CN116128810B - 一种基于前端识别的红外缺陷检测方法和系统 - Google Patents
一种基于前端识别的红外缺陷检测方法和系统 Download PDFInfo
- Publication number
- CN116128810B CN116128810B CN202211614349.5A CN202211614349A CN116128810B CN 116128810 B CN116128810 B CN 116128810B CN 202211614349 A CN202211614349 A CN 202211614349A CN 116128810 B CN116128810 B CN 116128810B
- Authority
- CN
- China
- Prior art keywords
- power system
- system equipment
- infrared
- unit
- image data
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 49
- 230000007547 defect Effects 0.000 title claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 238000007689 inspection Methods 0.000 claims abstract description 31
- 238000005070 sampling Methods 0.000 claims description 70
- 238000000034 method Methods 0.000 claims description 26
- 230000005540 biological transmission Effects 0.000 claims description 13
- 238000009529 body temperature measurement Methods 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000001179 sorption measurement Methods 0.000 claims description 9
- 235000007164 Oryza sativa Nutrition 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 235000009566 rice Nutrition 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 240000007594 Oryza sativa Species 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 241000209094 Oryza Species 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000001757 thermogravimetry curve Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001931 thermography Methods 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明提供了一种基于前端识别的红外缺陷检测方法和系统,包括以下步骤:S1、获取采集得到的电力系统设备的红外图像数据,并读取红外图像数据的编码,记录红外图像数据的标记序列;S2、在S1的基础上,将无人机的巡检位置与红外图像数据的台账信息进行匹配,以获得红外图像数据的标记序列;S3、在S2的基础上,将红外图像数据进行分割,以提取得到电力系统设备的边缘像素点区域,以获得能够反映电力系统设备的监测区域;S4、在S3的基础上,对电力系统设备的监测区域进行分析,以获取监测区域中红色灰度值和绿色灰度值,并转至S5对监测区域进行测温的操作;S5、在步骤S4的基础上,计算电力系统设备的监测区域内电力系统设备对应的温度。
Description
技术领域
本发明涉及图像分析技术领域,尤其涉及一种基于前端识别的红外缺陷检测方法和系统。
背景技术
现大多数红外热像仪并没有针对大气衰减的补偿手段;当太阳光或强烈灯光照射时,由于光线的反射和漫反射,会极大影响红外热像仪的正常工作和准确判断,同时,光线照射造成被测物体的温升将略加在被测设备的稳定温升上,直接造成测量误差。
如CN112381796B现有技术公开了一种基于红外数据的导线缺陷识别及检测方法,常采用的判别方法有表面温度判断法、相对温差判断法、同类比较法、热谱图分析法以及档案分析法等;这些方法在DL/T664-1999《带电设备红外诊断技术应用导则》中有说明,在实际应用中,通常选其中的一种或几种方法作为判断故障状态的依据。但是,上述的表面温度判断法、相对温差判断法、同类比较法、热谱图分析法以及档案分析法,各有其缺陷所在,均不能够精准且高效率地判断故障状态。
另一种典型的如CN108898077B的现有技术公开的一种电力设备红外热图的识别方法和电力设备红外识别系统,目前,也出现了多种智能巡检方法,利用红外热像仪获取待检测电力设备的红外热图,通过计算机视觉、红外热图处理等技术实现电力设备的识别和定位,进而可以进行状态监测和故障诊断。虽然对于电力设备的巡检更加智能化,但是现有对于电力设备的红外热图识别技术依然存在一些不足,例如对于背景和拍摄器材的噪音抗干扰能力较弱。
再来看如CN103901072B的现有技术公开的一种利用红外图谱分析诊断设备过热缺陷的方法,红外热像技术可快速、实时获取设备表面和内部温度信息,且不需直接接触运行中的带电设备,因而能够方便、准确地分析诊断出绝大多数设备过热缺陷,在实际现场中能够发挥重要作用;由于电气设备红外热像图谱的数据量通常非常大,目前又缺乏分析诊断准确度高、可靠性强、系统功能相对完善的集中管理手段和方法。
为了解决本领域普遍存在红外检测智能程度差、准确率高、无法对检测对象进行动态的监控、抗干扰能力弱、管理手段缺乏、无法主动预警、测量误差大等等问题,作出了本发明。
发明内容
本发明的目的在于,针对目前所存在的不足,提出了一种基于前端识别的红外缺陷检测方法和系统。
为了克服现有技术的不足,本发明采用如下技术方案:
一种基于前端识别的红外缺陷检测方法,所述红外缺陷检测方法包括以下步骤:
S1、获取采集得到的电力系统设备的红外图像数据,并读取红外图像数据的编码,以记录所述红外图像数据的标记序列;
S2、在步骤S1的基础上,将无人机的巡检位置与红外图像数据的台账信息进行匹配,以获得所述红外图像数据的标记序列;
S3、在步骤S2的基础上,将所述红外图像数据进行分割,以提取得到电力系统设备的边缘像素点区域,以获得能够反映所述电力系统设备的监测区域;
S4、在步骤S3的红外图像数据的基础上对所述电力系统设备的监测区域进行分析,以获取监测区域中R值、G值,并转至S5对所述监测区域进行双色测温的操作;
S5、在步骤S4的基础上,计算所述电力系统设备的监测区域内所述电力系统设备对应的温度。
可选的,所述红外缺陷检测方法还包括:将计算得到的辐射温度值转换为真实温度,若所述辐射温度值超过监控阈值则向监管者触发预警信号。
可选的,所述红外缺陷检测方法还包括:
在步骤S4中,通过对无人机巡检过程中采样得到的CCD彩色图像进行处理,以获取所述监测区域中图像的R、G通道所对应的红色灰度值和绿色灰度值;
所述处理包括区域提取和区域分割,以提取出所述电力系统设备的区域。
可选的,所述红外缺陷检测方法还包括:在步骤S5中,
所述电力系统设备对应的温度T根据下式进行计算:
式中,C2为第二辐射常数,单位:米·开尔文,其值根据CCD相机的参数直接取得,λg为CCD相机采集时的绿光波长,单位:米,λr为CCD相机采集时的红光波长,单位:米,R′为经过校准处理的彩色图像的红色灰度值,G为CCD相机采集得到的彩色图像的绿色灰度值,根据CCD相机的参数直接取得,k为校准系数,其值与CCD相机的固有特性有关,取值范围为k∈[4.78,5.32],U为测温系数,由实验获得。进一步,所述红外缺陷检测方法还包括:所述经过校准处理的彩色图像的R′值根据下式进行计算:
式中,R为采集得到的图像的红色通道的灰度值,Rmin为电路系统设备监测温度段的最小红色灰度值,SR为红色灰度值对应的摄像机快门速度,其值根据CCD相机进行采集时的拍摄参数直接确定,SG为绿色灰度值对应的摄像机快门速度,其值根据CCD相机进行采集时的拍摄参数直接确定。本发明还提供一种基于前端识别的红外缺陷检测系统,所述红外缺陷检测系统包括无人机、服务器、采样模块、调整模块、自检模块、定位模块,所述服务器分别与所述无人机、所述采样模块、调整模块和所述自检模块连接,所述采样模块用于对电力系统设备的红外图像进行采样,以获得所述电力系统设备的红外图像数据,所述调整模块用于对所述采样模块的采样角度进行调整,所述定位模块用于对所述无人机的实时位置进行定位,所述自检模块用于对所述无人机的采集位置、以及所述无人机朝向所述电力系统设备的巡检点位的姿势,以触发所述无人机对同一采集位置动态采集多个不同时间段的红外图像数据。
可选的,所述自检模块包括自检单元、以及触发单元,所述自检单元用于采集所述无人机的采集位置、以及所述无人机朝向所述电力系统设备的巡检点位的姿势,若所述无人机处于设定的定位位置,同时,所述无人机朝向所述电力系统设备的巡检点位的姿势,则通过所述触发单元对所述电力系统设备进行红外图像数据的采集;
其中,所述触发单元接收自检单元的采集指令后,向所述采样模块发送对所述电力系统设备的巡检点位采集红外图像数据的请求。
可选的,所述采样模块包括采样单元、以及存储单元,所述采样单元用于对所述电力系统设备的红外图像进行采样,所述存储单元用于存储所述采样单元的红外图像数据;
所述采样单元包括CCD相机、测距雷达,所述CCD相机用于采集所述电力系统设备运行时的红外图像数据,所述测距雷达用于检测所述无人机当前检测位置与所述电力系统设备的间距。
可选的,所述调整模块包括支撑单元、以及调整单元,所述支撑单元用于对所述采样模块进行支撑,所述调整单元用于对所述采样模块的采样角度进行调整;
所述支撑单元包括多关节支撑杆、卡接构件、以及吸附构件,所述卡接构件和所述吸附构件分别设置在所述多关节支撑杆的端部,所述卡接构件用于与所述采样模块进行可拆卸卡接,所述吸附构件用于将所述多关节支撑杆与所述无人机进行可拆卸连接;
其中,所述调整单元设置在所述多关节支撑杆的关节处,以调整各个关节之间的角度。
可选的,所述定位模块装载在所述无人机上,所述定位模块包括定位单元、数据传输单元,所述定位单元用于对所述无人机的位置进行定位,所述数据传输单元用于将所述定位单元的定位位置传输至所述服务器中;
所述定位单元包括定位器、记录器,所述定位器用于对所述无人机的位置进行定位,所述记录器用于存储所述定位器的定位数据。
本发明所取得的有益效果是:
1.通过对红外图像数据进行处理和分析,提升巡检点位环境的抗干扰能力,也使得在对电力系统设备进行巡检或者监控时,具有抗干扰能力和较高的准确率;
2.通过自检模块和采样模块的相互配合,使得整个系统能够对电力系统设备进行动态监控,促使整个系统具有对电力系统设备进行动态监控、管理精度高的优点;
3.通过调整模块和采样模块的相互配合,使得采样模块能够对电力系统设备的巡检点位的巡检,以提升对巡检点位的红外图像数据的采集精度,保证整个系统具有红外检测智能程度高、检测精度高的优点;
4.通过定位模块和采样模块进行配合,使得采样模块的采样位置能够被精准的控制,提升整个系统对电力系统设备的进行智能检测,还兼顾对巡检点位进行多次动态的检测,保证监测的准确性和高效性;
5.通过交互单元与采样模块的相互配合,使得电力系统设备的温度状况能与监管者或管理者进行交互,以提升整个系统的智能程度,促使对电力系统设备进行检测的过程中,具有主动预警、灵敏性高和管理效率高的优点。
附图说明
从以下结合附图的描述可以进一步理解本发明。图中的部件不一定按比例绘制,而是将重点放在示出实施例的原理上。在不同的视图中,相同的附图标记指定对应的部分。
图1为本发明的红外缺陷检测流程示意图。
图2为本发明的交互模块与监管者进行交互的方框示意图。
图3为本发明的红外缺陷检测系统的整体方框示意图。
图4为本发明的无人机与自检模块的自检方框示意图。
图5为本发明的无人机对同一检测位置进行动态监控的方框示意图。
图6为本发明的电力系统设备的检测场景示意图。
具体实施方式
以下是通过特定的具体实施例来说明本发明的实施方式,本领域技术人员可由本说明书所公开的内容了解本发明的优点与效果。本发明可通过其他不同的具体实施例加以施行或应用,本说明书中的各项细节也可基于不同观点与应用,在不悖离本发明的精神下进行各种修饰与变更。另外,本发明的附图仅为简单示意说明,并非依实际尺寸的描绘,事先声明。以下的实施方式将进一步详细说明本发明的相关技术内容,但所公开的内容并非用以限制本发明的保护范围。
实施例一。
根据图1、图2、图3、图4、图5、图6所示,本实施例提供一种基于前端识别的红外缺陷检测方法,所述红外缺陷检测方法包括以下步骤:
S1、获取采集得到的电力系统设备的红外图像数据,并读取红外图像数据的编码,以记录所述红外图像数据的标记序列;
其中,在对所述标记序列进行标记的过程中,使得所述红外图像数据的编码进行关联,以使得在巡检点位的图像数据能够被监控,并在存在异常时,能主动的触发预警或警报;
S2、在步骤S1的基础上,将无人机的巡检位置与红外图像数据的台账信息进行匹配,以获得所述红外图像数据的标记序列;
S3、在步骤S2的基础上,将所述红外图像数据进行分割,以提取得到电力系统设备的边缘,以获得能够反映所述电力系统设备的监测区域;
S4、在步骤S3的红外图像数据的基础上,对所述电力系统设备的监测区域进行分析,以获取监测区域中红色灰度值和绿色灰度值,并转至S5对所述监测区域进行测温的操作;
S5、在步骤S4的基础上,计算所述电力系统设备的监测区域内所述电力系统设备对应的温度;
可选的,所述红外缺陷检测方法还包括:将计算得到的辐射温度值转换为真实温度,若所述辐射温度值超过监控阈值则向监管者触发预警信号;
可选的,所述红外缺陷检测方法还包括:
在步骤S4中,通过对无人机巡检过程中采样得到的CCD彩色图像进行处理,以获取所述监测区域中图像的R、G通道所对应的红色灰度值和绿色灰度值;
所述处理包括区域提取和区域分割,以提取出所述电力系统设备的区域。
在本实施例中,所述红色通道、以及绿色通道所对应的灰度值均可以通过图像自身的简单处理直接获得,这是本领域技术人员所熟知的技术手段,因而在本实施例中,不再一一赘述;
可选的,所述红外缺陷检测方法还包括:在步骤5中,所述电力系统设备对应的温度T根据下式进行计算:
式中,C2为第二辐射常数,满足:C2=1.4838786*10-2(米·开尔文),根据CCD相机的参数直接取得,λg为CCD相机采集时的绿光波长,单位:米,λr为CCD相机采集时的红光波长,单位:米,R′为经过校准处理的彩色图像的红色灰度值,G为CCD相机采集得到的彩色图像的绿色灰度值,根据CCD相机的参数直接取得,k为校准系数,其值与CCD相机的固有特性有关,取值范围为k∈[4.78,5.32],由操作者根据实际情况自选定合适的值,U为测温系数,由实验获得。
所述红外缺陷检测方法还包括:所述经过校准处理的彩色图像的R′值根据下式进行计算:
式中,R为采集得到的图像的红色通道的灰度值,Rmin为电路系统设备监测温度段的最小红色灰度值,SR为红色灰度值对应的摄像机快门速度,其值根据CCD相机进行采集时的拍摄参数直接确定,SG为绿色灰度值对应的摄像机快门速度,其值根据CCD相机进行采集时的拍摄参数直接确定。
在本实施例中,提供一种测温系数U的实验标定的方法计算,本领域的技术人员可以根据如下的方式进行标定,所述标定的方法包括:采集指定的标定温度T标定下的图像数据,并分析该图像下的R通道灰度值、G通道灰度值、B通道灰度值,可获得一组数据(T标定,R,G,B),并带入下式进行计算(其中,取k=5代入),即可获得标定后的测温系数U:
式中,T为电力系统设备的温度,R为采集得到的图像的红色通道的灰度值,G为CCD相机采集得到的彩色图像的绿色灰度值,C2为第二辐射常数,C2=1.4838786*10-2m·k,根据CCD相机的参数直接取得,λg为CCD相机采集时的绿光波长,单位:m,λr为CCD相机采集时的红光波长,单位:m;
除了上述距离的方式外,本领域的技术人员也可以通过其他方式计算,因而在本实施例中,不再一一赘述:
当获得测温系数后,反带入式(1)中即可实现对电力系统设备温度的测量;在本实施例中,通过对红外图像数据进行处理和分析,提升巡检点位环境的抗干扰能力,也使得在对电力系统设备进行巡检或者监控时,具有抗干扰能力和较高的准确率;
值得注意的是,所述电力系统设备包括但是不局限于以下列举的几种:输电线、绝缘体、变压器、断路器、隔离开关、母线、电力电缆和输电线路等;
本发明还提供一种基于前端识别的红外缺陷检测系统,所述红外缺陷检测系统包括无人机、服务器、采样模块、调整模块、自检模块、定位模块,所述服务器分别与所述无人机、所述采样模块、所述调整模块、所述自检模块、所述定位模块连接,所述采样模块用于对电力系统设备的红外图像进行采样,以获得所述电力系统设备的红外图像数据,所述调整模块用于对所述采样模块的采样角度进行调整,所述定位模块用于对所述无人机的实时位置进行定位,所述自检模块用于对所述无人机的采集位置、以及所述无人机朝向所述电力系统设备的巡检点位的姿势,以触发所述无人机对同一采集位置动态采集多个不同时间段的红外图像数据;
所述红外缺陷检测系统还包括中央处理器,所述中央处理器分别与所述服务器、所述采样模块、所述调整模块、所述自检模块、所述定位模块控制连接,并基于所述中央处理器对所述采样模块、所述调整模块、所述自检模块、所述定位模块进行集中控制,以提升整个系统对电力系统设备的监控效率和监控精度;
可选的,所述自检模块包括自检单元、以及触发单元,所述自检单元用于采集所述无人机的采集位置、以及所述无人机朝向所述电力系统设备的巡检点位的姿势,若所述无人机处于设定的定位位置,同时,所述无人机朝向所述电力系统设备的巡检点位的姿势,则通过所述触发单元对所述电力系统设备进行红外图像数据的采集;
其中,所述触发单元接收自检单元的采集指令后,向所述采样模块发送对所述电力系统设备的巡检点位采集红外图像数据的请求;
所述自检单元包括比对器、以及任务管理器,所述比对器用于将设定的采集位置与所述无人机的实时位置进行比对,所述任务管理器用于对电力系统设备的巡检点位进行监控,以确定所述无人机是否对所述巡检点位进行巡检;
当所述比对器和所述任务管理器确定所述无人机在设定的巡检位置和相同的姿势后,触发对所述采集模块对所述电力系统设备进行红外图像数据的采集;
同时,所述采样模块装载在所述无人机上,并跟随所述无人机进行移动,以实现对电力系统设备进行巡检;
其中,通过所述自检模块和所述采样模块的相互配合,使得整个系统能够对电力系统设备进行动态监控,促使整个系统具有对电力系统设备进行动态监控、管理精度高的优点;
可选的,所述采样模块包括采样单元、以及存储单元,所述采样单元用于对所述电力系统设备的红外图像进行采样,所述存储单元用于存储所述采样单元的红外图像数据;
所述采样单元包括CCD相机、测距雷达,所述CCD相机用于采集所述电力系统设备运行时的图像数据;所述存储单元包括存储器、以及图像标记可执行程序,所述图像标记可执行程序用于对所述CCD相机采集的红外图像数据进行标记操作,其中,标记操作包括将无人机当前的定位位置、所述CCD相机的采集姿势角度、以及采集的位置标记在所述红外图像数据上,所述存储器用于存储已经被标记的红外图像数据;
可选的,所述调整模块包括支撑单元、以及调整单元,所述支撑单元用于对所述采样模块进行支撑,所述调整单元用于对所述采样模块的采样角度进行调整;
所述支撑单元包括多关节支撑杆、卡接构件、以及吸附构件,所述卡接构件和所述吸附构件分别设置在所述多关节支撑杆的端部,所述卡接构件用于与所述采样模块进行可拆卸卡接,所述吸附构件用于将所述多关节支撑杆与所述无人机进行可拆卸连接;
其中,所述调整单元设置在所述多关节支撑杆的关节处,以调整各个关节之间的角度;
所述调整单元包括调整座、调整驱动机构、转动检测件,所述转动检测件用于对所述调整座的转动角度检测,所述调整座设置在所述支撑杆的一个关节上,所述调整驱动机构设置在所述支撑杆的另一关节上,使得各个关节之间的转动角度能够被调整,促使所述采样探头的采样角度能够正对电力系统设备,以实现对所述电力系统设备的红外图像数据的精准采集;
在本实施例中,通过所述调整模块和所述采样模块的相互配合,使得所述采样模块能够对所述电力系统设备的巡检点位的巡检,以提升对巡检点位的红外图像数据的采集精度,保证整个系统具有红外检测智能程度高、检测精度高的优点;
可选的,所述定位模块装载在所述无人机上,且与所述无人机的机身可拆卸连接,所述定位模块包括定位单元、数据传输单元,所述定位单元用于对所述无人机的位置进行定位,所述数据传输单元用于将所述定位单元的定位位置传输至所述服务器中;
所述定位单元包括定位器、记录器,所述定位器用于对所述无人机的位置进行定位,所述记录器用于存储所述定位器的定位数据;
所述数据传输单元包括数据传输器、信号检测器,所述信号检测器用于对传输的信号进行检测,所述数据传输器用于将所述定位单元的定位位置传输至所述服务器中;
其中,当所述信号检测器检测到当前传输的信号强度满足传输的标准时,向所述数据传输器发送传输指令,使得所述信号检测器接收到所述传输指令后,响应所述传输指令将所述定位位置传输至所述服务器中;
通过所述定位模块和所述采样模块进行配合,使得所述采样模块的采样位置能够被精准的控制,提升整个系统对电力系统设备的进行智能检测,还兼顾对巡检点位进行多次动态的检测,保证监测的准确性和高效性。
实施例二。
本实施例应当理解为至少包含前述任一一个实施例的全部特征,并在其基础上进一步改进,根据图1、图2、图3、图4、图5、图6所示,还在于所述红外缺陷检测系统还包括交互模块,所述交互模块根据所述检测单元实际检测到的电力系统设备的温度向监管者进行交互,以提示所述监管者进行提示或者预警;
所述交互模块包括预警单元、以及提示单元,所述预警单元根据所述检测单元的检测结果与设定的监控阈值进行比较,若所述检测结果超过设定的监控阈值,则触发预警信号,所述提示单元根据所述预警信号向所述监管者触发提示;
所述预警单元根据下式确定预警等级:
Range1≤|T-Monitor_value|<Range2,五级预警
Range2≤|T-Monitor_value|<Range3,四级预警
Range3≤|T-Monitor_value|<Range4,三级预警
Range4≤|T-Monitor_value|<Range5,二级预警
Range5≤|T-Monitor_value|<Range6,一级预警
式中,Monitor_value为设定的监控阈值,[Range1,[Range2]为五级预警区间,[Range2,Range3)为四级预警区间,[Range3,[Range4)为三级预警区间,[Range4,[Range5)为二级预警区间,[Range5,[Range6)为一级预警区间,且一级预警的预警等级为最高最急迫;
所述预警单元将每次无人机巡检过程中采集计算得到的红外图像数据所对应的实时温度和预警等级,形成一个温度指标序列R={risk1,risk2,……,riskM},M为无人机每次巡检过程中的电力系统设备数量,并根据第k个电力系统设备的温度指标riskk计算第k个电力系统设备的温度风险指标Risk:
式中,m为系统预设的高温预警集合中的高温预警数;
当所述电力系统设备的温度风险指标Risk超过设定的监控阈值High_TEM,则触发预警,并通过所述提示单元向所述监管者进行提示;对于设定的监控阈值High_TEM由操作者进行设定,并通过系统的人机界面进行输入,同时,设定的监控阈值High_TEM的具体值由操作者根据实际的无人机的巡检路线进行设定,这是本领域的技术人员所熟知的技术手段,本领域的技术人员可以查询相关的技术手册获知该技术,因而在本实施例中不再一一赘述;
若所述电力系统设备的温度处于下降区域,则不向所述监管者触发提示;
其中,所述提示单元可通过短信或者其他通知的手段向所述监管者进行提示,使得所述监管者能够动态掌握所述电力系统设备的当前温度状态;
通过所述交互单元与所述采样模块的相互配合,使得所述电力系统设备的温度状况能与监管者或管理者进行交互,以提升整个系统的智能程度,促使对电力系统设备进行检测的过程中,具有主动预警、灵敏性高和管理效率高的优点。
以上所公开的内容仅为本发明的优选可行实施例,并非因此局限本发明的保护范围,所以凡是运用本发明说明书及附图内容所做的等效技术变化,均包含于本发明的保护范围内,此外,随着技术发展其中的元素可以更新的。
Claims (8)
1.一种基于前端识别的红外缺陷检测方法,其特征在于,所述红外缺陷检测方法包括以下步骤:
S1、获取采集得到的电力系统设备的红外图像数据,并读取红外图像数据的编码,以记录所述红外图像数据的标记序列;
S2、在步骤S1的基础上,将无人机的巡检位置与红外图像数据的台账信息进行匹配,以获得所述红外图像数据的标记序列;
S3、在步骤S2的基础上,将所述红外图像数据进行分割,以提取得到电力系统设备的边缘像素点区域,以获得能够反映所述电力系统设备的监测区域;
S4、在步骤S3的红外图像数据的基础上,对所述电力系统设备的监测区域进行分析,以获取监测区域中红色灰度值和绿色灰度值,并转至S5对所述监测区域进行测温的操作;
S5、在步骤S4的基础上,计算所述电力系统设备的监测区域内所述电力系统设备对应的温度;所述电力系统设备对应的温度T根据下式进行计算:
;
式中,C2为第二辐射常数,单位:米·开尔文,其值根据CCD相机的参数直接取得,λg为CCD相机采集时的绿光波长,单位:米,λr为CCD相机采集时的红光波长,单位:米,R´为经过校准处理的彩色图像的红色灰度值,G为CCD相机采集得到的彩色图像的绿色灰度值,根据CCD相机的参数直接取得,k为校准系数,其值与CCD相机的固有特性有关,取值范围为k∈[4.78,5.32],U为测温系数,由实验获得;
所述红外缺陷检测方法还包括:所述经过校准处理的彩色图像的红色灰度值R´根据下式进行计算:
;
式中,R为采集得到的图像的红色通道的灰度值,Rmin为电路系统设备监测温度段的最小红色灰度值,SR为红色灰度值对应的摄像机快门速度,其值根据CCD相机进行采集时的拍摄参数直接确定,SG为绿色灰度值对应的摄像机快门速度,其值根据CCD相机进行采集时的拍摄参数直接确定;
所述红外缺陷检测方法还包括测温系数U的实验标定的方法:采集指定的标定温度T下的图像数据,并分析该图像下的R通道灰度值、G通道灰度值、B通道灰度值,可获得一组数据T,R,G,B,并带入下式进行计算,其中,取k=5代入,即可获得标定后的测温系数U:
;
式中,T为电力系统设备的温度,R为采集得到的图像的红色通道的灰度值,G为CCD相机采集得到的彩色图像的绿色灰度值,C2为第二辐射常数,C2=1.4838786*10-2m·k,根据CCD相机的参数直接取得,λg为CCD相机采集时的绿光波长,单位:m,λr为CCD相机采集时的红光波长,单位:m。
2.根据权利要求1所述的一种基于前端识别的红外缺陷检测方法,其特征在于,所述红外缺陷检测方法还包括:将计算得到的辐射温度值转换为真实温度,若所述辐射温度值超过监控阈值则向监管者触发预警信号。
3.根据权利要求2所述的一种基于前端识别的红外缺陷检测方法,其特征在于,所述红外缺陷检测方法还包括:
在步骤S4中,通过对无人机巡检过程中采样得到的CCD彩色图像进行处理,以获取所述监测区域中图像的R、G通道所对应的红色灰度值和绿色灰度值;
所述处理包括区域提取和区域分割,以提取出所述电力系统设备的区域。
4.一种基于前端识别的红外缺陷检测系统,应用了如权利要求3所述的一种基于前端识别的红外缺陷检测方法,其特征在于,所述红外缺陷检测系统包括无人机、服务器、采样模块、调整模块、自检模块、定位模块,所述服务器分别与所述无人机、所述采样模块、所述调整模块、所述自检模块、所述定位模块连接,所述采样模块用于对电力系统设备的红外图像进行采样,以获得所述电力系统设备的红外图像数据,所述调整模块用于对所述采样模块的采样角度进行调整,所述定位模块用于对所述无人机的实时位置进行定位,所述自检模块用于对所述无人机的采集位置、以及所述无人机朝向所述电力系统设备的巡检点位的姿势,以触发所述无人机对同一采集位置动态采集多个不同时间段的红外图像数据。
5.根据权利要求4所述的一种基于前端识别的红外缺陷检测系统,其特征在于,所述自检模块包括自检单元、以及触发单元,所述自检单元用于采集所述无人机的采集位置、以及所述无人机朝向所述电力系统设备的巡检点位的姿势,若所述无人机处于设定的定位位置,同时,所述无人机朝向所述电力系统设备的巡检点位的姿势,则通过所述触发单元对所述电力系统设备进行红外图像数据的采集;
其中,所述触发单元接收自检单元的采集指令后,向所述采样模块发送对所述电力系统设备的巡检点位采集红外图像数据的请求。
6.根据权利要求5所述的一种基于前端识别的红外缺陷检测系统,其特征在于,所述采样模块包括采样单元、以及存储单元,所述采样单元用于对所述电力系统设备的红外图像进行采样,所述存储单元用于存储所述采样单元的红外图像数据;
所述采样单元包括CCD相机、测距雷达,所述CCD相机用于采集所述电力系统设备运行时的红外图像数据,所述测距雷达用于检测所述无人机当前检测位置与所述电力系统设备的间距。
7.根据权利要求6所述的一种基于前端识别的红外缺陷检测系统,其特征在于,所述调整模块包括支撑单元、以及调整单元,所述支撑单元用于对所述采样模块进行支撑,所述调整单元用于对所述采样模块的采样角度进行调整;
所述支撑单元包括多关节支撑杆、卡接构件、以及吸附构件,所述卡接构件和所述吸附构件分别设置在所述多关节支撑杆的端部,所述卡接构件用于与所述采样模块进行可拆卸卡接,所述吸附构件用于将所述多关节支撑杆与所述无人机进行可拆卸连接;
其中,所述调整单元设置在所述多关节支撑杆的关节处,以调整各个关节之间的角度。
8.根据权利要求7所述的一种基于前端识别的红外缺陷检测系统,其特征在于,所述定位模块装载在所述无人机上,所述定位模块包括定位单元、数据传输单元,所述定位单元用于对所述无人机的位置进行定位,所述数据传输单元用于将所述定位单元的定位位置传输至所述服务器中;
所述定位单元包括定位器、记录器,所述定位器用于对所述无人机的位置进行定位,所述记录器用于存储所述定位器的定位数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211614349.5A CN116128810B (zh) | 2022-12-15 | 2022-12-15 | 一种基于前端识别的红外缺陷检测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211614349.5A CN116128810B (zh) | 2022-12-15 | 2022-12-15 | 一种基于前端识别的红外缺陷检测方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116128810A CN116128810A (zh) | 2023-05-16 |
CN116128810B true CN116128810B (zh) | 2024-01-23 |
Family
ID=86298453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211614349.5A Active CN116128810B (zh) | 2022-12-15 | 2022-12-15 | 一种基于前端识别的红外缺陷检测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116128810B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102634632A (zh) * | 2012-05-09 | 2012-08-15 | 湖南镭目科技有限公司 | 一种转炉火焰温度检测系统和方法 |
CN103913465A (zh) * | 2014-04-04 | 2014-07-09 | 北京科技大学 | 一种多信息融合的高温铸坯表面缺陷在线检测方法 |
CN112381796A (zh) * | 2020-11-16 | 2021-02-19 | 广东电网有限责任公司肇庆供电局 | 一种基于红外数据的导线缺陷识别及检测方法 |
CN112595936A (zh) * | 2020-11-06 | 2021-04-02 | 广西电网有限责任公司崇左供电局 | 基于无人机巡检的输电线复合绝缘子智能检测系统 |
CN113551775A (zh) * | 2021-06-23 | 2021-10-26 | 国网福建省电力有限公司 | 基于红外热成像的设备故障在线监测报警方法和系统 |
WO2021218137A1 (zh) * | 2020-04-28 | 2021-11-04 | 株洲中车时代电气股份有限公司 | 基于红外图像的弓网检测方法、装置、系统、介质及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102182137A (zh) * | 2011-02-25 | 2011-09-14 | 广州飒特电力红外技术有限公司 | 路面缺陷检测系统及方法 |
-
2022
- 2022-12-15 CN CN202211614349.5A patent/CN116128810B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102634632A (zh) * | 2012-05-09 | 2012-08-15 | 湖南镭目科技有限公司 | 一种转炉火焰温度检测系统和方法 |
CN103913465A (zh) * | 2014-04-04 | 2014-07-09 | 北京科技大学 | 一种多信息融合的高温铸坯表面缺陷在线检测方法 |
WO2021218137A1 (zh) * | 2020-04-28 | 2021-11-04 | 株洲中车时代电气股份有限公司 | 基于红外图像的弓网检测方法、装置、系统、介质及设备 |
CN112595936A (zh) * | 2020-11-06 | 2021-04-02 | 广西电网有限责任公司崇左供电局 | 基于无人机巡检的输电线复合绝缘子智能检测系统 |
CN112381796A (zh) * | 2020-11-16 | 2021-02-19 | 广东电网有限责任公司肇庆供电局 | 一种基于红外数据的导线缺陷识别及检测方法 |
CN113551775A (zh) * | 2021-06-23 | 2021-10-26 | 国网福建省电力有限公司 | 基于红外热成像的设备故障在线监测报警方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116128810A (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108955900A (zh) | 一种基于红外热成像的升压站测温预警系统及方法 | |
CN111308283A (zh) | 一种多功能开关柜工作状态传感器及预警方法 | |
KR20130099507A (ko) | 전력설비 진단장치 및 이를 구현하기 위한 진단 프로그램 | |
CN105158678A (zh) | 一种印制电路板短路故障点快速检测装置 | |
CN111289111B (zh) | 自标校红外体温快速检测方法及检测装置 | |
CN112326038A (zh) | 一种基于5g通信的变电站智能测温系统及其测温方法 | |
CN112595936A (zh) | 基于无人机巡检的输电线复合绝缘子智能检测系统 | |
CN106548211A (zh) | 基于红外图像的变电站测温点自动识别方法和装置 | |
CN103837493A (zh) | 一种架空导线缺陷联合检测方法 | |
CN116128810B (zh) | 一种基于前端识别的红外缺陷检测方法和系统 | |
CN112326039B (zh) | 一种光伏电站巡检辅助系统 | |
CN116900449A (zh) | 基于信号融合的焊接质量监测方法和系统 | |
CN111736140B (zh) | 一种对象检测方法和摄像设备 | |
CN114942075A (zh) | 电力设备故障检测分析方法 | |
CN114279572B (zh) | 基于红外测温成像的电气柜自动巡检系统 | |
CN113516091B (zh) | 一种识别变电站电火花图像的方法 | |
CN115494357A (zh) | 一种劣化绝缘子检测系统及其方法 | |
CN213336504U (zh) | 一种高压配电柜接线结点温度检测装置 | |
CN115113093A (zh) | 一种可视化绝缘子漏电流巡检方法及设备 | |
CN103983649B (zh) | 一种基于光谱成像的异物检测方法 | |
CN211014597U (zh) | 玻璃表面线路缺陷快速检测装置 | |
CN111664948A (zh) | 多功能红外测温系统及其测温方法 | |
CN114518172B (zh) | 体温监测系统运行监控方法、装置、设备及存储介质 | |
CN221173629U (zh) | 一种红外测温系统 | |
KR102467927B1 (ko) | 발열 의심자 검지 장치 및 그 방법 |
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 |