CN115661016B - 换热站的故障监视方法、系统和嵌入式图像诊断控制平台 - Google Patents
换热站的故障监视方法、系统和嵌入式图像诊断控制平台 Download PDFInfo
- Publication number
- CN115661016B CN115661016B CN202211570207.3A CN202211570207A CN115661016B CN 115661016 B CN115661016 B CN 115661016B CN 202211570207 A CN202211570207 A CN 202211570207A CN 115661016 B CN115661016 B CN 115661016B
- Authority
- CN
- China
- Prior art keywords
- difference
- image
- feature
- real
- processing
- 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
Images
Abstract
本发明公开了一种换热站的故障监视方法、系统和微型嵌入式图像诊断控制平台,其中,方法包括:获取换热站的实时热像图片和实时高清图片,并对所述实时热像图片和实时高清图片进行热像融合,获得实时热像图;将所述实时热像图与预先创建的基准图库进行配准,获得配准图;将所述实时热像图与所述配准图输入至差异提取网络模型进行差异处理,获取差异结果分割图;根据所述差异结果分割图监测所述换热站是否出现故障。该方法通过自动定期巡视排查诊断换热站可能存在的故障信息,降低了维修成本,并提高了换热站故障排查效率和准确率。
Description
技术领域
本发明涉及图像处理技术领域,尤其涉及一种换热站的故障监视方法、系统和微型嵌入式图像诊断控制平台。
背景技术
在集中供热系统中,换热站是热源和用户热网进行热交换的重要连接处,由于城市供热调度部门需要对分散在不同地理位置换热站进行实时监视,控制换热站中各设备运行,而城市集中供热的规模逐年扩大,对换热站的管理水平和要求也在逐年提高,换热站的设备状态监视也显得尤为重要。换热站设备的安全运行,对于保障用户供热起到了至关重要的作用,但由人工进行监视,一方面无法保证对热网进行实时监控,一方面需要浪费大量人力资源,再一方面无法通过现有监视系统快速判断换热站设备存在的故障隐患,需要去现场进行一一排查,效率低下,从而在换热站发生故障时,将会严重影响到用户供热,从而造成不良的社会影响和经济损失。相关技术中,主要采用红外热像对换热站实现远程监控,通过检测换热站的温度值,但是具体的故障排除还需要人工进行判断,效率和准确性低,或者采用红外测温传感器的方式监测换热站水泵电机的运行情况,通过红外测温传感器对安装位置的温度进行监视,从而达到在超过一定的温度阈值的情况下报警的目的,但其监测范围局限不全面,安装工程量大,监测手段单一,容易造成忽略换热站其他位置的故障。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种换热站的故障监视方法,该方法能够自动定期巡视排查诊断换热站可能存在的故障信息,降低了维修成本,并提高了换热站故障排查效率和准确率。
本发明的第二个目的在于提出一种微型嵌入式图像诊断控制平台。
本发明的第三个目的在于提出一种换热站的故障监视系统。
为达到上述目的,本发明第一方面实施例提出了一种换热站的故障监视方法,所述方法包括:获取换热站的实时热像图片和实时高清图片,并对所述实时热像图片和实时高清图片进行热像融合,获得实时热像图;将所述实时热像图与预先创建的基准图库进行配准,获得配准图;将所述实时热像图与所述配准图输入至差异提取网络模型进行差异处理,获取差异结果分割图;根据所述差异结果分割图监测所述换热站是否出现故障。
根据本发明的一个实施例,所述基准图库根据以下步骤创建:按照设置的定时巡视路线,获取所述换热站的定时热像图片和定时高清图片,并对所述定时热像图片和定时高清图片进行热像融合,获得基准图,以及根据所述基准图创建所述基准图库。
根据本发明的一个实施例,将所述实时热像图与预先创建的基准图库进行配准,包括:确定所述实时热像图的拍摄时间和拍摄点位,并根据所述拍摄时间和拍摄点位从所述基准图库中获取相适配的基准图,以作为所述配准图。
根据本发明的一个实施例,将所述实时热像图与所述配准图输入至差异提取网络模型进行差异处理,包括:对所述实时热像图和所述配准图进行特征提取处理,获得第一差异特征图;对所述第一差异特征图进行空洞卷积并行采样,得到第二差异特征图;通过上采样融合下采样特征的方式对所述第二差异特征图进行解码,获得所述差异结果分割图。
根据本发明的一个实施例,对所述实时热像图和所述配准图进行特征提取处理的网络包括第一特征提取层、第二特征提取层、第三特征提取层、第四特征提取层、第五特征提取层和第六特征提取层,其中,采用所述第一特征提取层对所述实时热像图和所述配准图进行处理,获得第一尺度特征图;采用所述第二特征提取层对所述第一尺度特征图进行处理,获得第二尺度特征图;采用所述第三特征提取层对所述第二尺度特征图进行处理,获得第三尺度特征图;
采用所述第四特征提取层对所述第三尺度特征图进行处理,获得第四尺度特征图;采用所述第五特征提取层对所述第四尺度特征图进行处理,获得第一特征提取结果特征图;采用所述第六特征提取层对所述第一特征提取结果特征图进行处理,获得所述第一差异特征图。
根据本发明的一个实施例,通过上采样融合下采样特征的方式对所述第二差异特征图进行解码的网络包括第一上采样层、第二上采样层、第三上采样层和第四上采样层,其中,采用所述第一上采样层对所述第二差异特征图和所述第四尺度特征图进行处理,输出第一特征结果差异图;采用所述第二上采样层对所述第一特征结果差异图和所述第三尺度特征图进行处理,输出第二特征结果差异图;采用所述第三上采样层对所述第二特征结果差异图和所述第二尺度特征图进行处理,输出第三特征结果差异图;采用所述第四上采样层对所述第三特征结果差异图和所述第一尺度特征图进行处理,输出所述差异结果分割图。
根据本发明的一个实施例,根据所述差异结果分割图监测所述换热站是否出现故障,包括:对所述差异结果分割图进行形态学处理,获得所述差异结果分割图的连通域;获取所述连通域的平均温度和区域面积;在所述平均温度超过预设温度、和/或所述区域面积大于预设面积时,确定所述换热站出现故障。
根据本发明的一个实施例,在根据所述差异结果分割图判断所述换热站未出现故障时,所述方法还包括:根据所述实时热像图更新所述基准图库。
根据本发明实施例的换热站的故障监视方法,通过实时获取换热站的实时热像图,与预先建立的基准图库进行配准,获得配准图,对对配准图进行处理,得到差异结果分割图,根据差异结果分割图来判断换热站是否出现故障,通过定期巡视排查诊断可能存在的故障信息,降低了人工检查的资源浪费的同时,还保证了换热站安全运行,以及通过深度学习网络对红外热像的对比分析,代替了人工检查,能够更加细致无误的进行故障排查,大大提高了检查效率和诊断准确率,并消除了漏检的情况,并且通过对红外热像功能的开发,可以对换热站设备内部进行侦测,能够在一定程度上提前发现其内部产生故障后造成的温度影响变化,从而预防故障的扩大,有效的节约了资源并且降低了供暖影响,并降低了维修成本和提高了故障排查效率。
为达到上述目的,本发明第二方面实施例提出一种微型嵌入式图像诊断控制平台,包括存储器、处理器和存储在所述存储器上的计算机程序,其特征在于,所述计算机程序被所述处理器执行时,实现根据本发明第一方面实施例所述的换热站的故障监视方法。
为达到上述目的,本发明第三方面实施例提出一种换热站的故障监视系统,所述系统包括:红外双视模块和3D云台,所述3D云台用于搭载所述红外双视模块,以对所述换热站进行拍摄;微型嵌入式图像诊断控制平台,用于获取换热站的实时热像图片和实时高清图片,并对所述实时热像图片和实时高清图片进行热像融合,获得实时热像图,以及将所述实时热像图与预先创建的基准图库进行配准,获得配准图;所述微型嵌入式图像诊断控制平台还用于,将所述实时热像图与所述配准图输入至差异提取网络模型进行差异处理,获取差异结果分割图,并根据所述差异结果分割图监测所述换热站是否出现故障。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
图1是根据本发明一个实施例的换热站的故障监视方法的流程示意图;
图2是根据本发明第一个具体实施例的换热站的故障监视方法的流程示意图;
图3是根据本发明一个实施例的特征提取处理的网络的结构示意图;
图4是根据一个实施例的解码的网络的结构示意图;
图5是根据本发明一个实施例的差异提取网络模型的结构示意图;
图6是根据本发明一个实施例的ASPP模块的结构示意图;
图7是根据本发明第二个具体实施例的换热站的故障监视方法的流程示意图;
图8是根据本发明第三个具体实施例的换热站的故障监视方法的流程示意图;
图9是根据本发明一个实施例的微型嵌入式图像诊断控制平台的结构示意图;
图10是根据本发明一个实施例的换热站的故障监视系统的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
下面参考附图1-10描述本发明实施例的换热站的故障监视方法、系统和微型嵌入式图像诊断控制平台。
图1是根据本发明一个实施例的换热站的故障监视方法的流程示意图。
如图1所示,该换热站的故障监视方法,可以包括以下步骤:
S110,获取换热站的实时热像图片和实时高清图片,并对实时热像图片和实时高清图片进行热像融合,获得实时热像图。
示例性地,可以在换热站放置拍摄设备获取实时热像图片和实时高清图片,其中,拍摄设备可以包括高清摄像头和红外热像摄像头,其中,高清摄像头用来拍摄换热站的高清图片,红外热像摄像头用来拍摄热像图片,高清摄像头和红外摄像头的位置设置在换热站的同一位置,通过相机标定的方式使得高清摄像头和红外摄像头能够同时获取同一场景下同一拍摄角度的热像图片和红外图片。
在本实施例中,在实时获取同时拍摄的实时热像图片和实时红外图片之后,将实时热像图片和实时高清图片进行热像融合,获得实时热像图。获得的热像图中,将红外图像中投射到高清图片上,不会遮挡高清图片中的视野。
需要说明的是,拍摄设备的放置位置可以根据实际需要放置,高清摄像头和红外热像摄像头的型号也可根据实际场景需要选择。
S120,将实时热像图与预先创建的基准图库进行配准,获得配准图。
具体地,基准图库包括了多张基准图,基准图库包括了换热站各个方位的热像图,在进行实时热像图和基准图库进行配准时,在基准图库中,找到与实时热像图同一拍摄角度、同一拍摄时间和同一拍摄场景的基准图,作为与实时热像图对应的配准图。
S130,将实时热像图与配准图输入至差异提取网络模型进行差异处理,获取差异结果分割图。
进一步地,将实时热像图与配准图输入至差异提取网络模型,以输出实时热像图与配准图之间的差异特征图,即输出差异结果分割图。
示例性地,在得到实时热像图对应的配准图后,在输入至差异提取网络模型时,将实时热像图和配准图进行图像通道融合,从而在一定程度上提高网络模型的处理效率。举例来说,实时热像图和配准图分别为三个通道的输入,将实时热像图和配准图进行图像通道融合,即以六个通道的输入将实时热像图和配准图同时输入至差异提取网络模型中。
S140,根据差异结果分割图监测换热站是否出现故障。
具体地,根据差异结果分割图中判断换热站是否出现温度异常,或者温度泄露的情况。
在一些实施例中,基准图库根据以下步骤创建:按照设置的定时巡视路线,获取换热站的定时热像图片和定时高清图片,并对定时热像图片和定时高清图片进行热像融合,获得基准图,以及根据基准图创建所述基准图库。
作为一种示例,在每次换热站进行系统的检查之后,以及在换热站无故障的情况下,根据定时巡视路线,全方位获取换热站的定时热像图像和定时高清图像,将定时热像图像和定时高清图像进行热相融合,得到多张基于时间和基于拍摄方位的基准图像,得到基准图库。
在一些实施例中,将实时热像图与预先创建的基准图库进行配准,可以包括:确定实时热像图的拍摄时间和拍摄点位,并根据拍摄时间和拍摄点位从基准图库中获取相适配的基准图,以作为配准图。
可以理解的是,根据定时巡视路线获取基准图,从而组成基准图库,在进行实时热像图的获取时,拍摄实时热像图的时间与拍摄方位与基准图库中的基准图存在对应关系。
图2是根据本发明第一个具体实施例的换热站的故障监视方法的流程示意图。
如图2所示,将实时热像图与配准图输入至差异提取网络模型进行差异处理,可以包括以下步骤:
S210,对实时热像图和配准图进行特征提取处理,获得第一差异特征图。
作为一种示例,采用孪生网络结构的网络模型对实时热像图和配准图进行特征提取处理,获得第一差异图。
示例性地,可以采用mobilenetv2为基础的特征提取模型对对实时热像图和配准图进行特征提取处理。
S220,对第一差异特征图进行空洞卷积并行采样,得到第二差异特征图。
具体地,通过空洞卷积对第一特征差异图进行处理,增加第一特征差异图的感受野,得到第二差异特征图。
示例性地,可以采用ASPP(Atrous Spatial Pyramid Pooling,空洞空间卷积池化金字塔)模块对第一差异特征图进行空洞卷积并行采样,其中,ASPP模块由空洞率分别为6、12、18、24的空洞卷积组合形成,从而可以多尺度找回丢失的感受野。
S230,通过上采样融合下采样特征的方式对第二差异特征图进行解码,获得差异结果分割图。
具体地,将特征提取处理中进行下采样处理获取的特征提取图和上采样得到的输出作为解码处理的输入,从而输出差异结果分割图。
示例性地,在本实施例中,可以通过SiameseDeepLabV3采用孪生网络的结构,从而同时对基准图像和实时图像进行特征提取,以及输出差异结果分割图;
图3是根据本发明一个实施例的特征提取处理的网络的结构示意图。
如图3所示,对实时热像图和配准图进行特征提取处理的网络300包括第一特征提取层310、第二特征提取层320、第三特征提取层330、第四特征提取层340、第五特征提取层350和第六特征提取层360。
其中,采用第一特征提取层310对实时热像图和所述配准图进行处理,获得第一尺度特征图;采用第二特征提取层320对第一尺度特征图进行处理,获得第二尺度特征图;采用第三特征提取层330对第二尺度特征图进行处理,获得第三尺度特征图;采用第四特征提取层340对第三尺度特征图进行处理,获得第四尺度特征图;采用第五特征提取层350对第四尺度特征图进行处理,获得第一特征提取结果特征图;采用第六特征提取层360对第一特征提取结果特征图进行处理,获得第一差异特征图。
可以理解的是,通过第一特征提取层310、第二特征提取层320、第三特征提取层330、第四特征提取层340、第五特征提取层350和第六特征提取层360获取不同尺度的特征图,从而利用网络中不同分辨率的特征图来检测不同大小的物体。
图4是根据一个实施例的解码的网络的结构示意图。
如图4所示,通过上采样融合下采样特征的方式对第二差异特征图进行解码的网络400包括第一上采样层410、第二上采样层420、第三上采样层430和第四上采样层440。
其中,采用第一上采样层410对第二差异特征图和第四尺度特征图进行处理,输出第一特征结果差异图;采用第二上采样层420对第一特征结果差异图和第三尺度特征图进行处理,输出第二特征结果差异图;采用第三上采样层430对第二特征结果差异图和第二尺度特征图进行处理,输出第三特征结果差异图;采用第四上采样层440对第三特征结果差异图和第一尺度特征图进行处理,输出差异结果分割图。
可以理解的是,第一上采样层410与第四特征特征提取层340尺度相对应,用于对空洞卷积并行采样得到的第二差异特征图和第四尺度特征图进行处理,得到第一特征结果差异图;第二上采样层420根据第一上采样层410的输出和对应尺度的第三特征提取层330输出的第三尺度特征图得到第二特征结果差异图;第三上采样层430根据第二上采样层420的输出和对应尺度的第二特征提取层320输出的第二尺度特征图得到第三特征结果差异图;第四上采样层440根据第三上采样层430的输出和对应尺度的第一特征提取层310输出的第一尺度特征图得到最终的差异结果分割图。
在本实施例中,解码的网络在进行上采样的同时,将之前特征提取模块中对应尺度的下采样实时图像特征图和基准图像特征图同时作为输入,输入至上采样模块,这样可以补充上采样丢失的特征权重,经过四层上采样后输出提取出来的差异分割图。
可选地,图5是根据本发明一个实施例的差异提取网络模型的结构示意图。
如图5所示,该差异提取网络模型通过Mobilenetv2卷积网络对实时获取的换热站的实时图像和与之配准的基准图像进行特征提取,输出不同尺度的下采样特征图,通过ASPP模块经空洞卷积补充在下采样特征提取过程中丢失的感受野信息,最后通过解码器Decoder输出通过多次上采样并融合下采样特征的方式,获得实时图像和基准图像的差异信息。其中ASPP模块的结构示意图如图6所示,ASPP模块由空洞率分别为6、12、18和24的空洞卷积组合形成,可以多尺度找回丢失的感受野,最终输出通过一个1×1的卷积输出最终融合的特征提取结果图。
图7是根据本发明第二个具体实施例的换热站的故障监视方法的流程示意图。
如图7所示,根据差异结果分割图监测换热站是否出现故障,可以包括以下步骤:
S710,对差异结果分割图进行形态学处理,获得差异结果分割图的连通域。
可以理解的是,对差异结果分割图进行形态学处理,用于提取差异结果分割图中表达和描绘区域形状有意义的图像分量,使后续的识别工作能够抓住目标对象最为本质的形状特征,如边界和连通区域。
可选地,对差异结果分割图进行形态学处理可以包括对图像进行腐蚀、膨胀,以及开运算和闭运算。
S720,获取连通域的平均温度和区域面积。
可选地,在得到差异结果分割图的连通域,根据连通域的红外像素点可以得到各像素点的温度,从而达到连通域的平均温度,以及得到连通域的面积。
S730,在平均温度超过预设温度、和/或区域面积大于预设面积时,确定换热站出现故障。
示例性地,基准图库中的每个配准图对应一个标准的温度值和区域面积,在根据实时热像图和配准图进行比较,输出差异结果分割图,根据配准图对应的预设温度和预设面积,判断连通域的平均温度和区域面积是否出现超过对应的阈值,或者判断平均温度和区域面积与预设的标准温度值和区域面积之间的差值是否到达超过对应的预设的差值阈值,在平均温度超过预设温度、和/或区域面积大于预设面积时,或者平均温度和区域面积与预设的标准温度值和区域面积之间的差值大于超过对应的预设的差值阈值时,确定换热站出现故障,从而返回报警消息和热像信息,以使工作人员及时根据热像信息进行相应的处理。
进一步地,在根据差异结果分割图判断换热站未出现故障时,方法还包括:
根据实时热像图更新基准图库。
在根据差异结果分割图判断换热站未出现故障时,将进行判断的实时热像图替换基准图库中的对应的配准图,以更新基准图库。
作为一种可能的实现方式,图8是根据本发明第三个具体实施例的换热站的故障监视方法的流程示意图。
如图8所示,本发明中换热站的故障监视方法可以包括以下步骤:
S810,获取定时热像图片和定时高清图片,并将定时热像图片和定时高清图片进行热像融合,得到基准图像;
S820,获取实时热像和实时高清图片,并将实时热像和实时高清图片进行热像融合,得到实时热像图;
S830,将实时热像图和与之对应的基准图像输入至差异提取网络模型SiameseDeepLabV3中,解码输出差异结果分割图;
S840,根据差异结果分割图分析是否换热站出现故障;
S850,如果判断换热站出现故障,则返回报警故障信息;
S860,如果判断出换热站未出现故障,则根据实时热像图更新基准图像。
根据本发明实施例的换热站的故障监视方法,通过实时获取换热站的实时热像图,与预先建立的基准图库进行配准,获得配准图,对对配准图进行处理,得到差异结果分割图,根据差异结果分割图来判断换热站是否出现故障,通过定期巡视排查诊断可能存在的故障信息,降低了人工检查的资源浪费的同时,还保证了换热站安全运行,以及通过深度学习网络对红外热像的对比分析,代替了人工检查,能够更加细致无误的进行故障排查,大大提高了检查效率和诊断准确率,并消除了漏检的情况,并且通过对红外热像功能的开发,可以对换热站设备内部进行侦测,能够在一定程度上提前发现其内部产生故障后造成的温度影响变化,从而预防故障的扩大,有效的节约了资源并且降低了供暖影响,并降低了维修成本和提高了故障排查效率。
为了实现上述实施例,本发明提出一种微型嵌入式图像诊断控制平台,图9是根据本发明一个实施例的微型嵌入式图像诊断控制平台的结构示意图。
如图9所示,该微型嵌入式图像诊断控制平台900,包括存储器910、处理器920和存储在存储器910上的计算机程序901,其特征在于,所述计算机程序被所述处理器执行时,实现根据本发明上述实施例所述的换热站的故障监视方法。
与上述几种实施例提供的换热站的故障监视方法相对应,本发明的一种实施例还提供一种换热站的故障监视系统,由于本发明实施例提供的换热站的故障监视系统与上述几种实施例提供的换热站的故障监视方法相对应,因此在前述换热站的故障监视方法的实施方式也适用于本实施例提供的换热站的故障监视系统,在本实施例中不再详细描述。图10是根据本发明一个实施例的换热站的故障监视系统的结构示意图。如图10所示,该换热站的故障监视系统1000可以包括:红外双视模块1001、3D云台1002和微型嵌入式图像诊断控制平台1003。
其中,3D云台1002用于搭载红外双视模块1001,以对换热站进行拍摄;微型嵌入式图像诊断控制平台1003,用于获取换热站的实时热像图片和实时高清图片,并对实时热像图片和实时高清图片进行热像融合,获得实时热像图,以及将实时热像图与预先创建的基准图库进行配准,获得配准图;微型嵌入式图像诊断控制平台1003还用于,将实时热像图与配准图输入至差异提取网络模型进行差异处理,获取差异结果分割图,并根据差异结果分割图监测换热站是否出现故障。
需要说明的是,在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,本发明实施例中所使用的“第一”、“第二”等术语,仅用于描述目的,而不可以理解为指示或者暗示相对重要性,或者隐含指明本实施例中所指示的技术特征数量。由此,本发明实施例中限定有“第一”、“第二”等术语的特征,可以明确或者隐含地表示该实施例中包括至少一个该特征。在本发明的描述中,词语“多个”的含义是至少两个或者两个及以上,例如两个、三个、四个等,除非实施例中另有明确具体的限定。
在本发明中,除非实施例中另有明确的相关规定或者限定,否则实施例中出现的术语“安装”、“相连”、“连接”和“固定”等应做广义理解,例如,连接可以是固定连接,也可以是可拆卸连接,或成一体,可以理解的,也可以是机械连接、电连接等;当然,还可以是直接相连,或者通过中间媒介进行间接连接,或者可以是两个元件内部的连通,或者两个元件的相互作用关系。对于本领域的普通技术人员而言,能够根据具体的实施情况理解上述术语在本发明中的具体含义。
在本发明中,除非另有明确的规定和限定,第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触,或第一和第二特征通过中间媒介间接接触。而且,第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方,或仅仅表示第一特征水平高度小于第二特征。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种换热站的故障监视方法,其特征在于,所述方法包括:
获取换热站的实时热像图片和实时高清图片,并对所述实时热像图片和实时高清图片进行热像融合,获得实时热像图;
将所述实时热像图与预先创建的基准图库进行配准,获得配准图;
将所述实时热像图与所述配准图输入至差异提取网络模型进行差异处理,获取差异结果分割图;
根据所述差异结果分割图监测所述换热站是否出现故障;
其中,所述将所述实时热像图与所述配准图输入至差异提取网络模型进行差异处理,包括:对所述实时热像图和所述配准图进行特征提取处理,输出不同尺度的下采样特征图,获得第一差异特征图;对所述第一差异特征图进行空洞卷积并行采样,得到第二差异特征图;解码的网络在进行上采样的同时,将之前特征提取模块中对应尺度的下采样实时图像特征图和基准图像特征图同时作为输入,输入至上采样模块,通过上采样融合下采样特征的方式对所述第二差异特征图进行解码,获得所述差异结果分割图;
对所述实时热像图和所述配准图进行特征提取处理的网络包括第一特征提取层、第二特征提取层、第三特征提取层、第四特征提取层、第五特征提取层和第六特征提取层,其中,
采用所述第一特征提取层对所述实时热像图和所述配准图进行处理,获得第一尺度特征图;
采用所述第二特征提取层对所述第一尺度特征图进行处理,获得第二尺度特征图;
采用所述第三特征提取层对所述第二尺度特征图进行处理,获得第三尺度特征图;
采用所述第四特征提取层对所述第三尺度特征图进行处理,获得第四尺度特征图;
采用所述第五特征提取层对所述第四尺度特征图进行处理,获得第一特征提取结果特征图;
采用所述第六特征提取层对所述第一特征提取结果特征图进行处理,获得所述第一差异特征图;
通过上采样融合下采样特征的方式对所述第二差异特征图进行解码的网络包括第一上采样层、第二上采样层、第三上采样层和第四上采样层,其中,
采用所述第一上采样层对所述第二差异特征图和所述第四尺度特征图进行处理,输出第一特征结果差异图;
采用所述第二上采样层对所述第一特征结果差异图和所述第三尺度特征图进行处理,输出第二特征结果差异图;
采用所述第三上采样层对所述第二特征结果差异图和所述第二尺度特征图进行处理,输出第三特征结果差异图;
采用所述第四上采样层对所述第三特征结果差异图和所述第一尺度特征图进行处理,输出所述差异结果分割图。
2.根据权利要求1所述的方法,其特征在于,所述基准图库根据以下步骤创建:
按照设置的定时巡视路线,获取所述换热站的定时热像图片和定时高清图片,并对所述定时热像图片和定时高清图片进行热像融合,获得基准图,以及根据所述基准图创建所述基准图库。
3.根据权利要求1所述的方法,其特征在于,将所述实时热像图与预先创建的基准图库进行配准,包括:
确定所述实时热像图的拍摄时间和拍摄点位,并根据所述拍摄时间和拍摄点位从所述基准图库中获取相适配的基准图,以作为所述配准图。
4.根据权利要求1所述的方法,其特征在于,根据所述差异结果分割图监测所述换热站是否出现故障,包括:
对所述差异结果分割图进行形态学处理,获得所述差异结果分割图的连通域;
获取所述连通域的平均温度和区域面积;
在所述平均温度超过预设温度、和/或所述区域面积大于预设面积时,确定所述换热站出现故障。
5.根据权利要求1所述的方法,其特征在于,在根据所述差异结果分割图判断所述换热站未出现故障时,所述方法还包括:
根据所述实时热像图更新所述基准图库。
6.一种微型嵌入式图像诊断控制平台,包括存储器、处理器和存储在所述存储器上的计算机程序,其特征在于,所述计算机程序被所述处理器执行时,实现根据权利要求1-5中任一项所述的换热站的故障监视方法。
7.一种换热站的故障监视系统,其特征在于,所述系统包括:
红外双视模块和3D云台,所述3D云台用于搭载所述红外双视模块,以对所述换热站进行拍摄;
微型嵌入式图像诊断控制平台,用于获取换热站的实时热像图片和实时高清图片,并对所述实时热像图片和实时高清图片进行热像融合,获得实时热像图,以及将所述实时热像图与预先创建的基准图库进行配准,获得配准图;
所述微型嵌入式图像诊断控制平台还用于,将所述实时热像图与所述配准图输入至差异提取网络模型进行差异处理,获取差异结果分割图,并根据所述差异结果分割图监测所述换热站是否出现故障;
所述微型嵌入式图像诊断控制平台具体用于,对所述实时热像图和所述配准图进行特征提取处理,输出不同尺度的下采样特征图,获得第一差异特征图;对所述第一差异特征图进行空洞卷积并行采样,得到第二差异特征图;解码的网络在进行上采样的同时,将之前特征提取模块中对应尺度的下采样实时图像特征图和基准图像特征图同时作为输入,输入至上采样模块,通过上采样融合下采样特征的方式对所述第二差异特征图进行解码,获得所述差异结果分割图;
其中,对所述实时热像图和所述配准图进行特征提取处理的网络包括第一特征提取层、第二特征提取层、第三特征提取层、第四特征提取层、第五特征提取层和第六特征提取层,所述微型嵌入式图像诊断控制平台具体用于,
采用所述第一特征提取层对所述实时热像图和所述配准图进行处理,获得第一尺度特征图;
采用所述第二特征提取层对所述第一尺度特征图进行处理,获得第二尺度特征图;
采用所述第三特征提取层对所述第二尺度特征图进行处理,获得第三尺度特征图;
采用所述第四特征提取层对所述第三尺度特征图进行处理,获得第四尺度特征图;
采用所述第五特征提取层对所述第四尺度特征图进行处理,获得第一特征提取结果特征图;
采用所述第六特征提取层对所述第一特征提取结果特征图进行处理,获得所述第一差异特征图;
其中,通过上采样融合下采样特征的方式对所述第二差异特征图进行解码的网络包括第一上采样层、第二上采样层、第三上采样层和第四上采样层,所述微型嵌入式图像诊断控制平台具体用于,
采用所述第一上采样层对所述第二差异特征图和所述第四尺度特征图进行处理,输出第一特征结果差异图;
采用所述第二上采样层对所述第一特征结果差异图和所述第三尺度特征图进行处理,输出第二特征结果差异图;
采用所述第三上采样层对所述第二特征结果差异图和所述第二尺度特征图进行处理,输出第三特征结果差异图;
采用所述第四上采样层对所述第三特征结果差异图和所述第一尺度特征图进行处理,输出所述差异结果分割图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211570207.3A CN115661016B (zh) | 2022-12-08 | 2022-12-08 | 换热站的故障监视方法、系统和嵌入式图像诊断控制平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211570207.3A CN115661016B (zh) | 2022-12-08 | 2022-12-08 | 换热站的故障监视方法、系统和嵌入式图像诊断控制平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115661016A CN115661016A (zh) | 2023-01-31 |
CN115661016B true CN115661016B (zh) | 2023-04-18 |
Family
ID=85019647
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211570207.3A Active CN115661016B (zh) | 2022-12-08 | 2022-12-08 | 换热站的故障监视方法、系统和嵌入式图像诊断控制平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115661016B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115876334B (zh) * | 2023-02-22 | 2023-05-30 | 瑞纳智能设备股份有限公司 | 红外热像室内测温方法、系统和计算机可读存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110335271A (zh) * | 2019-07-10 | 2019-10-15 | 浙江铁素体智能科技有限公司 | 一种电气部件故障的红外检测方法及装置 |
CN110942458A (zh) * | 2019-12-06 | 2020-03-31 | 汕头大学 | 一种温度异常缺陷检测定位方法及系统 |
CN111582235A (zh) * | 2020-05-26 | 2020-08-25 | 瑞纳智能设备股份有限公司 | 用于实时监控站内异常事件的警报方法、系统及设备 |
CN112330597A (zh) * | 2020-10-14 | 2021-02-05 | 浙江大华技术股份有限公司 | 一种图像差异检测方法、装置及计算机设备 |
CN113901900A (zh) * | 2021-09-29 | 2022-01-07 | 西安电子科技大学 | 一种同源或异源遥感图像用无监督变化检测方法及系统 |
CN114998703A (zh) * | 2022-05-10 | 2022-09-02 | 西北工业大学 | 一种基于高分辨卷积神经网络的遥感图像变化检测方法 |
CN115272262A (zh) * | 2022-08-05 | 2022-11-01 | 国网河北省电力有限公司电力科学研究院 | 室外绝缘子表面缺陷识别方法、装置及电子设备 |
CN115311454A (zh) * | 2022-07-05 | 2022-11-08 | 长沙理工大学 | 一种基于残差特征优化和注意力机制的图像分割方法 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5440566A (en) * | 1991-09-23 | 1995-08-08 | Southwest Research Institute | Fault detection and diagnosis for printed circuit boards |
JPH09178566A (ja) * | 1995-12-26 | 1997-07-11 | Tokai Carbon Co Ltd | 熱画像表示方法および表示装置 |
RU2413976C1 (ru) * | 2009-09-25 | 2011-03-10 | Открытое акционерное общество "Головной центр сервисного обслуживания и ремонта Концерна ПВО "Алмаз-Антей" "Гранит" | Способ формирования контрольно-диагностических тестов |
KR101381613B1 (ko) * | 2012-04-30 | 2014-04-08 | 한국수력원자력 주식회사 | 온도 계측을 이용한 전력소자의 이상 진단시스템 |
US9025817B2 (en) * | 2012-09-05 | 2015-05-05 | Critical Imaging, LLC | System and method for leak detection |
US10375325B2 (en) * | 2016-06-23 | 2019-08-06 | Fluke Corporation | Thermal anomaly detection |
JP2018124808A (ja) * | 2017-02-01 | 2018-08-09 | 株式会社日立国際八木ソリューションズ | 画像処理装置及び画像処理プログラム |
US11024037B2 (en) * | 2018-11-15 | 2021-06-01 | Samsung Electronics Co., Ltd. | Foreground-background-aware atrous multiscale network for disparity estimation |
US20210123870A1 (en) * | 2019-10-24 | 2021-04-29 | Byton North America Corporation | Advanced diagnostics, assembly and service of a high voltage battery using image profiles |
CN111242946B (zh) * | 2020-03-03 | 2024-04-09 | 广州紫川电子科技有限公司 | 一种基于红外热成像的人体体温异常检测方法及装置 |
CN112668494A (zh) * | 2020-12-31 | 2021-04-16 | 西安电子科技大学 | 基于多尺度特征提取的小样本变化检测方法 |
CN114119532A (zh) * | 2021-11-23 | 2022-03-01 | 云南电网有限责任公司电力科学研究院 | 一种基于遥感影像与孪生神经网络的建筑物变化检测方法 |
CN114299000A (zh) * | 2021-12-24 | 2022-04-08 | 哈尔滨工业大学(深圳) | 一种基于可微分神经网络架构搜索的缺陷检测方法及系统 |
CN115131281A (zh) * | 2022-04-01 | 2022-09-30 | 腾讯科技(深圳)有限公司 | 变化检测模型训练和图像变化检测方法、装置及设备 |
CN115346083A (zh) * | 2022-08-12 | 2022-11-15 | 广东电网有限责任公司 | 一种温度异常检测模型训练方法、装置、设备及介质 |
CN115331002A (zh) * | 2022-08-23 | 2022-11-11 | 北京宇乾能源科技有限责任公司 | 一种基于ar眼镜实现热力站故障远程处理方法 |
-
2022
- 2022-12-08 CN CN202211570207.3A patent/CN115661016B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110335271A (zh) * | 2019-07-10 | 2019-10-15 | 浙江铁素体智能科技有限公司 | 一种电气部件故障的红外检测方法及装置 |
CN110942458A (zh) * | 2019-12-06 | 2020-03-31 | 汕头大学 | 一种温度异常缺陷检测定位方法及系统 |
CN111582235A (zh) * | 2020-05-26 | 2020-08-25 | 瑞纳智能设备股份有限公司 | 用于实时监控站内异常事件的警报方法、系统及设备 |
CN112330597A (zh) * | 2020-10-14 | 2021-02-05 | 浙江大华技术股份有限公司 | 一种图像差异检测方法、装置及计算机设备 |
CN113901900A (zh) * | 2021-09-29 | 2022-01-07 | 西安电子科技大学 | 一种同源或异源遥感图像用无监督变化检测方法及系统 |
CN114998703A (zh) * | 2022-05-10 | 2022-09-02 | 西北工业大学 | 一种基于高分辨卷积神经网络的遥感图像变化检测方法 |
CN115311454A (zh) * | 2022-07-05 | 2022-11-08 | 长沙理工大学 | 一种基于残差特征优化和注意力机制的图像分割方法 |
CN115272262A (zh) * | 2022-08-05 | 2022-11-01 | 国网河北省电力有限公司电力科学研究院 | 室外绝缘子表面缺陷识别方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
国朕.基于红外与可见光图像融合算法及其在电力设备检测中的应用.《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.2022,C042-408. * |
Also Published As
Publication number | Publication date |
---|---|
CN115661016A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10504218B2 (en) | Method and system for automated inspection utilizing a multi-modal database | |
CN109949347B (zh) | 人体跟踪方法、装置、系统、电子设备和存储介质 | |
US9950815B2 (en) | Systems and methods for detecting damage | |
CN115661016B (zh) | 换热站的故障监视方法、系统和嵌入式图像诊断控制平台 | |
EP2416113A2 (en) | Position and orientation measurement apparatus and position and orientation measurement method | |
EP2776816A1 (en) | System and method for data-driven automated defect detection | |
CN110826522A (zh) | 人体异常行为监控方法、系统、存储介质及监控设备 | |
WO2016034022A1 (zh) | 车辆检查方法和系统 | |
CN115147370A (zh) | 一种电池顶盖焊接缺陷检测方法、装置、介质及电子设备 | |
CN110827263B (zh) | 基于视觉识别技术的磁瓦表面缺陷检测系统及检测方法 | |
CN112633255A (zh) | 目标检测方法、装置及设备 | |
CN115331071A (zh) | 一种基于多尺度特征图的结核性脑膜脑炎预测方法及系统 | |
CN115171045A (zh) | 一种基于yolo的电网作业现场违章识别方法及终端 | |
CN113421272A (zh) | 一种肿瘤浸润深度的监测方法、装置、设备和存储介质 | |
CN114758147A (zh) | 人体异常姿态识别方法、装置及计算机可读存储介质 | |
CN112183382A (zh) | 无人驾驶交通灯检测分类方法和装置 | |
US20130301902A1 (en) | System and method of distributed processing for machine-vision analysis | |
CN112085724A (zh) | 一种基于bim及热图像的机柜温度测量方法及其装置 | |
CN115937991A (zh) | 人体摔倒识别方法、装置、计算机设备及存储介质 | |
CN106448163B (zh) | 道路监控方法及道路监控装置 | |
CN115731186A (zh) | 面料质量检测方法、装置、设备及存储介质 | |
CN112259227B (zh) | 一种评估sle病人心肌受累的量化指标的计算方法和系统 | |
CN113778091A (zh) | 一种风电场升压站设备巡检方法 | |
KR101714131B1 (ko) | 주차구획 인식 장치 및 방법 | |
KR102233109B1 (ko) | 영상 학습을 통한 기계 진단시스템 및 이를 이용한 기계 진단방법 |
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 |