CN114878005A - 温度检测方法、装置、系统、电子设备及存储介质 - Google Patents
温度检测方法、装置、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114878005A CN114878005A CN202210463126.7A CN202210463126A CN114878005A CN 114878005 A CN114878005 A CN 114878005A CN 202210463126 A CN202210463126 A CN 202210463126A CN 114878005 A CN114878005 A CN 114878005A
- Authority
- CN
- China
- Prior art keywords
- target
- temperature
- power transmission
- transmission line
- detected
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 90
- 230000005540 biological transmission Effects 0.000 claims abstract description 82
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 41
- 239000012212 insulator Substances 0.000 claims abstract description 16
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 10
- 229910052742 iron Inorganic materials 0.000 claims abstract description 5
- 238000012549 training Methods 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 13
- 238000012360 testing method Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000004861 thermometry Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 238000007689 inspection Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000002372 labelling Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01J5/48—Thermography; Techniques using wholly visual means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明的实施例提供了一种温度检测方法，应用于控制端，所述方法包括：获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种；基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域；基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果。本发明提供的温度检测方法，可以有效地节省人力资源，提高温度检测的便捷性。
Description
技术领域
本发明涉及红外识别领域，具体而言，涉及一种温度检测方法、装置、系统、电子设备及存储介质。
背景技术
随着无人机技术的发展，其使用领域越来越广。在输电线路的检修过程中，也可以使用无人机进行航拍巡检。
现有技术中，主要是通过无人机对重点区域拍摄红外照片，通过人工标注的方式将需要测温的地方在无人机拍摄的红外图片上标注出来，再进行测温，以判断该位置是否异常。由于使用人工标注，会使得检修效率变慢，且浪费人力资源。
发明内容
本发明的目的包括，例如，提供了一种温度检测方法、装置、系统、电子设备及存储介质，其能够至少以部分解决上述技术问题。
本发明的实施例可以这样实现：
第一方面，本发明提供一种温度检测方法，应用于控制端，所述方法包括：
获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种；
基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域；
基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果。
可选地，在所述获取包括待检测输电线路的目标红外图像之前，所述方法还包括：
启动无人机；
控制所述无人机按预设路线对所述待检测输电线路巡检，并在预设点位采集所述目标红外图像；
控制所述无人机返回并停止运行。
可选地，所述方法还包括获取所述目标检测模型的步骤，该步骤包括：
获取设定数量的样本红外图像，按预设比例将所述样本红外图像分为训练集、验证集以及测试集，其中，所述样本红外图像为不同时段以及不同天气情况下拍摄得到；
采用所述训练集、所述验证集以及所述测试集对检测模型进行训练，所述训练集为经labelImg标注工具标注的样本红外图像；
当所述检测模型的准确率不再增长，或完成所有所述样本红外图像的训练迭代次数时，结束训练；
获取训练后的检测模型，作为所述目标检测模型。
可选地，所述方法还包括：
若完成所有所述样本红外图像的训练时，所述检测模型的准确率仍在增长，则增大所述样本红外图像的训练迭代次数，继续对所述检测模型进行训练，直至所述准确率不再增长，结束训练；
获取训练后的检测模型，作为所述目标检测模型。
可选地，所述测温结果包括所述目标区域的最高温度、最低温度、平均温度，以及各温度在所述目标红外图像中的坐标。
可选地，在所述获得测温结果之后，所述方法还包括：
判断所述目标区域的最高温度是否大于预设温度阈值；
若是，则发送报警指令，控制报警装置报警。
第二方面，本发明提供一种温度检测装置，应用于控制端，包括：
目标红外图像获取单元，用于获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种；
目标区域识别单元，基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域；
目标区域测温单元，基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果。
第三方面，本发明提供一种温度检测系统，所述温度检测系统包括控制器以及无人机，所述无人机包括红外相机，所述控制器与所述无人机通信连接；
所述控制器，用于获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种；基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域；基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果；
所述无人机，用于接收来自控制器的启动指令；按预设路线飞行，并控制所述红外相机在预设点位采集所述目标红外图像；发送所述目标红外图像给所述控制器；接收来自所述控制器的返回指令，返回并停止运行。
第四方面，本发明提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的温度检测方法。
第五方面，本发明提供一种存储介质，所述存储介质包括计算机程序，所述计算机程序运行时控制所述存储介质所在电子设备执行上述任一项所述的温度检测方法。
本发明实施例的有益效果包括，例如：
采用目标检测模型对无人机采集的目标红外图像进行识别，自动获取目标红外图像中待检测输电线路的目标区域，进一步得到目标区域的测温结果，避免了人工标注带来的误差，并节省了人力资源。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种电子设备的架构图；
图2为本申请实施例提供的一种温度检测方法的步骤流程图；
图3为本申请实施例提供的一种无人机控制的步骤流程图；
图4为本申请实施例提供的一种检测模型训练的步骤流程图；
图5为本申请实施例提供的测温结果示意图；
图6为本申请实施例提供的一种温度检测装置的架构图；
图7为本申请实施例提供的一种温度检测系统的架构图。
图标：100-电子设备；110-存储器；120-处理器；130-通信模块；300-温度检测装置；301-目标红外图像获取单元；302-目标区域识别单元；303-目标区域测温单元；400-温度检测系统；401-控制器；402-无人机。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
此外，若出现术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
需要说明的是，在不冲突的情况下，本发明的实施例中的特征可以相互结合。
目前于输电线路智能化巡检敏感区域中，随着时间的推移，输电线路局部设备温度过高，可能会造成损坏的后果。在敏感重点区域部署搭载红外相机的无人机巡检，系统自动实时捕捉到该区域设备的红外图片，然后通过人工筛选的方式，判断出是否属输电线路局部设备。远程监控中心后台界面在收到人工筛选后的红外图片后，会弹出存在相应设备的图片。再通过人工框出需要测温的位置，将该红外图片送入红外测温算法中，最终给出该设备检测到的温度结果。随后平台管理员及时确认并采取相应的措施。
判断输电线路是否存在需要测温的设备，无论是人工巡检的方式，还是采用无人机与红外相机相结合，然后人工框出设备位置的方式，均存在很大的难度，最大的问题就是巡检路线长、耗时。首先是输电线路是高空架空输电线路，而是一般架空输电线路几公里到几十公里，其次，架空输电线路往往经过山川和河流等。并且，角度不同、光线不同、遮挡等因素也会给输电线路巡检带来极大的挑战，导致一定程度的漏检和误检。
因此，可以通过无人机与人工智能目标检测算法相结合，用于识别输电线路中的主要设备，如绝缘子、均压环等，可以大大提高输电线路智能化巡检的效率。
请参考图1，是本申请提供的一种电子设备100的方框示意图，包括存储器110、处理器120及通信模块130。所述存储器110、处理器120以及通信模块130。各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中，存储器110用于存储程序或者数据。所述存储器110可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
处理器120用于读/写存储器中存储的数据或程序，并执行相应地功能。
通信模块130用于通过所述网络建立所述服务器与其它通信终端之间的通信连接，并用于通过所述网络收发数据。
应当理解的是，图1所示的结构仅为电子设备100的结构示意图，所述电子设备100还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置，例如，电子设备还可以包括目标检测模型等。图1中所示的各组件可以采用硬件、软件或其组合实现。
本说明书提供的温度检测方法，主要应用于控制端，控制端主要用于控制无人机以及对无人机采集的红外图片进行处理。
请参见图2，为本说明书实施例提供的温度检测方法的流程示意图，所述方法应用于控制端，包括以下步骤：
步骤S140：获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种。
步骤S150：基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域。
步骤S160：基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果。
在本说明书实施例中，控制端和无人机可以通过各种远距离通信协议进行数据传输以及通信，例如COFDM全数字调制解调技术及MPEG2/MPEG4数字压缩编码技术；通过2.4G/5.8G无线微波进行通讯。控制端可以包括控制平台以及基站，在具体实施过程中，可以通过控制平台与基站之间进行通讯，基站与无人机进行通讯，以达到远距离控制无人机的目的。
在步骤S140中，控制端获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种。
目标红外图像可以是无人机在巡检时拍摄的待检测输电线路的红外图像，其中，待检测输电线路中可以包括绝缘子、均压环、高压电线和输电铁塔等等，拍摄的目标红外图像可以是其中的一种，也可以是多种。在无人机获取到目标红外图像后，将目标红外图像传输给控制端，控制端获取无人机拍摄的目标红外图像，以对目标红外图像进行分析处理。
可选地，如图3所示，在获取无人机传输的目标红外图像之前，温度检测方法还包括以下步骤：
步骤S110：启动无人机。
步骤S120：控制所述无人机按预设路线对所述待检测输电线路巡检，并在预设点位采集所述目标红外图像。
步骤S130：控制所述无人机返回并停止运行。
工作人员可以预设好无人机的巡检的飞行路线，以及拍摄目标红外图像的点位(即预设点位)，设置完毕后，控制端控制无人机从机槽起飞，按照工作人员预设的路线开始巡检飞行，对待检测输电线路进行巡检。每飞到一个拍摄目标红外图像的预设点位时，拍摄一张或多张目标红外图像。无人机完成整个巡检路线的飞行，并在每个预设点位拍摄完设定数量的目标红外图像后，控制端控制无人返回机槽，并控制其停止运行。
需要说明的是，本说明书实施例并不限定控制端获取目标红外图像的时间以及方式。由于控制无人机在飞行时实时传送目标红外图像易导致炸机的情况，因此，为了降低风险，控制端可以在无人机返回机槽后再对所有目标红外图像进行获取。若控制端包括基站和控制平台，控制平台可以直接从无人机端获取目标红外图像，也可以在无人机将目标红外图像传输给基站后，再从基站获取目标红外图像。
步骤S150中，基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域。
控制端获取无人机拍摄的目标红外图像后，可以通过训练好的目标检测模型来识别目标红外图像中述待检测输电线路的目标区域。其中，目标区域可以是工作人员需要进行检测的敏感、重点区域，例如容易因为温度过高而出现故障的区域、曾经出现过故障的区域、在一定时间范围内检修过的区域等等。
作为一种可选地实施例，可以采用YOLOv5目标检测算法对目标区域进行识别，将无人机采集的目标红外图像输入该算法中，经过卷积特征提取，分类器分类以及非极大值抑制等输出最终检测结果，给出目标区域在整幅目标红外图像中的位置。
可选地，请参见图4，本说明书实施例提供的温度检测方法还包括获取目标检测模型的步骤，该步骤包括：
步骤S151：获取设定数量的样本红外图像，按预设比例将所述样本红外图像分为训练集、验证集以及测试集，其中，所述样本红外图像为不同时段以及不同天气情况下拍摄得到；
步骤S152：采用所述训练集、所述验证集以及所述测试集对检测模型进行训练，所述训练集为经labelImg标注工具标注的样本红外图像；
步骤S153：当所述检测模型的准确率不再增长，或完成所有所述样本红外图像的训练迭代次数时，结束训练；
步骤S154：获取训练后的检测模型，作为所述目标检测模型。
样本红外图像可以是用来训练目标检测模型的样本图像，样本红外图像的设定数量可以由工作人员根据实际情况进行设置，本说明书不做具体限定。为了丰富采集的红外图像数据的多样性，以及提高目标检测模型识别的准确率，样本红外图像可以是同时段以及不同天气情况下拍摄得到的，例如晴天、阴天、雪天、多云等天气情况，早上10点到11点、中午12点到14点、晚上21点到22点等时间段。
作为一种可选的实施例，可以先将样本红外图像做好真实标注，例如，通过labelImg标注工具对样本红外图像进行标注。按照设定的比例将这些样本红外图像分为训练集、验证集以及测试集，其中，预设比例可以由工作人员根据实际情况进行设置，本说明书对此不做限定。
分类完成之后，设置epoch，采用标注完成的训练集、验证集以及测试集对检测模型进行训练，并观察实际显示的准确率和召回率。当准确率与召回率不再增长，或者达到设定的epoch时，结束模型训练，将训练完成的检测模型作为目标检测模型。
可选地，作为另一种可选地实施例，若完成所有所述样本红外图像的训练迭代次数时，所述检测模型的准确率仍在增长，则增大所述样本红外图像的训练迭代次数，继续对所述检测模型进行训练，直至所述准确率不再增长，结束训练；获取训练后的检测模型，作为所述目标检测模型。
在设置epoch时，如果设置的参数较小，则可能出现达到设定的epoch时，召回率以及准确率还在增长。此时，可以继续增大epoch的设定值，继续对检测模型进行训练，直至准确率以及召回率不再增长，结束训练，并获取训练后的检测模型，作为目标检测模型。
通过目标检测模型识别出目标红外图像中的目标区域后，执行步骤S160：基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果。
作为一种可选地实施例，可以采用DJI Thermal SDK红外测温算法对目标区域进行红外测温。例如，从某张目标红外图像中识别出的目标区域为待检测输电线路的绝缘子，控制端调用DJI Thermal SDK红外测温算法对绝缘子(即目标区域)进行测温，最终得到该绝缘子的测温结果。
可选地，所述测温结果包括所述目标区域的最高温度、最低温度、平均温度，以及各温度在所述目标红外图像中的坐标。
请参见图5，控制端采用DJI Thermal SDK红外测温算法最终获得的测温结果可以是该目标区域的最高温度、最低温度以及平均温度。同时，在目标红外图像上显示出该目标红外图像的环境温度、温度是否在正常范围内等。并且，控制端可以根据目标红外图像的像素点标注出目标区域中最高温度、最低温度在目标图像中的具体坐标(即像素点坐标)。
可选地，在所述获得测温结果之后，所述方法还包括：判断所述目标区域的最高温度是否大于预设温度阈值；若是，则发送报警指令，控制报警装置报警。
工作人员可以在控制端中预设测温结果的正常温度范围，若测得某目标红外图像的目标区域中最高温度超过了正常温度范围(即测温结果高于预设温度阈值)，则发送报警指令，控制报警器报警。同时，控制端可以通过在目标红外图像上用醒目字样标注的形式提醒工作人员。举例来说，正常温度范围为0～40℃，红外测温算法测得的某目标区域的最高温度为42.5℃，控制端即发送报警指令给报警器，报警器接收到报警指令开始报警(声光报警形式)，以提醒工作人员进行下一步处理。
基于同一发明构思，如图6所示，本说明书实施例还提供一种温度检测装置300，应用于控制端，包括：
目标红外图像获取单元301，用于获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种；
目标区域识别单元302，基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域；
目标区域测温单元303，基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果。
关于上述温度检测装置300，其中各个单元的具体功能已经在本说明书提供的温度检测方法的实施例中进行了详细描述，此处将不做详细阐述说明。
基于同一发明构思，如图7所示，本发明说明书实施例提供了一种温度检测系统400，包括控制器401以及无人机402，无人机402包括红外相机，控制器401与无人机402通信连接；
控制器401，用于获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种；基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域；基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果；
无人机402，用于接收来自控制器401的启动指令；按预设路线飞行，并控制红外相机在预设点位采集所述目标红外图像；发送所述目标红外图像给控制器401；接收来自控制器401的返回指令，返回并停止运行。
关于上述温度检测系统400，其中各个部分的具体功能已经在本说明书提供的温度检测方法的实施例中进行了详细描述，此处将不做详细阐述说明。
基于同一发明构思，本发明说明书实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前文温度检测方法的任一方法的步骤。
采用本发明实施例中的上述方案，至少能够部分达到以下效果：
1、采用目标检测模型对无人机采集的目标红外图像进行识别，自动获取目标红外图像中待检测输电线路的目标区域，进一步得到目标区域的测温结果，避免了人工标注带来的误差，并节省了人力资源。
2、通过无人机和控制端的协作进行数据收集和判断对采集的红外图像进行合理识别，然后通过红外测温算法测出目标区域的最低温、最高温以及平均温度，并且给出最高温在目标红外图像中的坐标位置，使得测温结果更加接近实际，减少错误报警。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种温度检测方法，其特征在于，应用于控制端，所述方法包括：
获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种；
基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域；
基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果。
2.如权利要求1所述的温度检测方法，其特征在于，在所述获取包括待检测输电线路的目标红外图像之前，所述方法还包括：
启动无人机；
控制所述无人机按预设路线对所述待检测输电线路巡检，并在预设点位采集所述目标红外图像；
控制所述无人机返回并停止运行。
3.如权利要求1所述的温度检测方法，其特征在于，所述方法还包括获取所述目标检测模型的步骤，该步骤包括：
获取设定数量的样本红外图像，按预设比例将所述样本红外图像分为训练集、验证集以及测试集，其中，所述样本红外图像为不同时段以及不同天气情况下拍摄得到；
采用所述训练集、所述验证集以及所述测试集对检测模型进行训练，所述训练集为经labelImg标注工具标注的样本红外图像；
当所述检测模型的准确率不再增长，或完成所有所述样本红外图像的训练迭代次数时，结束训练；
获取训练后的检测模型，作为所述目标检测模型。
4.如权利要求3所述的温度检测方法，其特征在于，所述方法还包括：
若完成所有所述样本红外图像的训练时，所述检测模型的准确率仍在增长，则增大所述样本红外图像的迭代次数，继续对所述检测模型进行训练，直至所述准确率不再增长，结束训练；
获取训练后的检测模型，作为所述目标检测模型。
5.如权利要求1所述的温度检测方法，其特征在于，所述测温结果包括所述目标区域的最高温度、最低温度、平均温度，以及各温度在所述目标红外图像中的坐标。
6.如权利要求5所述的温度检测方法，其特征在于，在所述获得所述待检测输电线路的测温结果之后，所述方法还包括：
判断所述目标区域的最高温度是否大于预设温度阈值；
若是，则发送报警指令，控制报警装置报警。
7.一种温度检测装置，其特征在于，应用于控制端，包括：
目标红外图像获取单元，用于获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种；
目标区域识别单元，基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域；
目标区域测温单元，基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果。
8.一种温度检测系统，其特征在于，所述温度检测系统包括控制器以及无人机，所述无人机包括红外相机，所述控制器与所述无人机通信连接；
所述控制器，用于获取包括待检测输电线路的目标红外图像，其中，所述待检测输电线路包括绝缘子、均压环、高压电线和输电铁塔中的一种或多种；基于目标检测模型，对所述目标红外图像进行识别，获得包括所述待检测输电线路的目标区域；基于红外测温算法对所述目标区域进行测温，获得所述待检测输电线路的测温结果；
所述无人机，用于接收来自控制器的启动指令；按预设路线飞行，并控制所述红外相机在预设点位采集所述目标红外图像；发送所述目标红外图像给所述控制器；接收来自所述控制器的返回指令，返回并停止运行。
9.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1-6任一项所述的温度检测方法。
10.一种存储介质，其特征在于，所述存储介质包括计算机程序，所述计算机程序运行时控制所述存储介质所在电子设备执行权利要求1-6任一项所述的温度检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210463126.7A CN114878005A (zh) | 2022-04-28 | 2022-04-28 | 温度检测方法、装置、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210463126.7A CN114878005A (zh) | 2022-04-28 | 2022-04-28 | 温度检测方法、装置、系统、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114878005A true CN114878005A (zh) | 2022-08-09 |
Family
ID=82671501
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210463126.7A Pending CN114878005A (zh) | 2022-04-28 | 2022-04-28 | 温度检测方法、装置、系统、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114878005A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115762083A (zh) * | 2022-11-11 | 2023-03-07 | 南方电网数字电网科技(广东)有限公司 | 基于无人探测器的线路部件识别告警方法及系统 |
| CN118230196A (zh) * | 2024-03-20 | 2024-06-21 | 广州中科云图智能科技有限公司 | 红外测温方法、装置及电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110288578A (zh) * | 2019-06-24 | 2019-09-27 | 国网上海市电力公司 | 一种高识别率的电力设备缺陷红外图像识别系统 |
| CN112560634A (zh) * | 2020-12-10 | 2021-03-26 | 齐鲁工业大学 | 基于现场图像的电力线路绝缘子快速检测定位方法及系统 |
| CN112837315A (zh) * | 2021-03-05 | 2021-05-25 | 云南电网有限责任公司电力科学研究院 | 一种基于深度学习的输电线路绝缘子缺陷检测方法 |
| CN113379699A (zh) * | 2021-06-08 | 2021-09-10 | 上海电机学院 | 基于深度学习的输电线路绝缘子缺陷检测方法 |
| CN114155212A (zh) * | 2021-11-24 | 2022-03-08 | 福建省海峡智汇科技有限公司 | 一种基于红外图像的变电站异常绝缘子检测方法和装置 |
| CN114220009A (zh) * | 2021-12-09 | 2022-03-22 | 福建省海峡智汇科技有限公司 | 一种基于红外图像的导线风偏识别方法与系统 |
-
2022
- 2022-04-28 CN CN202210463126.7A patent/CN114878005A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110288578A (zh) * | 2019-06-24 | 2019-09-27 | 国网上海市电力公司 | 一种高识别率的电力设备缺陷红外图像识别系统 |
| CN112560634A (zh) * | 2020-12-10 | 2021-03-26 | 齐鲁工业大学 | 基于现场图像的电力线路绝缘子快速检测定位方法及系统 |
| CN112837315A (zh) * | 2021-03-05 | 2021-05-25 | 云南电网有限责任公司电力科学研究院 | 一种基于深度学习的输电线路绝缘子缺陷检测方法 |
| CN113379699A (zh) * | 2021-06-08 | 2021-09-10 | 上海电机学院 | 基于深度学习的输电线路绝缘子缺陷检测方法 |
| CN114155212A (zh) * | 2021-11-24 | 2022-03-08 | 福建省海峡智汇科技有限公司 | 一种基于红外图像的变电站异常绝缘子检测方法和装置 |
| CN114220009A (zh) * | 2021-12-09 | 2022-03-22 | 福建省海峡智汇科技有限公司 | 一种基于红外图像的导线风偏识别方法与系统 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115762083A (zh) * | 2022-11-11 | 2023-03-07 | 南方电网数字电网科技(广东)有限公司 | 基于无人探测器的线路部件识别告警方法及系统 |
| CN118230196A (zh) * | 2024-03-20 | 2024-06-21 | 广州中科云图智能科技有限公司 | 红外测温方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114878005A (zh) | 温度检测方法、装置、系统、电子设备及存储介质 | |
| CN111710055A (zh) | 便携式电力巡检设备及电力巡检方法、电力巡检系统 | |
| CN110009530A (zh) | 一种适用于便携式电力巡检的神经网络系统和方法 | |
| US11935378B2 (en) | Intrusion detection methods and devices | |
| CN110648489A (zh) | 基于红外热成像燃点识别的库房预警系统 | |
| CN113095114B (zh) | 液压系统漏油检测方法、装置和设备 | |
| CN109547748B (zh) | 对象落脚点确定方法、装置及存储介质 | |
| CN114627388B (zh) | 输电线路异物检测设备及其异物检测方法 | |
| CN112016380B (zh) | 野生动物监测方法及系统 | |
| CN113778091A (zh) | 一种风电场升压站设备巡检方法 | |
| CN113627321A (zh) | 基于人工智能的图像识别方法、装置及计算机设备 | |
| CN113657201A (zh) | 船员行为监测分析方法、装置、设备及存储介质 | |
| CN113177496A (zh) | 一种火点检测方法、装置、设备及存储介质 | |
| CN112422895A (zh) | 基于无人机的图像分析跟踪、定位系统及方法 | |
| CN117291872A (zh) | 一种无人机线路巡视缺陷内容识别系统及方法 | |
| CN111678558A (zh) | 一种应用于充油设备的红外热成像油位、温度监测系统及方法 | |
| CN113094803B (zh) | Beacon设备丢失概率的计算方法、装置、设备及存储介质 | |
| CN113516091B (zh) | 一种识别变电站电火花图像的方法 | |
| CN114488337A (zh) | 一种高空抛物检测方法及装置 | |
| CN113705442A (zh) | 一种户外大牌广告画面监控识别系统及方法 | |
| CN111736140A (zh) | 一种对象检测方法和摄像设备 | |
| CN206594784U (zh) | 一种基于受灾人特征的新型公路隧道火灾预告和报警系统 | |
| TWI579581B (zh) | 熱源檢測裝置、系統及其方法 | |
| CN118230510B (zh) | 一种基于图像识别的岩石工程地质灾害预警方法 | |
| CN111024705A (zh) | 一种电力线断股的检测方法、装置、设备及存储介质 |
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 |