可见光图像、第二可见光图像和所述标准红外图像得到符合预设要求的图像。
可选地，所述预设图像筛选规则为：
将所述第一可见光图像、第二可见光图像和所述标准红外图像进行分组得到多组待处理图像，每组所述待处理图像中包含一张第一可见光图像、一张第二可见光图像和一张标准红外图像；
计算每组待处理图像的均值图像作为背景图像；
将每组待处理图像中的标准红外图像转换成灰度图像；
将每组待处理图像中的第一可见光图像和第二可见光图像转换成R通道的图像；
利用所述灰度图像减去所述背景图像得到候选红外图像；
利用所述R通道的图像减去所述背景图像得到的第一候选可见光图像和第二候选可见光图像；
利用二维高斯函数分别对所述候选红外图像、第一候选可见光图像和第二候选可见光图像进行滤波得到每组的第一预处理可见光图像、第二预处理可见光图像和预处理红外图像。
可选地，所述对所述第一预处理可见光图像和所述预处理红外图像进行图像配准得到第一配准图像包括如下步骤：
利用SIFT算法提取所述第一预处理可见光图像的特征点和所述预处理红外图像的特征点；
对于所述预处理红外图像中的任意一个特征点，在所述第一预处理可见光图像中计算每个特征点与该特征点的距离，并得到距离最近的前两个特征点；
利用最近的距离除以次近的距离的结果与预设阈值进行比较；
若小于所述预设阈值，则将最近距离的两个特征点确定为一对匹配点对；
若少于所述预设阈值，则删除所述预处理红外图像上的该特征点。
可选地，所述对所述第二预处理可见光图像和所述预处理红外图像进行图像配准得到第二配准图像包括如下步骤：
利用SIFT算法提取所述第二预处理可见光图像的特征点和所述预处理红外图像的特征点；
对于所述预处理红外图像中的任意一个特征点，在所述第二预处理可见光图像中计算每个特征点与该特征点的距离，并得到距离最近的前两个特征点；
利用最近的距离除以次近的距离的结果与预设阈值进行比较；
若小于所述预设阈值，则将最近距离的两个特征点确定为一对匹配点对；
若少于所述预设阈值，则删除所述预处理红外图像上的该特征点。
可选地，所述对所述第一配准图像和所述第二配准图像进行配准得到最终配准图像包括：
利用SIFT算法提取所述第一配准图像的特征点和所述第二配准图像的特征点；
对于所述第一配准图像中的任意一个特征点，在所述第二配准图像中计算每个特征点与该特征点的距离，并得到距离最近的前两个特征点；
利用最近的距离除以次近的距离的结果与预设阈值进行比较；
若小于所述预设阈值，则将最近距离的两个特征点确定为一对匹配点对；
若少于所述预设阈值，则删除所述第一配准图像上的该特征点。
第二方面，基于同样的发明构思，本申请提供一种基于电力巡检设备检测数据的缺陷诊断系统，如图2所示，所述系统包括：
获取单元201，用于获取所述第一可见光摄像机、所述第二可见光摄像机和所述红外热成像摄像机拍摄的被测电气设备多方位、多角度的第一可见光图像、第二可见光图像和红外图像；
第一图像处理单元202，用于将所述红外图像转换成预设图像格式的标准红外图像；
第二图像处理单元203，用于对所述第一可见光图像、第二可见光图像和所述标准红外图像进行预处理得到第一预处理可见光图像、第二预处理可见光图像和预处理红外图像；
第一配准单元204，用于对所述第一预处理可见光图像和所述预处理红外图像进行图像配准得到第一配准图像；
第二配准单元205，用于对所述第二预处理可见光图像和所述预处理红外图像进行图像配准得到第二配准图像；
第三配准单元206，用于对所述第一配准图像和所述第二配准图像进行配准得到最终配准图像；
融合单元207，用于将所述最终配准图像输入到预构建的图像融合模型中进行融合去噪得到目标图像；
诊断单元208，用于根据预设导则对所述目标图像进行缺陷诊断。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.一种基于电力巡检设备检测数据的缺陷诊断方法，其特征在于，所述电力巡检设备包括红外热成像摄像机、第一可见光摄像机和第二可见光摄像机，所述第一可见光摄像机、所述第二可见光摄像机和所述红外热成像摄像机形成三目图像采集系统，所述第一可见光摄像机和所述第二可见光摄像机的内外参数不同，所述方法包括如下步骤：
获取所述第一可见光摄像机、所述第二可见光摄像机和所述红外热成像摄像机拍摄的被测电气设备多方位、多角度的第一可见光图像、第二可见光图像和红外图像；
将所述红外图像转换成预设图像格式的标准红外图像；
对所述第一可见光图像、第二可见光图像和所述标准红外图像进行预处理得到第一预处理可见光图像、第二预处理可见光图像和预处理红外图像；
对所述第一预处理可见光图像和所述预处理红外图像进行图像配准得到第一配准图像；
对所述第二预处理可见光图像和所述预处理红外图像进行图像配准得到第二配准图像；
对所述第一配准图像和所述第二配准图像进行配准得到最终配准图像；
将所述最终配准图像输入到预构建的图像融合模型中进行融合去噪得到目标图像；
根据预设导则对所述目标图像进行缺陷诊断；
所述对所述第一可见光图像、第二可见光图像和所述标准红外图像进行预处理得到第一预处理可见光图像、第二预处理可见光图像和预处理红外图像包括如下步骤：
去除所述第一可见光图像、第二可见光图像和所述标准红外图像中模糊的图像；
在去除模糊图像后的图像中按照预设图像筛选规则筛选所述第一可见光图像、第二可见光图像和所述标准红外图像得到符合预设要求的图像；
所述预设图像筛选规则为：
将所述第一可见光图像、第二可见光图像和所述标准红外图像进行分组得到多组待处理图像，每组所述待处理图像中包含一张第一可见光图像、一张第二可见光图像和一张标准红外图像；
计算每组待处理图像的均值图像作为背景图像；
将每组待处理图像中的标准红外图像转换成灰度图像；
将每组待处理图像中的第一可见光图像和第二可见光图像转换成R通道的图像；
利用所述灰度图像减去所述背景图像得到候选红外图像；
利用所述R通道的图像减去所述背景图像得到的第一候选可见光图像和第二候选可见光图像；
利用二维高斯函数分别对所述候选红外图像、第一候选可见光图像和第二候选可见光图像进行滤波得到每组的第一预处理可见光图像、第二预处理可见光图像和预处理红外图像。
2.一种基于电力巡检设备检测数据的缺陷诊断系统，其特征在于，用于实现权利要求1所述的方法步骤，所述系统包括：
获取单元，用于获取第一可见光摄像机、第二可见光摄像机和红外热成像摄像机拍摄的被测电气设备多方位、多角度的第一可见光图像、第二可见光图像和红外图像；
第一图像处理单元，用于将所述红外图像转换成预设图像格式的标准红外图像；
第二图像处理单元，用于对所述第一可见光图像、第二可见光图像和所述标准红外图像进行预处理得到第一预处理可见光图像、第二预处理可见光图像和预处理红外图像；
第一配准单元，用于对所述第一预处理可见光图像和所述预处理红外图像进行图像配准得到第一配准图像；
第二配准单元，用于对所述第二预处理可见光图像和所述预处理红外图像进行图像配准得到第二配准图像；
第三配准单元，用于对所述第一配准图像和所述第二配准图像进行配准得到最终配准图像；
融合单元，用于将所述最终配准图像输入到预构建的图像融合模型中进行融合去噪得到目标图像；
诊断单元，用于根据预设导则对所述目标图像进行缺陷诊断。
3.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1所述的方法步骤。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1所述的方法步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111504538.2A CN114418941B (zh) | 2021-12-10 | 2021-12-10 | 一种基于电力巡检设备检测数据的缺陷诊断方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111504538.2A CN114418941B (zh) | 2021-12-10 | 2021-12-10 | 一种基于电力巡检设备检测数据的缺陷诊断方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114418941A CN114418941A (zh) | 2022-04-29 |
| CN114418941B true CN114418941B (zh) | 2024-05-10 |
Family
ID=81265841
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111504538.2A Active CN114418941B (zh) | 2021-12-10 | 2021-12-10 | 一种基于电力巡检设备检测数据的缺陷诊断方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114418941B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| WO2020113408A1 (zh) * | 2018-12-04 | 2020-06-11 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、设备、无人机、系统及存储介质 |
| CN111667520A (zh) * | 2020-06-09 | 2020-09-15 | 中国人民解放军63811部队 | 红外图像和可见光图像的配准方法、装置及可读存储介质 |
| CN113344987A (zh) * | 2021-07-07 | 2021-09-03 | 华北电力大学（保定） | 复杂背景下电力设备的红外与可见光图像配准方法及系统 |
| WO2021184302A1 (zh) * | 2020-03-19 | 2021-09-23 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置、成像设备、可移动载体及存储介质 |
-
2021
- 2021-12-10 CN CN202111504538.2A patent/CN114418941B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2020113408A1 (zh) * | 2018-12-04 | 2020-06-11 | 深圳市大疆创新科技有限公司 | 一种图像处理方法、设备、无人机、系统及存储介质 |
| 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 |
| WO2021184302A1 (zh) * | 2020-03-19 | 2021-09-23 | 深圳市大疆创新科技有限公司 | 图像处理方法、装置、成像设备、可移动载体及存储介质 |
| CN111667520A (zh) * | 2020-06-09 | 2020-09-15 | 中国人民解放军63811部队 | 红外图像和可见光图像的配准方法、装置及可读存储介质 |
| CN113344987A (zh) * | 2021-07-07 | 2021-09-03 | 华北电力大学（保定） | 复杂背景下电力设备的红外与可见光图像配准方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 周文理 ; 金施群 ; .基于SIFT算法的可见光图像与红外图像配准.黑龙江科技学院学报.2011,(第02期),全文. * |
| 李寒 ; 王库 ; 刘韶军 ; .基于灰度冗余和SURF算法的电气设备红外和可见光图像配准.电力系统保护与控制.2011,(第11期),全文. * |
| 汪鹏 ; 金立左 ; .基于Canny边缘SURF特征的红外与可见光图像配准算法.工业控制计算机.2020,(第04期),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114418941A (zh) | 2022-04-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111751002B (zh) | 一种基于红外热成像的带电设备故障智能诊断方法 | |
| CN110411580B (zh) | 一种电力设备发热缺陷的诊断方法以及诊断系统 | |
| US11715190B2 (en) | Inspection system, image discrimination system, discrimination system, discriminator generation system, and learning data generation device | |
| CN104964886A (zh) | 一种焊接构件疲劳应力及应变实时非接触式监测方法 | |
| CN109945977B (zh) | 一种干式变压器热故障诊断方法及系统 | |
| 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 | |
| CN110307903B (zh) | 一种家禽特定部位无接触温度动态测量的方法 | |
| CN105352998A (zh) | 脉冲涡流红外热图像的独立成分个数确定方法 | |
| CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
| CN113077416A (zh) | 一种基于图像处理的焊点焊接缺陷检测方法与系统 | |
| CN116152697A (zh) | 一种混凝土结构裂缝的三维模型测量方法及相关装置 | |
| CN113532753B (zh) | 一种基于机器视觉的风电场齿轮箱漏油检测方法 | |
| CN112729884B (zh) | 基于大数据的设备故障诊断方法及装置 | |
| CN114418941B (zh) | 一种基于电力巡检设备检测数据的缺陷诊断方法及系统 | |
| CN113671408A (zh) | 锂电池的漏电流检测方法及检测装置 | |
| CN117152152A (zh) | 检测试剂盒的生产管理系统及方法 | |
| CN108180871A (zh) | 一种定量评价复合绝缘子表面粉化粗糙度的方法 | |
| CN117292277A (zh) | 基于双目无人机系统与深度学习的绝缘子故障检测方法 | |
| CN110992306A (zh) | 基于深度学习的红外图像中劣化绝缘子的分割方法及装置 | |
| CN114325274B (zh) | 一种换流变阀侧套管局部放电检测系统及方法 | |
| CN112017180B (zh) | 一种基于大数据的建筑物沉降测量方法、系统及存储介质 | |
| CN114186784A (zh) | 基于边缘计算的电学考试评分方法、系统、介质及设备 | |
| CN110189301B (zh) | 一种发电机定子铁心钢片叠装平台的异物检测方法 | |
| CN114723815A (zh) | 一种多目融合的图像语义目标检测方法及系统 | |
| CN116930192B (zh) | 一种高精度铜管缺陷检测方法及系统 |
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 |