CN116167999A - 一种基于图像匹配的配电线路零值绝缘子红外热像检测方法 - Google Patents
一种基于图像匹配的配电线路零值绝缘子红外热像检测方法 Download PDFInfo
- Publication number
- CN116167999A CN116167999A CN202310150335.0A CN202310150335A CN116167999A CN 116167999 A CN116167999 A CN 116167999A CN 202310150335 A CN202310150335 A CN 202310150335A CN 116167999 A CN116167999 A CN 116167999A
- Authority
- CN
- China
- Prior art keywords
- image
- insulator
- infrared
- value
- insulators
- 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 200
- 238000009826 distribution Methods 0.000 title claims abstract description 44
- 238000001514 detection method Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 3
- 238000005520 cutting process Methods 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 239000000725 suspension Substances 0.000 claims description 4
- 230000001419 dependent effect Effects 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000003709 image segmentation Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 2
- 238000007499 fusion processing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 4
- 229910052573 porcelain Inorganic materials 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 208000025274 Lightning injury Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 238000009413 insulation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009422 external insulation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 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
-
- 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
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,首先通过现场采集配电线路绝缘子的红外图像,建立典型拍摄角度下绝缘子的红外图像库,并采用灰度化、改进的BM3D去噪算法对红外图像进行预处理,还原红外图像中有效信息并且减少杂乱噪声;然后,利用改进的模板匹配算法定位识别绝缘子,获取红外图像中绝缘子的坐标参数,并采用改进的阈值分割算法对绝缘子进行分割提取;最后,利用最小二乘线性拟合对绝缘子图像进行提取温度,通过同类判断比较法对比多个绝缘子间温度状态的差异,实现零值绝缘子的检测。本发明能够为运维人员提供安全、高效的零值绝缘子检测方法,有助于实现配电线路绝缘子的智能运检。
Description
技术领域
本发明涉及配电线路领域,具体涉及一种基于图像匹配的配电线路零值绝缘子红外热像检测方法。
背景技术
配电线路作为电网系统中最靠近用户的一级,其是否安全稳定运行直接影响到广大居民的生活与生产劳作。配电线路分布广泛且由于自身绝缘水平较低等原因,易受到雷击等自然因素影响,其中雷击线路或周边建筑都易造成配电线路绝缘子事故的发生。瓷绝缘子在配电线路中使用很普遍,是配电网络的不可或缺的组成部分。由于在生产制造过程中出现的一些工艺缺陷,瓷绝缘子内部会存在微裂纹、小气孔。瓷绝缘子长期带电运行,又受导线压力、温度变化、污秽、天气变化、强电场等影响,当其劣化到一定程度,机械强度和绝缘性能会下降,从而产生零值绝缘子,零值绝缘子相对于正常绝缘子爬电距离下降,易引发击穿和闪络现象,严重威胁配电线路的安全稳定运行。
2018年,浙江海宁西部某重要配电线路发生多起雷击故障,现场运检人员巡线时发现主要是瓷绝缘子遭雷击损坏引起的故障,由于地处化工厂附近,周围酸碱地对配电网的腐蚀程度较高,也加剧了零值绝缘子的产生。为避免劣化绝缘子引发相关事故,DL/T393-2010、DL/T 626-2015规定需对瓷绝缘子定期开展检测。国内外研究者们提出了电场测量法、紫外成像法、机器人检测法等多种方法检测输配电线路的劣化绝缘子,这些带电检测方法不但工作量较大、安全性差,检测成本高,并且缺少对设备外绝缘性能实时信息的获取,不能做到及时准确地判断,而红外热像法通过对比绝缘子间温度状态的差异来判断是否存在零值绝缘子,因其存在非接触式、安全高效的优点,是现有技术中相对可行的带电检测方法。由于配电线路电压等级相对输电线路较低,杆塔高度有限,因此在地面上可通过同一拍摄角度拍摄大量的红外图像,红外热像法更适用于配电线路零值绝缘子检测。
发明内容
针对现有技术存在的问题,本发明的目的在于提供一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,为配电线路运维人员提供安全、高效的零值绝缘子检测方法,有助于实现线路绝缘子的智能运检,提高劣化绝缘子检测的效率与安全性。
为达到此发明目的,本发明采用以下技术方案,包括如下步骤:
S1:首先,通过现场拍摄收集包括N种型号的配电线路绝缘子红外图像,建立绝缘子红外图像库;然后,将红外图像库的每一张图像进行加权平均灰度化处理,并采用改进的BM3D算法对灰度化后图像进行去噪;最后,对去噪后图像中N种绝缘子典型拍摄角度下的绝缘子区域进行裁剪,建立绝缘子红外图像模板库;
S2:在绝缘子红外图像模板库中选取1张绝缘子红外图像作为模板图像T,并从红外图像库选取N张同型号绝缘子红外图像作为目标图像集Ii(i∈1,2,3…,n);构建Canny-Scale模板匹配算法的绝缘子识别模型,定位识别目标图像集中的绝缘子,获取红外图像中绝缘子的坐标参数,并根据坐标参数对绝缘子区域进行裁剪,以最小外接矩形框裁剪绝缘子,得到裁剪图像集Ci(i∈1,2,3…,n);
S3:采用Canny-Otsu分割算法对裁剪图像集进行图像分割,获得绝缘子的二值图像集,其中绝缘子部分归类为前景物体,绝缘子外区域归类为背景;利用基于像素级图像融合中的加权平均融合算法分别将绝缘子裁剪图像和对应的绝缘子二值图像进行融合处理,获得融合图像集Fi(i∈1,2,3…,n);根据裁剪图像集在原目标图像集中的坐标参数,将融合图像集中的图像分别对应返回到原目标图像集中裁剪图像集所在的位置,得到绝缘子分割提取图像Si(i∈1,2,3…,n);
S4:将目标图像集Ii(i∈1,2,3…,n)及其温宽条进行加权灰度化处理,读取目标图像集和温宽条的灰度矩阵,并从温宽条灰度矩阵中选取24组灰度值和其对应的温度,灰度值作为自变量x,温度作为因变量y,进行最小二乘线性拟合,从拟合线性表达式中获得目标图像集中灰度值与绝缘子温度的对应关系;
S5:将目标图像集Ii(i∈1,2,3…,n)中绝缘子的灰度值代入拟合线性表达式求出目标图像集中绝缘子的温度,通过对比多个绝缘子间的温度状态差异实现零值绝缘子检测。
进一步地,S1中N种绝缘子典型拍摄角度包含不仅限于:P-10型与PS-15型针式绝缘子为侧下方30°与侧下方45°,XP-70型等悬式绝缘子为正下方与侧下方30°。
进一步地,S1中改进的BM3D算法:针对一幅配电线路绝缘子红外图像,采用灰度化对图像进行预处理,获得R、G、B三个颜色通道像素值相同的灰度化图像;利用BM3D单独对R通道图像进行初始滤波,获得灰度去噪图p,并对G通道图像进行下采样,将G通道图像缩小为原来的1/2,得到低尺度图像d,再对低尺度图像d进行BM3D滤波,滤波后的图像进行上采样放大至原始图像大小,得到引导图像g,引导图像g按照公式(1)进行线性变换,获得去噪后的目标图像I:
式中:Gj为引导图像g的像素值,Ij为输出图像的像素值,线性系数(ak,bk)由公以下公式求得:
式中:μk和σk 2分别是引导图像g中以像素k为中心的小方形框ωk的像素平均值和方差;n是ωk中像素的个数;pj是低尺度图像j点的像素值;pk是灰度去噪图p在小方形框ωk中的像素平均值。相比于原来的BM3D算法,本发明方法将BM3D滤波后的图像作为低尺度图像d,再将低尺度图像d进行平滑的二次滤波,更适用与红外图像去噪,保持了BM3D滤波的优点,且具有更好的去噪性能与更高的峰值信噪比。
进一步地,S2中通过使用不同型号的绝缘子图像作为模板图像T来实现不同型号绝缘子的定位识别,模板库包含不仅限于P-10型、PS-15型针式绝缘子,XP-70型悬式绝缘子;对于同一型号的绝缘子图像,同一张模板图像T可以同时匹配M张目标图像。
进一步地,S2中针对绝缘子的定位识别,构建基于Canny-Scale模板匹配算法的绝缘子识别模型,针对一张目标图像I,根据Scale比例进行缩放,按照α=95%、α=90%、α=85%、α=80%、α=75%、α=70%、α=65%、α=60%、α=55%、α=50%的比例依次缩放图像,并保持宽高比;利用Canny算子提取模板图像T的边缘得到二值图Tb,利用Canny算子提取目标图像I的边缘得到二值图Ib,采用相关系数匹配法对二值图Tb与二值图Ib进行模板匹配;当α=95%的缩放比例时,模板图像的二值图Tb先在目标图像的二值图Ib上从左上角坐标原点开始平移滑动,直到遍历二值图Ib为止,每滑动一个像素就计算二值图Tb与其重合区域的相似度,记录相似度最大时图像的坐标位置;α=95%的缩放比例匹配完成后,α=90%、α=85%、α=80%、α=75%、α=70%、α=65%、α=60%、α=55%、α=50%进行与α=95%时同样的模板匹配过程,直到缩放到目标图像I比模板图像T小,则停止缩放,从中得到的最大相似度图像,即为Canny-Scale模板匹配的结果,最后以最小外接矩形框标识结果。相比于普通的模板匹配算法,本发明算法采用了Scale比例进行缩放,使绝缘子区域可以最小外接矩形框标识出,并且采用了Canny算子提取模板图像与目标图像的边缘,利用边缘进行模板匹配,提高了匹配的精准度。
进一步地,S3中Canny-Otsu分割算法:相对于阈值分割算法,本发明的Canny-Otsu分割算法将Canny边缘检测算子与Otsu法相结合,实现对Canny-Scale模板匹配识别的绝缘子进行更精准的边缘分割,能够有效地增强红外图像的对比度和减弱噪声。针对一幅裁剪图像C,首先利用Canny边缘检测算子进行边缘检测,计算出裁剪图像C某一点x、y轴方向的偏导数,求得该点的梯度值;再进行非极大值抑制来细化绝缘子边缘,若点(x,y)的梯度值大于梯度方向相邻点的梯度值,则该点为候选边缘点;然后将候选边缘点分为A1、A2、A3共3类,A1表示非边缘点,A2表示待判定点,A3表示边缘点;运用Otsu法计算最大类间方差,寻找A1、A2、A3区间的最佳分界点tj和tk;根据最佳分界点tj和tk,确定Canny检测的高低阈值,对图像进行分割。
进一步地,S4中目标图像集Ii(i∈1,2,3…,n)的温宽条均为相同温度范围下,即现场拍摄红外图像时将红外摄像仪设置成温宽条固定温度范围拍摄;拟合线性表达式中获得的灰度值与温度的对应关系即为目标图像集Ii(i∈1,2,3…,n)中灰度值与绝缘子温度的对应关系。
进一步地,S5中,采用OpenCV读取绝缘子中出现频率最高的灰度值,即灰度值在绝缘子灰度矩阵内的比例高于95%,以此灰度值代表绝缘子在红外图像中的实际灰度值。
进一步地,S5中,根据带电设备红外诊断应用规范标准进行零值绝缘子判定,零值绝缘子发热温度比正常绝缘子要低1℃左右,通过获取n个绝缘子的温度,若温度最低的绝缘子比其余绝缘子的平均温度值低1℃以上,即可判断其为零值绝缘子。
本发明的有益效果:
本发明提供的一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,能够有效实现配电线路零值绝缘子的智能检测,具有较高的准确率和良好的泛化性能,克服了现有技术中的问题,能够为运维人员提供安全、高效的零值绝缘子检测方法,有助于实现配电线路绝缘子的智能运检,提高劣化绝缘子检测的效率与安全性。
附图说明
附图1是本发明中的一种基于图像匹配的配电线路零值绝缘子红外热像检测方法流程图。
附图2是本发明中Canny-Scale模板匹配算法模型。
附图3是本发明实施例中配电线路绝缘子红外热像检测的实际检测效果图;(a)原始红外图像;(b)目标图像灰度去噪图I;(c)Canny-Scale模板匹配识别绝缘子图像M;(d)裁剪图像C;(e)绝缘子分割提取图像S。
具体实施方式
下面结合实施例对本发明做进一步的描述,有必要在此指出的是以下实施例只是用于对本发明进行进一步的说明,不能理解为对本发明保护范围的限制,该领域的技术熟练人员根据上述发明内容所做出的一些非本质的改进和调整,仍属于本发明的保护范围。
以下对基于图像匹配的配电线路零值绝缘子红外热像检测方法进行详细阐述,其流程图如图1所示,包括以下步骤:
S1:通过现场拍摄分别收集包含P-10、PS-15、SL-15/30、XP-70型号的四种配电线路瓷绝缘子红外图像,共计800张,构建绝缘子红外图像库。本实施例红外图像采用红相公司生产的型号为IRI-100C1的红外摄像仪在同一天下午拍摄,拍摄天气为阴天,气温在16~22℃范围内,图片大小为290px×240px,拍摄角度为典型拍摄角度:针式绝缘子为侧下方30°与侧下方45°,对于悬式绝缘子为正下方与侧下方30°。利用灰度化处理原始数据集,再采用改进的BM3D算法对数据集进行去噪处理,并对典型拍照角度下获得的红外图像进行绝缘子区域裁剪,得到大小为30px×30px的模板图像T,建立绝缘子的红外图像模板库。
本实施例中,从现场拍摄的P-10、PS-15、SL-15/30、XP-70型号的4种配电线路瓷绝缘子红外图像选取P-10型号绝缘子红外图像作为典型案例分析,这些类型绝缘子在10kV配电线路应用最为广泛,选取其作为数据集分析最具典型意义。只需将模板图像T更换为模板图像库的其他型号绝缘子图像,即可实现其余3种型号绝缘子的识别。
S2:从红外图像模板库选取1张30px×30px尺寸的P-10型绝缘子红外图像作为模板图像T,从红外图像库选取1张290px×240px尺寸的P-10型绝缘子红外图像作为目标图像I1,构建基于Canny-Scale模板匹配算法的绝缘子识别模型,将Canny算子的阈值下限设置为50,阈值上限设置为200,再将模板图像T和目标图像I1作为输入图像,经过绝缘子识别模型定位识别后,输出图像为经过Canny-Scale模板匹配识别绝缘子图像M,如图2所示。获取目标图像I1中绝缘子的坐标参数,并根据坐标参数对绝缘子区域进行裁剪,以最小外接矩形框裁剪绝缘子,得到裁剪图像C。
本实施例中,通过将模板匹配算法与Canny算法相结合,构建基于Canny-Scale模板匹配算法的绝缘子识别模型。将目标图像I1和模板图像T先转换成灰度图再去噪处理,接着采用Canny算子提取模板图像T和目标图像I1的边缘,利用模板图像T边缘进行模板匹配。将提取边缘后的模板图像T在目标图像I1上滑动,黑色矩形框即为模板图像T在目标图像I1上滑动时的位置,同时目标图像I1根据Scale比例缩放图像,并保持其宽高比,缩放到图像比模板图像小,则停止缩放。依据相关系数匹配法计算模板图像T与当前黑色矩形框内图像的相似度进行相关性匹配,从计算结果中找到相似度最高的黑色矩形框内图像即为输出图像。本实施例中的相关系数匹配法,原理公式如下:
式中:T表示模板图像,I表示目标图像,w和h表示模板图像T的高和宽,(x,y)是图中某个点相对于目标图像I原点的坐标,(x′,y′)是相对于黑色矩形框内子图的左上角的坐标,T'(x',y')表示所选模板T中该点的已降低灰度值,I'(x',y')表示目标图像I中该点的已降低灰度值,相似度函数如下计算:
其中相似度函数R(x,y)表示的是模板图像T与黑色矩形框内子图的相似度。
S3:采用Canny-Otsu分割算法对裁剪图像C进行图像分割,利用Canny边缘检测算子进行边缘检测,计算出裁剪图像C某一点x、y轴方向的偏导数,进而求得该点的梯度值;再进行非极大值抑制来细化绝缘子边缘,若点(x,y)的梯度值大于梯度方向相邻点的梯度值,则该点为候选边缘点;将候选边缘点分为A1、A2、A3共3类,A1表示非边缘点,A2表示待判定点,A3表示边缘点;运用Otsu法计算最大类间方差,寻找A1、A2、A3区间的最佳分界点tj和tk;根据最佳分界点tj和tk,确定Canny检测的高低阈值,对图像进行分割,绝缘子部分归类为前景物体,绝缘子外区域归类为背景,得到绝缘子的二值图像;利用基于像素级图像融合中的加权平均融合算法将裁剪图像C和二值图像进行融合处理,得到融合图像F;根据裁剪图像C在原目标图像I1中的坐标参数,将融合图像F返回到原目标图像I1中裁剪图像C所在的位置,得到绝缘子分割提取图像S。
本实施例中选取了4张P-10型号绝缘子红外图像验证本方法的有效性,通过将目标图像I1更换成目标图像In(n=2、3、4),即可在多张目标图像I上实现绝缘子的检测,实际检测效果如图3所示。
S4:通过将目标图像I1及其温宽条进行相同的加权灰度化处理,读取目标图像I1及其温宽条的灰度矩阵,从温宽条灰度矩阵中选取24组灰度值以及与其对应的温度,以灰度值为自变量x,温度为因变量y,进行最小二乘线性拟合,从拟合线性表达式中得到目标图像I1中灰度值与绝缘子温度的对应关系,对应关系如表1所示。
表1灰度值以及与其对应的温度
经过线性拟合,可得到直线y=0.1132x-2.1824为灰度值与温度对应关系表达式。经过误差分析,当x=112时,经拟合直线所求的y=10.496,与实际值y=11相差0.504,为拟合数据中的最大误差,即经过最小二乘线性拟合,提取红外图像上各像素的温度值,最大误差在±0.5℃之内,平均误差在±0.20℃之内,其精度可以满足零值绝缘子检测分析要求。
S5:将目标图像I1中绝缘子的灰度值代入拟合线性表达式求出目标图像I1中绝缘子的温度;通过更换目标图像I2,采用相同的步骤获取目标图像I2中绝缘子的温度,经过程序设计,即可实现批量化读取M张红外图像中绝缘子的温度;最后,根据带电设备红外诊断应用规范标准进行零值绝缘子判定,零值绝缘子发热温度比正常绝缘子要低1℃左右,通过获取M个绝缘子的温度,若温度最低的绝缘子比其余绝缘子的平均温度值低1℃以上,即可判断其为零值绝缘子。
本实施例中,通过OpenCV读取裁剪图像C中出现频率最高的灰度值,此灰度值在绝缘子灰度矩阵内的比例高于95%,以此灰度值代表绝缘子在红外图像中的实际灰度值。本实施例选取的4张P-10型号绝缘子红外图像中绝缘子温度如表2所示。
表2测试数据集实验结果
由表2可知,原始图像中绝缘子实际温度都在22℃左右,但其中“目标图像I4”的温度只有21.1368℃,明显低于其余正常绝缘子温度,比“目标图像I3”的温度还要低0.9056℃,故可判断其疑似为零值绝缘子,需要运维人员进行更换。实际检测时,可输入多张目标图像In进行零值绝缘子检测,目标图像In数量越多,检测的结果越具有说服性。
以上所述仅表达了本发明的优选实施方式,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的内容加以更改或改型为等同变化的等效实施例。但是,凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (9)
1.一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,其特征在于:包括如下步骤:
S1:首先,通过现场拍摄收集包括N种型号的配电线路绝缘子红外图像,建立绝缘子红外图像库;然后,将红外图像库的每一张图像进行加权平均灰度化处理,并采用改进的BM3D算法对灰度化后图像进行去噪;最后,对去噪后图像中N种绝缘子典型拍摄角度下的绝缘子区域进行裁剪,建立绝缘子红外图像模板库;
S2:在绝缘子红外图像模板库中选取1张绝缘子红外图像作为模板图像T,并从红外图像库选取N张同型号绝缘子红外图像作为目标图像集Ii(i∈1,2,3…,n);构建Canny-Scale模板匹配算法的绝缘子识别模型,定位识别目标图像集中的绝缘子,获取红外图像中绝缘子的坐标参数,并根据坐标参数对绝缘子区域进行裁剪,以最小外接矩形框裁剪绝缘子,得到裁剪图像集Ci(i∈1,2,3…,n);
S3:采用Canny-Otsu分割算法对裁剪图像集进行图像分割,获得绝缘子的二值图像集,其中绝缘子部分归类为前景物体,绝缘子外区域归类为背景;利用基于像素级图像融合中的加权平均融合算法分别将绝缘子裁剪图像和对应的绝缘子二值图像进行融合处理,获得融合图像集Fi(i∈1,2,3…,n);根据裁剪图像集在原目标图像集中的坐标参数,将融合图像集中的图像分别对应返回到原目标图像集中裁剪图像集所在的位置,得到绝缘子分割提取图像Si(i∈1,2,3…,n);
S4:将目标图像集Ii(i∈1,2,3…,n)及其温宽条进行加权灰度化处理,读取目标图像集和温宽条的灰度矩阵,并从温宽条灰度矩阵中选取24组灰度值和其对应的温度,灰度值作为自变量x,温度作为因变量y,进行最小二乘线性拟合,从拟合线性表达式中获得目标图像集中灰度值与绝缘子温度的对应关系;
S5:将目标图像集Ii(i∈1,2,3…,n)中绝缘子的灰度值代入拟合线性表达式求出目标图像集中绝缘子的温度,通过对比多个绝缘子间的温度状态差异实现零值绝缘子检测。
2.如权利要求1所述的一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,其特征在于:S1中N种绝缘子典型拍摄角度包含:针式绝缘子为侧下方30°与侧下方45°,悬式绝缘子为正下方与侧下方30°。
3.如权利要求1所述的一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,其特征在于:S1中改进的BM3D算法:针对一幅配电线路绝缘子红外图像,采用灰度化对图像进行预处理,获得R、G、B三个颜色通道像素值相同的灰度化图像;利用BM3D单独对R通道图像进行初始滤波,获得灰度去噪图p,并对G通道图像进行下采样,将G通道图像缩小为原来的1/2,得到低尺度图像d,再对低尺度图像d进行BM3D滤波,滤波后的图像进行上采样放大至原始图像大小,得到引导图像g,引导图像g按照公式(1)进行线性变换,获得去噪后的目标图像I:
式中:Gj为引导图像g的像素值,Ij为输出图像的像素值,线性系数(ak,bk)由公以下公式求得:
4.如权利要求1所述的一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,其特征在于:S2中通过使用不同型号的绝缘子图像作为模板图像T来实现不同型号绝缘子的定位识别,模板库包含P-10型、PS-15型针式绝缘子,XP-70型悬式绝缘子;对于同一型号的绝缘子图像,同一张模板图像T可以同时匹配M张目标图像。
5.如权利要求1所述的一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,其特征在于:S2中针对绝缘子的定位识别,构建基于Canny-Scale模板匹配算法的绝缘子识别模型,针对一张目标图像I,根据Scale比例进行缩放,按照α=95%、α=90%、α=85%、α=80%、α=75%、α=70%、α=65%、α=60%、α=55%、α=50%的比例依次缩放图像,并保持宽高比;利用Canny算子提取模板图像T的边缘得到二值图Tb,利用Canny算子提取目标图像I的边缘得到二值图Ib,采用相关系数匹配法对二值图Tb与二值图Ib进行模板匹配;当α=95%的缩放比例时,模板图像的二值图Tb先在目标图像的二值图Ib上从左上角坐标原点开始平移滑动,直到遍历二值图Ib为止,每滑动一个像素就计算二值图Tb与其重合区域的相似度,记录相似度最大时图像的坐标位置;α=95%的缩放比例匹配完成后,α=90%、α=85%、α=80%、α=75%、α=70%、α=65%、α=60%、α=55%、α=50%进行与α=95%时同样的模板匹配过程,直到缩放到目标图像I比模板图像T小,则停止缩放,从中得到的最大相似度图像,即为Canny-Scale模板匹配的结果,最后以最小外接矩形框标识结果。
6.如权利要求1所述的一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,其特征在于:S3中Canny-Otsu分割算法:Canny-Otsu分割算法将Canny边缘检测算子与Otsu法相结合,实现对Canny-Scale模板匹配识别的绝缘子进行更精准的边缘分割,能够有效地增强红外图像的对比度和减弱噪声;针对一幅裁剪图像C,首先利用Canny边缘检测算子进行边缘检测,计算出裁剪图像C某一点x、y轴方向的偏导数,求得该点的梯度值;再进行非极大值抑制来细化绝缘子边缘,若点(x,y)的梯度值大于梯度方向相邻点的梯度值,则该点为候选边缘点;然后将候选边缘点分为A1、A2、A3共3类,A1表示非边缘点,A2表示待判定点,A3表示边缘点;运用Otsu法计算最大类间方差,寻找A1、A2、A3区间的最佳分界点tj和tk;根据最佳分界点tj和tk,确定Canny检测的高低阈值,对图像进行分割。
7.如权利要求1所述的一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,其特征在于:S4中目标图像集Ii(i∈1,2,3…,n)的温宽条均为相同温度范围下,即现场拍摄红外图像时将红外摄像仪设置成温宽条固定温度范围拍摄;拟合线性表达式中获得的灰度值与温度的对应关系即为目标图像集Ii(i∈1,2,3…,n)中灰度值与绝缘子温度的对应关系。
8.如权利要求1所述的一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,其特征在于:S5中,采用OpenCV读取绝缘子中出现频率最高的灰度值,即灰度值在绝缘子灰度矩阵内的比例高于95%,以此灰度值代表绝缘子在红外图像中的实际灰度值。
9.如权利要求1所述的一种基于图像匹配的配电线路零值绝缘子红外热像检测方法,其特征在于:S5中,根据带电设备红外诊断应用规范标准进行零值绝缘子判定,零值绝缘子发热温度比正常绝缘子要低1℃左右,通过获取n个绝缘子的温度,若温度最低的绝缘子比其余绝缘子的平均温度值低1℃以上,即可判断其为零值绝缘子。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310150335.0A CN116167999A (zh) | 2023-02-22 | 2023-02-22 | 一种基于图像匹配的配电线路零值绝缘子红外热像检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310150335.0A CN116167999A (zh) | 2023-02-22 | 2023-02-22 | 一种基于图像匹配的配电线路零值绝缘子红外热像检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116167999A true CN116167999A (zh) | 2023-05-26 |
Family
ID=86416122
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310150335.0A Pending CN116167999A (zh) | 2023-02-22 | 2023-02-22 | 一种基于图像匹配的配电线路零值绝缘子红外热像检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116167999A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173190A (zh) * | 2023-11-03 | 2023-12-05 | 成都中轨轨道设备有限公司 | 基于图像处理的绝缘子红外验损系统 |
CN117687385A (zh) * | 2023-12-14 | 2024-03-12 | 深圳市摩天星智能科技有限公司 | 应用于平板pcba控制模块的自动测试方法及系统 |
-
2023
- 2023-02-22 CN CN202310150335.0A patent/CN116167999A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117173190A (zh) * | 2023-11-03 | 2023-12-05 | 成都中轨轨道设备有限公司 | 基于图像处理的绝缘子红外验损系统 |
CN117173190B (zh) * | 2023-11-03 | 2024-02-02 | 成都中轨轨道设备有限公司 | 基于图像处理的绝缘子红外验损系统 |
CN117687385A (zh) * | 2023-12-14 | 2024-03-12 | 深圳市摩天星智能科技有限公司 | 应用于平板pcba控制模块的自动测试方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108037133B (zh) | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 | |
CN103487729B (zh) | 基于紫外视频与红外视频融合的电力设备缺陷检测方法 | |
CN112734692B (zh) | 一种变电设备缺陷识别方法及装置 | |
CN116167999A (zh) | 一种基于图像匹配的配电线路零值绝缘子红外热像检测方法 | |
CN111798412B (zh) | 一种基于红外图像的变电设备缺陷智能诊断方法及系统 | |
CN111369516B (zh) | 基于红外图像识别的变压器套管发热缺陷检测方法 | |
CN108680833B (zh) | 基于无人机的复合绝缘子缺陷检测系统 | |
CN108846402B (zh) | 基于多源数据的梯田田坎自动化提取方法 | |
CN114241364A (zh) | 一种架空输电线路异物目标快速标定方法 | |
CN107843818B (zh) | 基于异源图像温升与局部放电特征高压绝缘故障诊断方法 | |
CN112017173B (zh) | 基于目标检测网络和结构化定位的电力设备缺陷检测方法 | |
CN109345586A (zh) | 基于紫外成像技术的电气设备放电特征提取方法 | |
CN116231504A (zh) | 一种升压站远程智能巡检方法、装置及系统 | |
CN112819812A (zh) | 基于图像处理的粉末床缺陷检测方法 | |
Zhang et al. | Detection and condition assessment of icicle bridging for suspension glass insulator by image analysis | |
CN114241310B (zh) | 基于改进yolo模型的堤防管涌险情智能识别方法 | |
CN114724042A (zh) | 一种输电线路中零值绝缘子自动检测方法 | |
CN109948629B (zh) | 一种基于sift特征的gis设备x射线图像故障检测方法 | |
CN114663672A (zh) | 一种输电线路塔钢构件腐蚀检测方法及系统 | |
CN113962929A (zh) | 光伏电池组件缺陷检测方法、系统及光伏电池组件生产线 | |
CN117036825A (zh) | 一种太阳能电池板检测方法、介质及系统 | |
CN108573233B (zh) | 一种基于图像处理技术的电网陶瓷绝缘子识别方法 | |
CN113781436B (zh) | 一种基于摄像机和角度测量的高压开关状态监测方法 | |
CN116188505A (zh) | 基于紫外红外协同检测的绝缘电力设备在线监测系统 | |
CN115937683A (zh) | 基于激光清障设备的高空输电线异物目标检测方法及系统 |
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 |