CN116740653A - 一种配电箱运行状态监测方法及系统 - Google Patents
一种配电箱运行状态监测方法及系统 Download PDFInfo
- Publication number
- CN116740653A CN116740653A CN202311015417.0A CN202311015417A CN116740653A CN 116740653 A CN116740653 A CN 116740653A CN 202311015417 A CN202311015417 A CN 202311015417A CN 116740653 A CN116740653 A CN 116740653A
- Authority
- CN
- China
- Prior art keywords
- edge
- initial edge
- initial
- pixel point
- target
- 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.)
- Withdrawn
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000005855 radiation Effects 0.000 claims abstract description 81
- 238000003708 edge detection Methods 0.000 claims abstract description 44
- 230000005764 inhibitory process Effects 0.000 claims abstract description 36
- 238000012937 correction Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 230000000875 corresponding effect Effects 0.000 claims description 292
- 230000002596 correlated effect Effects 0.000 claims description 22
- 230000014759 maintenance of location Effects 0.000 claims description 15
- 238000012216 screening Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 11
- 230000005856 abnormality Effects 0.000 abstract description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 10
- 238000012549 training Methods 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 238000010606 normalization Methods 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007306 functionalization reaction Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Abstract
本发明涉及图像数据处理技术领域,具体涉及一种配电箱运行状态监测方法及系统,该方法包括:获取待监测配电箱对应的目标热像图,对目标热像图进行边缘检测;确定每个初始边缘对应的目标合并区域和参考边缘集合;对每个初始边缘和每个参考边缘进行相关性处理;确定每个初始边缘对应的热辐射指标、目标热源指标、目标抑制程度和目标修正梯度值;根据各个初始边缘像素点对应的目标修正梯度值,对目标热像图进行边缘检测;根据目标热源边缘图像,判断待监测配电箱的运行状态是否异常。本发明通过对目标热像图进行图像数据处理,可以提高热源区域边缘定位的准确度,可以便于后续及时发现配电箱在运行过程中是否存在热异常。
Description
技术领域
本发明涉及图像数据处理技术领域,具体涉及一种配电箱运行状态监测方法及系统。
背景技术
配电箱是在进行电力的分配和控制中所运用的设备,主要用于将主电源输入分配到各个电力回路,并提供对电路的保护和控制,通常安装在工业、商业和住宅建筑中的电力配电系统中。当配电箱发生过负荷、漏电等故障时,往往会导致配电箱局部发热,从而导致配电箱起火,引发火情安全问题。因此,对配电箱的运行状态进行监测时,往往需要定位配电箱的热源区域。其中,热源区域也就是发热区域。目前,对区域进行定位时,通常采用的方式为:对采集的图像进行边缘检测,得到区域的边缘,实现区域的定位。
然而,当采用上述方式,对配电箱的热源区域进行定位时,经常会存在如下技术问题:
由于热的辐射性,所以产生热的热源区域往往会向外进行热辐射,从而导致热源区域的周围生成热辐射区域,所以直接对采集的配电箱内部的热像图进行边缘检测时,检测到的边缘中往往不仅有热源区域的边缘,还有热辐射区域的边缘,然而,由于热辐射区域是由热源区域进行热辐射产生的区域,所以热源区域的温度往往高于热辐射区域,故判断配电箱是否局部过热而可能引发火情时,往往只需对热源区域进行定位检测即可,因此,直接对采集的配电箱内部的热像图进行边缘检测时,往往不能准确定位热源区域的边缘,往往不利于后续及时发现配电箱在运行过程中是否存在热异常,即往往不利于后续及时发现故障。
发明内容
本发明的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本发明的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
为了解决对热源区域边缘定位的准确度较低的技术问题,本发明提出了一种配电箱运行状态监测方法及系统。
第一方面,本发明提供了一种配电箱运行状态监测方法,该方法包括:
获取待监测配电箱对应的目标热像图,对目标热像图进行边缘检测,得到初始边缘集合;
根据所述初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,确定所述初始边缘对应的目标合并区域;
根据每个初始边缘对应的目标合并区域,从所述初始边缘集合中筛选出每个初始边缘对应的参考边缘集合;
对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,得到所述初始边缘和所述参考边缘之间的目标相关指标;
根据每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,确定所述初始边缘对应的热辐射指标;
对每个初始边缘像素点进行热源分析处理,得到所述初始边缘像素点对应的目标热源指标;
根据每个初始边缘像素点对应的目标热源指标,以及所述初始边缘像素点所属初始边缘对应的热辐射指标,确定所述初始边缘像素点对应的目标抑制程度;
根据每个初始边缘像素点对应的目标抑制程度和梯度值,确定所述初始边缘像素点对应的目标修正梯度值;
根据所述初始边缘集合中的各个初始边缘像素点对应的目标修正梯度值,对目标热像图进行边缘检测,得到目标热源边缘图像;
根据所述目标热源边缘图像,判断所述待监测配电箱的运行状态是否异常。
可选地,所述根据所述初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,确定所述初始边缘对应的目标合并区域,包括:
将所述初始边缘上所有初始边缘像素点对应的预设滑窗的并集,确定为所述初始边缘对应的目标合并区域。
可选地,所述根据每个初始边缘对应的目标合并区域,从所述初始边缘集合中筛选出每个初始边缘对应的参考边缘集合,包括:
对于所述初始边缘集合中的每个初始边缘,将所述初始边缘集合中与该初始边缘对应的目标合并区域的交集不为空的初始边缘,确定为参考边缘,得到参考边缘集合。
可选地,所述对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,得到所述初始边缘和所述参考边缘之间的目标相关指标,包括:
将所述初始边缘上的每个初始边缘像素点与所述参考边缘上的每个参考边缘像素点之间的距离,确定为所述初始边缘像素点和所述参考边缘像素点之间的参考距离;
将每个初始边缘像素点对应的梯度方向与每个参考边缘像素点对应的梯度方向之间的夹角,确定为所述初始边缘像素点和所述参考边缘像素点之间的方向差异;
根据每个初始边缘像素点和每个参考边缘像素点之间的参考距离与方向差异,确定所述初始边缘像素点和所述参考边缘像素点之间的第一差异指标,其中,参考距离和方向差异均与第一差异指标呈正相关;
根据每个初始边缘像素点和所述参考边缘上的各个参考边缘像素点之间的第一差异指标,确定所述初始边缘像素点和所述参考边缘之间的第二差异指标,其中,第一差异指标与第二差异指标呈正相关;
根据所述初始边缘上的各个初始边缘像素点和所述参考边缘之间的第二差异指标,确定所述初始边缘和所述参考边缘之间的第三差异指标,其中,第二差异指标与第三差异指标呈正相关;
根据所述初始边缘和所述参考边缘之间的第三差异指标,确定所述初始边缘和所述参考边缘之间的目标相关指标,其中,第三差异指标与目标相关指标呈负相关。
可选地,所述根据每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,确定所述初始边缘对应的热辐射指标,包括:
将所述参考边缘集合中的每个参考边缘在所述初始边缘对应的目标合并区域内的长度,确定为所述初始边缘和所述参考边缘之间的重合长度;
根据所述初始边缘和每个参考边缘之间的重合长度与目标相关指标,确定所述初始边缘和所述参考边缘之间的初始辐射指标,其中,重合长度和目标相关指标均与初始辐射指标呈正相关;
根据所述初始边缘和其对应的参考边缘集合中的各个参考边缘之间的初始辐射指标,确定所述初始边缘对应的热辐射指标,其中,初始辐射指标与热辐射指标呈正相关。
可选地,所述对每个初始边缘像素点进行热源分析处理,得到所述初始边缘像素点对应的目标热源指标,包括:
从所述初始边缘像素点对应的预设滑窗中的各个像素点对应的灰度值中筛选出最大的灰度值,作为所述初始边缘像素点对应的参考灰度指标;
从所述初始边缘像素点对应的预设滑窗中筛选出一个灰度值最大的像素点,作为所述初始边缘像素点对应的候选像素点;
将所述初始边缘像素点与所述候选像素点之间的距离,确定为所述初始边缘像素点对应的候选距离;
根据所述初始边缘像素点对应的参考灰度指标、候选距离和梯度值,确定所述初始边缘像素点对应的目标热源指标,其中,参考灰度指标和梯度值均与目标热源指标呈正相关,候选距离与目标热源指标呈负相关。
可选地,所述目标热源指标与所述目标抑制程度呈负相关;所述初始边缘像素点所属初始边缘对应的热辐射指标与所述目标抑制程度呈正相关。
可选地,所述根据每个初始边缘像素点对应的目标抑制程度和梯度值,确定所述初始边缘像素点对应的目标修正梯度值,包括:
根据所述目标抑制程度,确定所述初始边缘像素点对应的保留程度指标,其中,目标抑制程度与保留程度指标呈负相关;
根据所述初始边缘像素点对应的保留程度指标和梯度值,确定所述初始边缘像素点对应的目标修正梯度值。
可选地,所述根据所述初始边缘像素点对应的保留程度指标和梯度值,确定所述初始边缘像素点对应的目标修正梯度值,包括:
将所述初始边缘像素点对应的保留程度指标和梯度值的乘积,确定为所述初始边缘像素点对应的目标修正梯度值。
第二方面,本发明提供了一种配电箱运行状态监测系统,包括处理器和存储器,上述处理器用于处理存储在上述存储器中的指令以实现上述的一种配电箱运行状态监测方法。
本发明具有如下有益效果:
本发明的一种配电箱运行状态监测方法,通过对目标热像图进行图像数据处理,可以提高热源区域边缘定位的准确度,可以便于后续及时发现配电箱在运行过程中是否存在热异常。首先,获取包含待监测配电箱温度的目标热像图,并对目标热像图进行边缘检测,可以便于后续对待监测配电箱的热源区域进行定位。然后,综合考虑初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,可以提高初始边缘对应的目标合并区域确定的准确度。接着,基于每个初始边缘对应的目标合并区域,从初始边缘集合中筛选出每个初始边缘对应的参考边缘集合,可以便于后续判断初始边缘是否为热源区域的边缘。继续,对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,可以提高目标相关指标确定的准确度。再者,综合考虑每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,可以提高初始边缘对应的热辐射指标确定的准确度。其次,对每个初始边缘像素点进行热源分析处理,可以提高初始边缘像素点对应的目标热源指标确定的准确度。之后,综合考虑初始边缘像素点对应的目标热源指标,以及初始边缘像素点所属初始边缘对应的热辐射指标,可以提高初始边缘像素点对应的目标抑制程度确定的准确度。而后,综合考虑初始边缘像素点对应的目标抑制程度和梯度值,可以提高初始边缘像素点对应的目标修正梯度值确定的准确度。最后,综合考虑初始边缘集合中的各个初始边缘像素点对应的目标修正梯度值,对目标热像图进行边缘检测,得到目标热源边缘图像,根据目标热源边缘图像,判断待监测配电箱的运行状态是否异常,可以实现对热源区域边缘的定位,可以排除热辐射区域边缘的干扰,从而可以便于后续及时发现配电箱在运行过程中是否存在热异常,进而可以预防配电箱由于局部发热而导致的危害,比如火灾。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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它附图。
图1为本发明的一种配电箱运行状态监测方法的流程图;
图2为本发明的参考边缘示意图。
其中,附图标记包括:第一初始边缘201、第二初始边缘202、第三初始边缘203、第四初始边缘204和目标合并区域205。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的技术方案的具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一个实施例。此外,一个或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
一种配电箱运行状态监测方法及系统实施例:
本发明提供了一种配电箱运行状态监测方法,该方法包括以下步骤:
获取待监测配电箱对应的目标热像图,对目标热像图进行边缘检测,得到初始边缘集合;
根据初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,确定初始边缘对应的目标合并区域;
根据每个初始边缘对应的目标合并区域,从初始边缘集合中筛选出每个初始边缘对应的参考边缘集合;
对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,得到初始边缘和参考边缘之间的目标相关指标;
根据每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,确定初始边缘对应的热辐射指标;
对每个初始边缘像素点进行热源分析处理,得到初始边缘像素点对应的目标热源指标;
根据每个初始边缘像素点对应的目标热源指标,以及初始边缘像素点所属初始边缘对应的热辐射指标,确定初始边缘像素点对应的目标抑制程度;
根据每个初始边缘像素点对应的目标抑制程度和梯度值,确定初始边缘像素点对应的目标修正梯度值;
根据初始边缘集合中的各个初始边缘像素点对应的目标修正梯度值,对目标热像图进行边缘检测,得到目标热源边缘图像;
根据目标热源边缘图像,判断待监测配电箱的运行状态是否异常。
下面对上述各个步骤进行详细展开:
参考图1,示出了本发明的一种配电箱运行状态监测方法的一些实施例的流程。该配电箱运行状态监测方法,包括以下步骤:
步骤S1,获取待监测配电箱对应的目标热像图,对目标热像图进行边缘检测,得到初始边缘集合。
在一些实施例中,可以获取待监测配电箱对应的目标热像图,对上述目标热像图进行边缘检测,得到初始边缘集合。
其中,待监测配电箱可以是待进行运行状态监测的配电箱。目标热像图可以是待监测配电箱对应的灰度化后的热像图。热像图可以是由红外热像仪拍摄的图像。初始边缘集合中的初始边缘可以是对目标热像图进行边缘检测后得到的边缘。
需要说明的是,获取包含待监测配电箱温度的目标热像图,并对目标热像图进行边缘检测,可以便于后续对待监测配电箱的热源区域进行定位。
作为示例,本步骤可以包括以下步骤:
第一步,获取待监测配电箱对应的初始热像图。
例如,可以通过红外热像仪,采集待监测配电箱内部的热像图,作为初始热像图。
第二步,对初始热像图进行灰度化,并将灰度化后的初始热像图,作为目标热像图。
第三步,对目标热像图进行边缘检测,得到初始边缘集合。
例如,可以采用Canny边缘检测算法,对目标热像图进行边缘检测,并将此次边缘检测得到的边缘作为初始边缘,得到初始边缘集合。其中,此时Canny边缘检测算法中的双阈值均可以设置为5。
需要说明的是,初始边缘集合往往既包括热源区域的边缘,又包括热辐射区域的边缘。热辐射区域的边缘也就是热辐射范围内的边缘。其次,进行边缘检测时将Canny边缘检测算法中的双阈值设置的较小时,可以尽可能多的获取边缘,可以使尽可能多的边缘像素点参与后续的抑制修正,可以使后续能够更好的排除热辐射区域的边缘,从而可以提高后续对待监测配电箱的热源区域定位的准确度。
步骤S2,根据初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,确定初始边缘对应的目标合并区域。
在一些实施例中,可以根据上述初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,确定上述初始边缘对应的目标合并区域。
其中,初始边缘像素点可以是初始边缘上的像素点。预设滑窗可以是预先设置的滑动窗口。例如,预设滑窗可以是9×9的滑动窗口。初始边缘像素点可以位于该初始边缘像素点对应的预设滑窗的中心。
需要说明的是,综合考虑初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,可以提高初始边缘对应的目标合并区域确定的准确度。
作为示例,可以将上述初始边缘上所有初始边缘像素点对应的预设滑窗的并集,确定为上述初始边缘对应的目标合并区域。其中,每个初始边缘对应的目标合并区域可以是该初始边缘上所有像素点对应的预设滑窗所在的区域。
需要说明的是,初始边缘对应的目标合并区域可以表征该初始边缘的邻域。
步骤S3,根据每个初始边缘对应的目标合并区域,从初始边缘集合中筛选出每个初始边缘对应的参考边缘集合。
在一些实施例中,可以根据每个初始边缘对应的目标合并区域,从上述初始边缘集合中筛选出每个初始边缘对应的参考边缘集合。
需要说明的是,基于每个初始边缘对应的目标合并区域,从初始边缘集合中筛选出每个初始边缘对应的参考边缘集合,可以便于后续判断初始边缘是否为热源区域的边缘。
作为示例,对于上述初始边缘集合中的每个初始边缘,可以将上述初始边缘集合中与该初始边缘对应的目标合并区域的交集不为空的初始边缘,确定为参考边缘,得到参考边缘集合。
如图2所示,与第一初始边缘201对应的目标合并区域205的交集不为空的初始边缘包括:第二初始边缘202和第三初始边缘203。第四初始边缘204与第一初始边缘201对应的目标合并区域205的交集为空。因此第一初始边缘201对应的参考边缘集合可以包括:第二初始边缘202和第三初始边缘203。
需要说明的是,初始边缘对应的参考边缘集合中的参考边缘可以表征与该初始边缘的邻域相交的边缘。
步骤S4,对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,得到初始边缘和参考边缘之间的目标相关指标。
在一些实施例中,可以对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,得到上述初始边缘和上述参考边缘之间的目标相关指标。
需要说明的是,对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,可以提高目标相关指标确定的准确度。
作为示例,本步骤可以包括以下步骤:
第一步,将上述初始边缘上的每个初始边缘像素点与上述参考边缘上的每个参考边缘像素点之间的距离,确定为上述初始边缘像素点和上述参考边缘像素点之间的参考距离。
其中,参考边缘像素点可以是参考边缘上的像素点。
第二步,将每个初始边缘像素点对应的梯度方向与每个参考边缘像素点对应的梯度方向之间的夹角,确定为上述初始边缘像素点和上述参考边缘像素点之间的方向差异。
第三步,根据每个初始边缘像素点和每个参考边缘像素点之间的参考距离与方向差异,确定上述初始边缘像素点和上述参考边缘像素点之间的第一差异指标。
其中,参考距离和方向差异均可以与第一差异指标呈正相关。
第四步,根据每个初始边缘像素点和上述参考边缘上的各个参考边缘像素点之间的第一差异指标,确定上述初始边缘像素点和上述参考边缘之间的第二差异指标。
其中,第一差异指标可以与第二差异指标呈正相关。
第五步,根据上述初始边缘上的各个初始边缘像素点和上述参考边缘之间的第二差异指标,确定上述初始边缘和上述参考边缘之间的第三差异指标。
其中,第二差异指标可以与第三差异指标呈正相关。
第六步,根据上述初始边缘和上述参考边缘之间的第三差异指标,确定上述初始边缘和上述参考边缘之间的目标相关指标。
其中,第三差异指标可以与目标相关指标呈负相关。
例如,确定初始边缘和参考边缘之间的目标相关指标对应的公式可以为:
;
其中,是初始边缘集合中第i个初始边缘和第i个初始边缘对应的参考边缘集合中,第j个参考边缘之间的目标相关指标。/>是第i个初始边缘和第i个初始边缘对应的参考边缘集合中,第j个参考边缘之间的第三差异指标。/>是/>归一化后的值。/>是归一化函数,可以实现归一化。/>与/>呈负相关。/>是第i个初始边缘上初始边缘像素点的数量。/>是第i个初始边缘对应的参考边缘集合中,第j个参考边缘上参考边缘像素点的数量。/>是第i个初始边缘上第p个初始边缘像素点,和第j个参考边缘上第q个参考边缘像素点之间的参考距离;也就是第p个初始边缘像素点与第q个参考边缘像素点之间的距离。/>是第i个初始边缘上第p个初始边缘像素点,和第j个参考边缘上第q个参考边缘像素点之间的方向差异;也就是第p个初始边缘像素点对应的梯度方向与第q个参考边缘像素点对应的梯度方向之间的夹角。/>是第i个初始边缘上第p个初始边缘像素点,和第j个参考边缘上第q个参考边缘像素点之间的第一差异指标。/>和/>均与/>呈正相关。/>是第i个初始边缘上第p个初始边缘像素点和第j个参考边缘之间的第二差异指标。/>与呈正相关。/>与/>呈正相关。i是初始边缘集合中初始边缘的序号。j是第i个初始边缘对应的参考边缘集合中参考边缘的序号。p是第i个初始边缘上初始边缘像素点的序号。q是第j个参考边缘上参考边缘像素点的序号。
需要说明的是,由同一个热源区域辐射得到的热辐射范围内的边缘的梯度往往比较相近,距离往往比较相近,即由同一个热源区域辐射得到的热辐射范围内的边缘之间往往具有较强的相关性,其中,同一个热源区域辐射得到的热辐射范围内的边缘之间往往平行。当越大时,往往说明第p个初始边缘像素点与第q个参考边缘像素点之间的距离越远。当/>越大时,往往说明第p个初始边缘像素点对应的梯度方向与第q个参考边缘像素点对应的梯度方向之间的夹角越大,往往说明第p个初始边缘像素点与第q个参考边缘像素点之间的方向差异越大。所以当/>越大时,往往说明第i个初始边缘和第j个参考边缘之间距离越远,并且方向差异越大;往往说明第i个初始边缘和第j个参考边缘之间越不相关。因此当/>越大时,往往说明第i个初始边缘和第j个参考边缘之间越相关,往往说明第i个初始边缘越可能是热辐射范围内的边缘,往往说明第i个初始边缘越可能是热辐射区域的边缘。
步骤S5,根据每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,确定初始边缘对应的热辐射指标。
在一些实施例中,可以根据每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,确定上述初始边缘对应的热辐射指标。
需要说明的是,综合考虑每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,可以提高初始边缘对应的热辐射指标确定的准确度。
作为示例,本步骤可以包括以下步骤:
第一步,将上述参考边缘集合中的每个参考边缘在上述初始边缘对应的目标合并区域内的长度,确定为上述初始边缘和上述参考边缘之间的重合长度。
其中,初始边缘和参考边缘之间的重合长度可以为:该参考边缘落在目标合并区域内的长度,此处的目标合并区域即为该初始边缘对应的目标合并区域。参考边缘落在目标合并区域内的长度可以用该参考边缘与该目标合并区域的交集中像素点的数量表征。
第二步,根据上述初始边缘和每个参考边缘之间的重合长度与目标相关指标,确定上述初始边缘和上述参考边缘之间的初始辐射指标。
其中,重合长度和目标相关指标均可以与初始辐射指标呈正相关。
第三步,根据上述初始边缘和其对应的参考边缘集合中的各个参考边缘之间的初始辐射指标,确定上述初始边缘对应的热辐射指标。
其中,初始辐射指标可以与热辐射指标呈正相关。
例如,确定初始边缘对应的热辐射指标对应的公式可以为:
;
其中,是初始边缘集合中第i个初始边缘对应的热辐射指标。/>是初始边缘集合中第i个初始边缘和第i个初始边缘对应的参考边缘集合中,第j个参考边缘之间的目标相关指标。/>是第i个初始边缘和第i个初始边缘对应的参考边缘集合中,第j个参考边缘之间的重合长度;也就是第j个参考边缘在第i个初始边缘对应的目标合并区域内的长度。是第i个初始边缘和第i个初始边缘对应的参考边缘集合中,第j个参考边缘之间的初始辐射指标。/>和/>均与/>呈正相关。/>与/>呈正相关。/>是第i个初始边缘对应的参考边缘集合中参考边缘的数量。i是初始边缘集合中初始边缘的序号。j是第i个初始边缘对应的参考边缘集合中参考边缘的序号。
需要说明的是,当越大时,往往说明第i个初始边缘和第j个参考边缘之间越相关,往往说明第i个初始边缘越可能是热辐射范围内的边缘,往往说明第i个初始边缘越可能是热辐射区域的边缘。当/>越大时,往往说明第j个参考边缘在第i个初始边缘对应的目标合并区域内的长度越长。因此当/>越大时,往往说明第i个初始边缘对应的目标合并区域内存在较多相关性较高的边缘,其越有可能存在于发热源辐射出的辐射范围内。
步骤S6,对每个初始边缘像素点进行热源分析处理,得到初始边缘像素点对应的目标热源指标。
在一些实施例中,可以对每个初始边缘像素点进行热源分析处理,得到上述初始边缘像素点对应的目标热源指标。
需要说明的是,对每个初始边缘像素点进行热源分析处理,可以提高初始边缘像素点对应的目标热源指标确定的准确度。
作为示例,本步骤可以包括以下步骤:
第一步,从上述初始边缘像素点对应的预设滑窗中的各个像素点对应的灰度值中筛选出最大的灰度值,作为上述初始边缘像素点对应的参考灰度指标。
第二步,从上述初始边缘像素点对应的预设滑窗中筛选出一个灰度值最大的像素点,作为上述初始边缘像素点对应的候选像素点。
例如,可以从初始边缘像素点对应的预设滑窗中筛选出灰度值最大的像素点,当筛选出的灰度值最大的像素点只有一个时,可以直接将筛选出的灰度值最大的这个像素点,作为该初始边缘像素点对应的候选像素点;当筛选出的灰度值最大的像素点有多个时,可以随机从这多个灰度值最大的像素点中选取一个,作为该初始边缘像素点对应的候选像素点。
需要说明的是,预设滑窗中灰度值最大的像素点往往是该预设滑窗中最可能是热源处的像素点。
第三步,将上述初始边缘像素点与上述候选像素点之间的距离,确定为上述初始边缘像素点对应的候选距离。
例如,可以将初始边缘像素点与该初始边缘像素点对应的候选像素点之间的距离,确定为该初始边缘像素点对应的候选距离。
第四步,根据上述初始边缘像素点对应的参考灰度指标、候选距离和梯度值,确定上述初始边缘像素点对应的目标热源指标。
其中,参考灰度指标和梯度值均可以与目标热源指标呈正相关。候选距离可以与目标热源指标呈负相关。初始边缘像素点对应的梯度值可以是该初始边缘像素点对应的梯度大小。
例如,确定初始边缘像素点对应的目标热源指标对应的公式可以为:
;
其中,是初始边缘集合中第i个初始边缘上第p个初始边缘像素点对应的目标热源指标。/>是第i个初始边缘上第p个初始边缘像素点对应的候选距离;也就是第p个初始边缘像素点与第p个初始边缘像素点对应的候选像素点之间的距离。/>是第i个初始边缘上第p个初始边缘像素点对应的参考灰度指标;也就是第p个初始边缘像素点对应的预设滑窗中的各个像素点对应的灰度值中最大的灰度值。/>是第i个初始边缘上第p个初始边缘像素点对应的梯度值。/>与/>呈负相关。/>和/>均与/>呈正相关。i是初始边缘集合中初始边缘的序号。p是第i个初始边缘上初始边缘像素点的序号。
需要说明的是,相较于热辐射区域的边缘,热源区域的边缘距离发热源往往更近;相较于热辐射像素点,热源像素点对应的预设滑窗中的各个像素点对应的灰度值往往更大;相较于热辐射像素点,热源像素点对应的梯度值往往更大。所以,当越大时,往往说明第p个初始边缘像素点与第p个初始边缘像素点对应的候选像素点之间的距离越远,往往说明第p个初始边缘像素点越相对远离热源,往往说明第p个初始边缘像素点越可能不是热源区域的边缘像素点。当/>越大时,往往说明第p个初始边缘像素点对应的预设滑窗中的各个像素点对应的灰度值中最大的灰度值越大,往往说明第p个初始边缘像素点对应的预设滑窗对应的灰度值越大,往往说明第p个初始边缘像素点越可能是热源区域的边缘像素点。当/>越大时,往往说明第p个初始边缘像素点对应的梯度值越大,往往说明第p个初始边缘像素点越可能是热源区域的边缘像素点。因此,当/>越大时,往往说明第p个初始边缘像素点越可能是热源区域的边缘像素点。
步骤S7,根据每个初始边缘像素点对应的目标热源指标,以及初始边缘像素点所属初始边缘对应的热辐射指标,确定初始边缘像素点对应的目标抑制程度。
在一些实施例中,可以根据每个初始边缘像素点对应的目标热源指标,以及上述初始边缘像素点所属初始边缘对应的热辐射指标,确定上述初始边缘像素点对应的目标抑制程度。
其中,上述目标热源指标可以与上述目标抑制程度呈负相关。上述初始边缘像素点所属初始边缘对应的热辐射指标可以与上述目标抑制程度呈正相关。
需要说明的是,综合考虑初始边缘像素点对应的目标热源指标,以及初始边缘像素点所属初始边缘对应的热辐射指标,可以提高初始边缘像素点对应的目标抑制程度确定的准确度。
作为示例,确定初始边缘像素点对应的目标抑制程度对应的公式可以为:
;
其中,是初始边缘集合中第i个初始边缘上第p个初始边缘像素点对应的目标抑制程度。/>是初始边缘集合中第i个初始边缘上第p个初始边缘像素点对应的目标热源指标。/>是初始边缘集合中第i个初始边缘对应的热辐射指标。/>是预先设置的大于0的因子,主要用于防止分母为0。比如,/>可以为0.01。i是初始边缘集合中初始边缘的序号。p是第i个初始边缘上初始边缘像素点的序号。/>与/>呈负相关。/>与/>呈正相关。
需要说明的是,当越大时,往往说明第p个初始边缘像素点越可能是热源区域的边缘像素点,越不需要被抑制。当/>越大时,往往说明第i个初始边缘对应的目标合并区域内存在较多相关性较高的边缘,其越有可能存在于发热源辐射出的辐射范围内,越需要被抑制。因此,当/>越大时,往往说明第i个初始边缘上第p个初始边缘像素点越有可能存在于发热源辐射出的辐射范围内,越需要被抑制。
步骤S8,根据每个初始边缘像素点对应的目标抑制程度和梯度值,确定初始边缘像素点对应的目标修正梯度值。
在一些实施例中,可以根据每个初始边缘像素点对应的目标抑制程度和梯度值,确定上述初始边缘像素点对应的目标修正梯度值。
需要说明的是,综合考虑初始边缘像素点对应的目标抑制程度和梯度值,可以提高初始边缘像素点对应的目标修正梯度值确定的准确度,可以实现对初始边缘像素点对应的梯度值的抑制修正。
作为示例,本步骤可以包括以下步骤:
第一步,根据上述目标抑制程度,确定上述初始边缘像素点对应的保留程度指标。
其中,目标抑制程度可以与保留程度指标呈负相关。
第二步,根据上述初始边缘像素点对应的保留程度指标和梯度值,确定上述初始边缘像素点对应的目标修正梯度值。
例如,将上述初始边缘像素点对应的保留程度指标和梯度值的乘积,确定为上述初始边缘像素点对应的目标修正梯度值对应的公式可以为:
;
其中,是初始边缘集合中第i个初始边缘上第p个初始边缘像素点对应的目标修正梯度值。/>是初始边缘集合中第i个初始边缘上第p个初始边缘像素点对应的保留程度指标。/>是初始边缘集合中第i个初始边缘上第p个初始边缘像素点对应的目标抑制程度。/>是第i个初始边缘上第p个初始边缘像素点对应的梯度值。/>是/>归一化后的值,其值的取值范围可以为[0,1]。/>是归一化函数,可以实现归一化。/>与呈负相关。i是初始边缘集合中初始边缘的序号。p是第i个初始边缘上初始边缘像素点的序号。
需要说明的是,当越大时,往往说明第i个初始边缘上第p个初始边缘像素点越有可能存在于发热源辐射出的辐射范围内,越需要被抑制。所以当/>越大时,往往说明第i个初始边缘上第p个初始边缘像素点对应的梯度值越需要被保留,因此/>可以表征对第p个初始边缘像素点对应的梯度值进行自适应抑制后的值。
步骤S9,根据初始边缘集合中的各个初始边缘像素点对应的目标修正梯度值,对目标热像图进行边缘检测,得到目标热源边缘图像。
在一些实施例中,可以根据上述初始边缘集合中的各个初始边缘像素点对应的目标修正梯度值,对上述目标热像图进行边缘检测,得到目标热源边缘图像。
作为示例,可以将目标热像图中的各个初始边缘像素点对应的梯度值更新为其对应的目标修正梯度值,并采用Canny边缘检测算法,对梯度值更新后的目标热像图进行边缘检测,将得到的边缘图像作为目标热源边缘图像。其中,此时Canny边缘检测算法中的双阈值可以分别设置为30和20。
步骤S10,根据目标热源边缘图像,判断待监测配电箱的运行状态是否异常。
在一些实施例中,可以根据上述目标热源边缘图像,判断上述待监测配电箱的运行状态是否异常。
作为示例,将得到的目标热源边缘图像,用于监测待监测配电箱的运行状态可以包括:利用目标热源边缘图像,采用基于链码的Freeman链码轮廓提取算法,即可获得发热区域,发热区域也就是热源区域。在利用红外检测技术对配电箱运行状态进行监测的过程中,可以有效的判断发热区域的准确位置,有助于及时发现故障区域进行相应的处理,有助于提高电力系统的可靠性和安全性。
可选地,根据获取的热源区域,判断待监测配电箱的运行状态是否异常可以包括:将热源区域输入预先训练完成的状态监测网络,通过状态监测网络,判断待监测配电箱的运行状态是否异常。
其中,状态监测网络可以用于判断配电箱的运行状态是否异常。状态监测网络可以是DNN(Deep Neural Networks,深度神经网络)。
可选地,状态监测网络的训练过程可以包括以下步骤:
第一步,获取样本热源区域集合。
其中,样本热源区域集合中的样本热源区域可以是配电箱在不同运行状态下产生的热源区域。
第二步,构建状态监测网络。
例如,可以构建DNN,并将构建的DNN作为训练前的状态监测网络。
第三步,根据样本热源区域集合,对状态监测网络进行训练,得到训练完成的状态监测网络。
例如,可以将样本热源区域集合作为训练集,将各个样本热源区域对应的运行状态作为训练标签,对状态监测网络进行训练,得到训练完成的状态监测网络。
基于与上述方法实施例相同的发明构思,本发明提供了一种配电箱运行状态监测系统,该系统包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,上述计算机程序被处理器执行时实现一种配电箱运行状态监测方法的步骤。
综上,本发明量化了多个与热源区域边缘和热辐射区域边缘相关的指标,例如,目标相关指标、热辐射指标、目标热源指标和目标抑制程度等,并综合考虑初始边缘集合中的各个初始边缘像素点对应的目标修正梯度值,对目标热像图进行边缘检测,得到目标热源边缘图像,用于监测待监测配电箱的运行状态,可以实现对热源区域边缘的定位,可以排除热辐射区域边缘的干扰,从而可以便于后续及时发现配电箱在运行过程中是否存在热异常,进而可以预防配电箱由于局部发热而导致的危害,比如火灾。
至此,本发明完成。
一种配电箱的热像图的热源边缘检测方法实施例:
随着科技的发展,边缘检测技术的应用越来越广泛,比如可以应用于对配电箱内部的热像图中的热源区域内的边缘检测,由于热辐射区域是由热源区域进行热辐射产生的区域,所以热源区域的温度往往高于热辐射区域,因此判断配电箱是否热异常时,往往只需对热源区域进行定位检测即可。目前,对图像进行边缘检测,通常采用的方式为:直接对采集的图像进行边缘检测。
然而,当采用上述方式,对配电箱的热源区域边缘进行检测时,经常会存在如下技术问题:
由于热的辐射性,所以产生热的热源区域往往会向外进行热辐射,从而导致热源区域的周围生成热辐射区域,所以直接对采集的配电箱内部的热像图进行边缘检测时,检测到的边缘中往往不仅有热源区域的边缘,还有热辐射区域的边缘,往往导致不能精确的分类出热源区域的边缘。
为了解决现有边缘检测方法难以精确检测出热源区域边缘的技术问题,本发明的目的在于提供一种配电箱的热像图的热源边缘检测方法,所采用的技术方案具体如下:
步骤S1,获取待监测配电箱对应的目标热像图,对目标热像图进行边缘检测,得到初始边缘集合。
步骤S2,根据初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,确定初始边缘对应的目标合并区域。
步骤S3,根据每个初始边缘对应的目标合并区域,从初始边缘集合中筛选出每个初始边缘对应的参考边缘集合。
步骤S4,对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,得到初始边缘和参考边缘之间的目标相关指标。
步骤S5,根据每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,确定初始边缘对应的热辐射指标。
步骤S6,对每个初始边缘像素点进行热源分析处理,得到初始边缘像素点对应的目标热源指标。
步骤S7,根据每个初始边缘像素点对应的目标热源指标,以及初始边缘像素点所属初始边缘对应的热辐射指标,确定初始边缘像素点对应的目标抑制程度。
步骤S8,根据每个初始边缘像素点对应的目标抑制程度和梯度值,确定初始边缘像素点对应的目标修正梯度值。
步骤S9,根据初始边缘集合中的各个初始边缘像素点对应的目标修正梯度值,对目标热像图进行边缘检测,得到目标热源边缘图像。
本发明实施例提供的一种配电箱的热像图的热源边缘检测方法具有如下技术效果:
本发明通过对目标热像图进行图像数据处理,可以提高热源区域边缘检测的准确度。首先,获取包含待监测配电箱温度的目标热像图,并对目标热像图进行边缘检测,可以便于后续对待监测配电箱的热源区域边缘进行检测。然后,综合考虑初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,可以提高初始边缘对应的目标合并区域确定的准确度。接着,基于每个初始边缘对应的目标合并区域,从初始边缘集合中筛选出每个初始边缘对应的参考边缘集合,可以便于后续判断初始边缘是否为热源区域的边缘。继续,对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,可以提高目标相关指标确定的准确度。再者,综合考虑每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,可以提高初始边缘对应的热辐射指标确定的准确度。其次,对每个初始边缘像素点进行热源分析处理,可以提高初始边缘像素点对应的目标热源指标确定的准确度。之后,综合考虑初始边缘像素点对应的目标热源指标,以及初始边缘像素点所属初始边缘对应的热辐射指标,可以提高初始边缘像素点对应的目标抑制程度确定的准确度。而后,综合考虑初始边缘像素点对应的目标抑制程度和梯度值,可以提高初始边缘像素点对应的目标修正梯度值确定的准确度。最后,综合考虑初始边缘集合中的各个初始边缘像素点对应的目标修正梯度值,对目标热像图进行边缘检测,得到目标热源边缘图像,可以实现对热源区域边缘的精确检测,可以排除热辐射区域边缘的干扰。
其中,步骤S1-S9在上述一种配电箱运行状态监测方法及系统实施例中已给出了详细说明,不再赘述。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种配电箱运行状态监测方法,其特征在于,包括以下步骤:
获取待监测配电箱对应的目标热像图,对目标热像图进行边缘检测,得到初始边缘集合;
根据所述初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,确定所述初始边缘对应的目标合并区域;
根据每个初始边缘对应的目标合并区域,从所述初始边缘集合中筛选出每个初始边缘对应的参考边缘集合;
对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,得到所述初始边缘和所述参考边缘之间的目标相关指标;
根据每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,确定所述初始边缘对应的热辐射指标;
对每个初始边缘像素点进行热源分析处理,得到所述初始边缘像素点对应的目标热源指标;
根据每个初始边缘像素点对应的目标热源指标,以及所述初始边缘像素点所属初始边缘对应的热辐射指标,确定所述初始边缘像素点对应的目标抑制程度;
根据每个初始边缘像素点对应的目标抑制程度和梯度值,确定所述初始边缘像素点对应的目标修正梯度值;
根据所述初始边缘集合中的各个初始边缘像素点对应的目标修正梯度值,对目标热像图进行边缘检测,得到目标热源边缘图像;
根据所述目标热源边缘图像,判断所述待监测配电箱的运行状态是否异常。
2.根据权利要求1所述的一种配电箱运行状态监测方法,其特征在于,所述根据所述初始边缘集合中的每个初始边缘上的各个初始边缘像素点对应的预设滑窗,确定所述初始边缘对应的目标合并区域,包括:
将所述初始边缘上所有初始边缘像素点对应的预设滑窗的并集,确定为所述初始边缘对应的目标合并区域。
3.根据权利要求1所述的一种配电箱运行状态监测方法,其特征在于,所述根据每个初始边缘对应的目标合并区域,从所述初始边缘集合中筛选出每个初始边缘对应的参考边缘集合,包括:
对于所述初始边缘集合中的每个初始边缘,将所述初始边缘集合中与该初始边缘对应的目标合并区域的交集不为空的初始边缘,确定为参考边缘,得到参考边缘集合。
4.根据权利要求1所述的一种配电箱运行状态监测方法,其特征在于,所述对每个初始边缘和其对应的参考边缘集合中的每个参考边缘进行相关性处理,得到所述初始边缘和所述参考边缘之间的目标相关指标,包括:
将所述初始边缘上的每个初始边缘像素点与所述参考边缘上的每个参考边缘像素点之间的距离,确定为所述初始边缘像素点和所述参考边缘像素点之间的参考距离;
将每个初始边缘像素点对应的梯度方向与每个参考边缘像素点对应的梯度方向之间的夹角,确定为所述初始边缘像素点和所述参考边缘像素点之间的方向差异;
根据每个初始边缘像素点和每个参考边缘像素点之间的参考距离与方向差异,确定所述初始边缘像素点和所述参考边缘像素点之间的第一差异指标,其中,参考距离和方向差异均与第一差异指标呈正相关;
根据每个初始边缘像素点和所述参考边缘上的各个参考边缘像素点之间的第一差异指标,确定所述初始边缘像素点和所述参考边缘之间的第二差异指标,其中,第一差异指标与第二差异指标呈正相关;
根据所述初始边缘上的各个初始边缘像素点和所述参考边缘之间的第二差异指标,确定所述初始边缘和所述参考边缘之间的第三差异指标,其中,第二差异指标与第三差异指标呈正相关;
根据所述初始边缘和所述参考边缘之间的第三差异指标,确定所述初始边缘和所述参考边缘之间的目标相关指标,其中,第三差异指标与目标相关指标呈负相关。
5.根据权利要求1所述的一种配电箱运行状态监测方法,其特征在于,所述根据每个初始边缘和其对应的参考边缘集合中的各个参考边缘之间的目标相关指标,确定所述初始边缘对应的热辐射指标,包括:
将所述参考边缘集合中的每个参考边缘在所述初始边缘对应的目标合并区域内的长度,确定为所述初始边缘和所述参考边缘之间的重合长度;
根据所述初始边缘和每个参考边缘之间的重合长度与目标相关指标,确定所述初始边缘和所述参考边缘之间的初始辐射指标,其中,重合长度和目标相关指标均与初始辐射指标呈正相关;
根据所述初始边缘和其对应的参考边缘集合中的各个参考边缘之间的初始辐射指标,确定所述初始边缘对应的热辐射指标,其中,初始辐射指标与热辐射指标呈正相关。
6.根据权利要求1所述的一种配电箱运行状态监测方法,其特征在于,所述对每个初始边缘像素点进行热源分析处理,得到所述初始边缘像素点对应的目标热源指标,包括:
从所述初始边缘像素点对应的预设滑窗中的各个像素点对应的灰度值中筛选出最大的灰度值,作为所述初始边缘像素点对应的参考灰度指标;
从所述初始边缘像素点对应的预设滑窗中筛选出一个灰度值最大的像素点,作为所述初始边缘像素点对应的候选像素点;
将所述初始边缘像素点与所述候选像素点之间的距离,确定为所述初始边缘像素点对应的候选距离;
根据所述初始边缘像素点对应的参考灰度指标、候选距离和梯度值,确定所述初始边缘像素点对应的目标热源指标,其中,参考灰度指标和梯度值均与目标热源指标呈正相关,候选距离与目标热源指标呈负相关。
7.根据权利要求1所述的一种配电箱运行状态监测方法,其特征在于,所述目标热源指标与所述目标抑制程度呈负相关;所述初始边缘像素点所属初始边缘对应的热辐射指标与所述目标抑制程度呈正相关。
8.根据权利要求1所述的一种配电箱运行状态监测方法,其特征在于,所述根据每个初始边缘像素点对应的目标抑制程度和梯度值,确定所述初始边缘像素点对应的目标修正梯度值,包括:
根据所述目标抑制程度,确定所述初始边缘像素点对应的保留程度指标,其中,目标抑制程度与保留程度指标呈负相关;
根据所述初始边缘像素点对应的保留程度指标和梯度值,确定所述初始边缘像素点对应的目标修正梯度值。
9.根据权利要求8所述的一种配电箱运行状态监测方法,其特征在于,所述根据所述初始边缘像素点对应的保留程度指标和梯度值,确定所述初始边缘像素点对应的目标修正梯度值,包括:
将所述初始边缘像素点对应的保留程度指标和梯度值的乘积,确定为所述初始边缘像素点对应的目标修正梯度值。
10.一种配电箱运行状态监测系统,其特征在于,包括处理器和存储器,所述处理器用于处理存储在所述存储器中的指令以实现权利要求1-9中任一项所述的一种配电箱运行状态监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311015417.0A CN116740653A (zh) | 2023-08-14 | 2023-08-14 | 一种配电箱运行状态监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311015417.0A CN116740653A (zh) | 2023-08-14 | 2023-08-14 | 一种配电箱运行状态监测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116740653A true CN116740653A (zh) | 2023-09-12 |
Family
ID=87910033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311015417.0A Withdrawn CN116740653A (zh) | 2023-08-14 | 2023-08-14 | 一种配电箱运行状态监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116740653A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912250A (zh) * | 2023-09-13 | 2023-10-20 | 山东众成菌业股份有限公司 | 基于机器视觉的菌包生产质量检测方法 |
Citations (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0984413A2 (de) * | 1998-09-01 | 2000-03-08 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur automatischen Waldbranderkennung |
WO2015184764A1 (zh) * | 2014-11-17 | 2015-12-10 | 中兴通讯股份有限公司 | 行人检测方法及装置 |
CN107707810A (zh) * | 2017-08-21 | 2018-02-16 | 广州紫川电子科技有限公司 | 基于红外热像仪的热源追踪方法、装置及系统 |
US20180189955A1 (en) * | 2017-01-02 | 2018-07-05 | Eyal Moshe | Augumented reality (ar) method and system enhanced through efficient edge detection of image objects |
US20200003624A1 (en) * | 2018-07-02 | 2020-01-02 | Quanta Computer Inc. | Tracking and ranging system and method thereof |
US20200090477A1 (en) * | 2018-09-14 | 2020-03-19 | International Business Machines Corporation | Heat-based pattern recognition and event determination for adaptive surveillance control in a surveillance system |
KR20200093275A (ko) * | 2019-01-28 | 2020-08-05 | 서울시립대학교 산학협력단 | 엣지 컴퓨팅을 이용하여 대상 지역의 재난을 감지하는 시스템, 장치 및 방법 |
CN112288761A (zh) * | 2020-07-07 | 2021-01-29 | 国网江苏省电力有限公司常州供电分公司 | 一种异常发热的电力设备检测方法、装置和可读存储介质 |
WO2021140389A1 (en) * | 2020-01-08 | 2021-07-15 | Ricoh Company, Ltd. | Information processing apparatus, information processing system, information processing method, and storage medium |
WO2021174601A1 (zh) * | 2020-03-03 | 2021-09-10 | 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 |
CN113449664A (zh) * | 2021-07-06 | 2021-09-28 | 河南慧联世安信息技术有限公司 | 一种火灾现场火情监测系统和监测方法 |
WO2021233266A1 (zh) * | 2020-05-21 | 2021-11-25 | 杭州睿琪软件有限公司 | 边缘检测方法和装置、电子设备和存储介质 |
CN113743378A (zh) * | 2021-11-03 | 2021-12-03 | 航天宏图信息技术股份有限公司 | 一种基于视频的火情监测方法和装置 |
CN113989313A (zh) * | 2021-12-23 | 2022-01-28 | 武汉智博通科技有限公司 | 基于图像多维分析的边缘检测方法及系统 |
CN114241364A (zh) * | 2021-11-30 | 2022-03-25 | 南京理工大学 | 一种架空输电线路异物目标快速标定方法 |
US11295131B1 (en) * | 2021-06-15 | 2022-04-05 | Knoetik Solutions, Inc. | Smoke and fire recognition, fire forecasting, and monitoring |
CN114664048A (zh) * | 2022-05-26 | 2022-06-24 | 环球数科集团有限公司 | 一种基于卫星遥感监测的火情监测及火灾预警方法 |
CN114664047A (zh) * | 2022-05-26 | 2022-06-24 | 长沙海信智能系统研究院有限公司 | 高速公路火灾识别方法、装置及电子设备 |
CN114723959A (zh) * | 2022-03-31 | 2022-07-08 | 中山大学·深圳 | 一种基于颜色边缘深度感知的火灾检测方法及系统 |
CN114758249A (zh) * | 2022-06-14 | 2022-07-15 | 深圳市优威视讯科技股份有限公司 | 基于野外夜间环境的目标物监测方法、装置、设备及介质 |
CN115393785A (zh) * | 2022-07-18 | 2022-11-25 | 浙江大华技术股份有限公司 | 热源监控方法、装置、电子装置和存储介质 |
CN115841731A (zh) * | 2023-02-16 | 2023-03-24 | 广东汇通信息科技股份有限公司 | 一种红外监测的园区火灾预警方法 |
CN115861317A (zh) * | 2023-02-27 | 2023-03-28 | 深圳市伟利达精密塑胶模具有限公司 | 基于机器视觉的塑胶模具生产缺陷检测方法 |
CN116313164A (zh) * | 2023-05-22 | 2023-06-23 | 亿慧云智能科技(深圳)股份有限公司 | 抗干扰的睡眠监控方法、装置、设备及存储介质 |
CN116342583A (zh) * | 2023-05-15 | 2023-06-27 | 山东超越纺织有限公司 | 一种用于纺纱生产加工的抗起球性能检测方法 |
CN116363136A (zh) * | 2023-06-01 | 2023-06-30 | 山东创元智能设备制造有限责任公司 | 一种机动车部件自动化生产在线筛选方法及系统 |
CN116433669A (zh) * | 2023-06-14 | 2023-07-14 | 山东兴华钢结构有限公司 | 基于机器视觉的抗震结构钢架焊缝质量检测方法 |
WO2023134792A2 (zh) * | 2022-12-15 | 2023-07-20 | 苏州迈创信息技术有限公司 | 一种led灯芯缺陷检测方法 |
US20230237666A1 (en) * | 2021-06-10 | 2023-07-27 | Tencent Cloud Computing (Beijing) Co., Ltd. | Image data processing method and apparatus |
-
2023
- 2023-08-14 CN CN202311015417.0A patent/CN116740653A/zh not_active Withdrawn
Patent Citations (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0984413A2 (de) * | 1998-09-01 | 2000-03-08 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren und Vorrichtung zur automatischen Waldbranderkennung |
WO2015184764A1 (zh) * | 2014-11-17 | 2015-12-10 | 中兴通讯股份有限公司 | 行人检测方法及装置 |
US20180189955A1 (en) * | 2017-01-02 | 2018-07-05 | Eyal Moshe | Augumented reality (ar) method and system enhanced through efficient edge detection of image objects |
CN107707810A (zh) * | 2017-08-21 | 2018-02-16 | 广州紫川电子科技有限公司 | 基于红外热像仪的热源追踪方法、装置及系统 |
US20200003624A1 (en) * | 2018-07-02 | 2020-01-02 | Quanta Computer Inc. | Tracking and ranging system and method thereof |
US20200090477A1 (en) * | 2018-09-14 | 2020-03-19 | International Business Machines Corporation | Heat-based pattern recognition and event determination for adaptive surveillance control in a surveillance system |
KR20200093275A (ko) * | 2019-01-28 | 2020-08-05 | 서울시립대학교 산학협력단 | 엣지 컴퓨팅을 이용하여 대상 지역의 재난을 감지하는 시스템, 장치 및 방법 |
WO2021140389A1 (en) * | 2020-01-08 | 2021-07-15 | Ricoh Company, Ltd. | Information processing apparatus, information processing system, information processing method, and storage medium |
US20230003585A1 (en) * | 2020-01-08 | 2023-01-05 | Akito TAJIMA | Information processing apparatus, information processing system, information processing method, and storage medium |
WO2021174601A1 (zh) * | 2020-03-03 | 2021-09-10 | 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 |
US20220319012A1 (en) * | 2020-05-21 | 2022-10-06 | Hangzhou Glority Software Limited | Edge detection method and device, electronic apparatus and storage medium |
WO2021233266A1 (zh) * | 2020-05-21 | 2021-11-25 | 杭州睿琪软件有限公司 | 边缘检测方法和装置、电子设备和存储介质 |
CN112288761A (zh) * | 2020-07-07 | 2021-01-29 | 国网江苏省电力有限公司常州供电分公司 | 一种异常发热的电力设备检测方法、装置和可读存储介质 |
US20230237666A1 (en) * | 2021-06-10 | 2023-07-27 | Tencent Cloud Computing (Beijing) Co., Ltd. | Image data processing method and apparatus |
US11295131B1 (en) * | 2021-06-15 | 2022-04-05 | Knoetik Solutions, Inc. | Smoke and fire recognition, fire forecasting, and monitoring |
CN113449664A (zh) * | 2021-07-06 | 2021-09-28 | 河南慧联世安信息技术有限公司 | 一种火灾现场火情监测系统和监测方法 |
CN113743378A (zh) * | 2021-11-03 | 2021-12-03 | 航天宏图信息技术股份有限公司 | 一种基于视频的火情监测方法和装置 |
CN114241364A (zh) * | 2021-11-30 | 2022-03-25 | 南京理工大学 | 一种架空输电线路异物目标快速标定方法 |
CN113989313A (zh) * | 2021-12-23 | 2022-01-28 | 武汉智博通科技有限公司 | 基于图像多维分析的边缘检测方法及系统 |
CN114723959A (zh) * | 2022-03-31 | 2022-07-08 | 中山大学·深圳 | 一种基于颜色边缘深度感知的火灾检测方法及系统 |
CN114664047A (zh) * | 2022-05-26 | 2022-06-24 | 长沙海信智能系统研究院有限公司 | 高速公路火灾识别方法、装置及电子设备 |
CN114664048A (zh) * | 2022-05-26 | 2022-06-24 | 环球数科集团有限公司 | 一种基于卫星遥感监测的火情监测及火灾预警方法 |
CN114758249A (zh) * | 2022-06-14 | 2022-07-15 | 深圳市优威视讯科技股份有限公司 | 基于野外夜间环境的目标物监测方法、装置、设备及介质 |
CN115393785A (zh) * | 2022-07-18 | 2022-11-25 | 浙江大华技术股份有限公司 | 热源监控方法、装置、电子装置和存储介质 |
WO2023134792A2 (zh) * | 2022-12-15 | 2023-07-20 | 苏州迈创信息技术有限公司 | 一种led灯芯缺陷检测方法 |
CN115841731A (zh) * | 2023-02-16 | 2023-03-24 | 广东汇通信息科技股份有限公司 | 一种红外监测的园区火灾预警方法 |
CN115861317A (zh) * | 2023-02-27 | 2023-03-28 | 深圳市伟利达精密塑胶模具有限公司 | 基于机器视觉的塑胶模具生产缺陷检测方法 |
CN116342583A (zh) * | 2023-05-15 | 2023-06-27 | 山东超越纺织有限公司 | 一种用于纺纱生产加工的抗起球性能检测方法 |
CN116313164A (zh) * | 2023-05-22 | 2023-06-23 | 亿慧云智能科技(深圳)股份有限公司 | 抗干扰的睡眠监控方法、装置、设备及存储介质 |
CN116363136A (zh) * | 2023-06-01 | 2023-06-30 | 山东创元智能设备制造有限责任公司 | 一种机动车部件自动化生产在线筛选方法及系统 |
CN116433669A (zh) * | 2023-06-14 | 2023-07-14 | 山东兴华钢结构有限公司 | 基于机器视觉的抗震结构钢架焊缝质量检测方法 |
Non-Patent Citations (3)
Title |
---|
杨如林;丑修建;李庆;梁艳菊;: "一种快速鲁棒的红外图像分割方法", 电视技术, no. 03 * |
王嘉俊;段先华;: "改进Canny算子在水面目标边缘检测中的研究", 计算机时代, no. 01 * |
蔡小琼;李秋生;: "一种快速自适应边缘提取方法的研究", 计算机与数字工程, no. 02 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912250A (zh) * | 2023-09-13 | 2023-10-20 | 山东众成菌业股份有限公司 | 基于机器视觉的菌包生产质量检测方法 |
CN116912250B (zh) * | 2023-09-13 | 2023-11-28 | 山东众成菌业股份有限公司 | 基于机器视觉的菌包生产质量检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kurukuru et al. | Fault classification for photovoltaic modules using thermography and image processing | |
Stefenon et al. | Optimized ensemble extreme learning machine for classification of electrical insulators conditions | |
Chu et al. | Real-time prediction intervals for intra-hour DNI forecasts | |
EP3176751B1 (en) | Information processing device, information processing method, computer-readable recording medium, and inspection system | |
CN110458839B (zh) | 一种有效的电线电缆监测系统 | |
CN116740653A (zh) | 一种配电箱运行状态监测方法及系统 | |
Yar et al. | A modified YOLOv5 architecture for efficient fire detection in smart cities | |
Cui et al. | The methods in infrared thermal imaging diagnosis technology of power equipment | |
CN112149491A (zh) | 用于确定探测到的对象的信任值的方法 | |
CN115880598B (zh) | 一种基于无人机的地面图像检测方法及相关装置 | |
Stefenon et al. | Optimized hybrid YOLOu‐Quasi‐ProtoPNet for insulators classification | |
Yue | An integrated anomaly detection method for load forecasting data under cyberattacks | |
CN117312997A (zh) | 一种电力管理系统智能诊断方法及系统 | |
Mohammadpourfard et al. | Attack detection and localization in smart grid with image-based deep learning | |
EP3376438A1 (en) | A system and method for detecting change using ontology based saliency | |
Liu et al. | Fault diagnosis method of substation equipment based on You Only Look Once algorithm and infrared imaging | |
US10679098B2 (en) | Method and system for visual change detection using multi-scale analysis | |
CN117193088B (zh) | 一种工业设备监控方法、装置以及服务器 | |
CN105205829A (zh) | 基于改进的二维Otsu的变电站红外图像分割方法 | |
CN107330884A (zh) | 着火点检测方法及装置 | |
CN117452220A (zh) | 储能电池热失控快速响应系统及方法 | |
CN112419243A (zh) | 一种基于红外图像分析的配电房设备故障识别方法 | |
CN112861670B (zh) | 一种输电线路金具检测方法及系统 | |
Tosyali et al. | Data-driven gantry health monitoring and process status identification based on texture extraction | |
CN111413681B (zh) | 基于熵权法的飞行目标威胁度识别方法、系统和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230912 |