CN117630597B - 一种感传算一体化的多光谱高压电晕检测方法与装置 - Google Patents
一种感传算一体化的多光谱高压电晕检测方法与装置 Download PDFInfo
- Publication number
- CN117630597B CN117630597B CN202311616828.5A CN202311616828A CN117630597B CN 117630597 B CN117630597 B CN 117630597B CN 202311616828 A CN202311616828 A CN 202311616828A CN 117630597 B CN117630597 B CN 117630597B
- Authority
- CN
- China
- Prior art keywords
- image
- attention
- multispectral
- discharge
- value
- 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 76
- 238000004364 calculation method Methods 0.000 title claims description 14
- 238000007689 inspection Methods 0.000 claims abstract description 92
- 230000005540 biological transmission Effects 0.000 claims abstract description 87
- 230000000903 blocking effect Effects 0.000 claims abstract description 60
- 238000003745 diagnosis Methods 0.000 claims abstract description 18
- 238000003062 neural network model Methods 0.000 claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 208000028659 discharge Diseases 0.000 claims description 158
- 238000000034 method Methods 0.000 claims description 29
- 238000013528 artificial neural network Methods 0.000 claims description 28
- 238000004891 communication Methods 0.000 claims description 21
- 238000011156 evaluation Methods 0.000 claims description 15
- 230000005856 abnormality Effects 0.000 claims description 13
- 238000007599 discharging Methods 0.000 claims description 13
- 238000001228 spectrum Methods 0.000 claims description 12
- 238000003708 edge detection Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000010191 image analysis Methods 0.000 claims description 7
- 239000012212 insulator Substances 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000001537 neural effect Effects 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 239000013598 vector Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000825 ultraviolet detection Methods 0.000 description 1
Abstract
本发明公开了一种感传算一体化的多光谱高压电晕检测方法与装置,包括:评估巡检终端与巡检主站间的信道状态,对高压输电线紫外图像放电情况进行判定;基于判定结果结合峰值信噪比、相邻帧图像互信息量及电晕放电面积评估各帧多光谱图像价值;根据评估的信道状态及各帧多光谱图像价值,设定图像价值阈值,获取筛选后的多光谱检测回传图像;构建放电注意力的多光谱图像分块神经网络模型对所述多光谱图像进行分块,并计算各区域的平均放电检测注意力评分;基于各区域的平均放电检测注意力评分,进行差异化传输带宽分配;基于巡检主站对图像进行放电异常深度诊断,计算图像价值偏差与注意力中心位置偏差,依据偏差更新图像价值阈值和注意力网络参数。
Description
技术领域
本发明属于输电线路检测与维护领域,具体涉及一种感传算一体化的多光谱高压电晕检测方法与装置。
背景技术
电力系统输电线路是现代社会供电的重要基础设施,随着社会的进步,电力系统也在快速发展,电力系统输电线路电压等级日益升高,覆盖范围越来越广,其安全运行对于保障能源供应和社会经济发展也将更具有至关重要的作用。然而,长期暴露于野外环境中的高电压输电线路面临着多种因素导致的损伤和缺陷问题,局部电晕放电现象也将随之产生,严重影响设备的安全运行。因此,为了确保电力系统的可靠供电,电力系统部署大量巡检终端于电力系统输电线路沿线,实时采集多光谱图像信息。其中,多光谱图像指物体任一波段电磁波反射和透射所成的图像,包括可见光、紫外光、红外光等,一幅多光谱图像中的每个带均为一幅灰度图像,表示根据用来产生该带的传感器敏感度得到的场景亮度。多光谱图像回传至巡检主站进行高压电晕检测,能够及时反应电力系统输电线路运行状况,以指导操作人员进行巡检、损伤评估和维护修复。然而,目前巡检终端高压电晕检测方法还存在一些问题。例如,对于覆盖范围较大的输电线区域,需要部署更多的巡检终端,传统的高压电晕检测方法缺少对多光谱图像的价值选取,导致大量价值较低的多光谱图像占用通信带宽,使得高压电晕检测效果难以满足新型电力系统的高精度、高效率、高可靠需求。因此,需要一种创新的方法来更好地支撑电力系统输电线路沿线巡检终端的高压电晕检测。
感传算一体化为巡检终端的高压电晕检测提供了新的思路,通过巡检终端侧对采集多光谱图像进行初步处理以及进一步地考虑图像分块,将具有高价值的多光谱图像回传至巡检主站,有效减少低价值的多光谱图像占用通信资源,提升电力系统输电线路高压电晕检测效率。然而,如何有效利用感传算一体化进行高压电晕检测仍需开展进一步研究,主要面临以下挑战:
(1)现有方法在多光谱图像回传的选取过程中没有将信道状态考虑在内,且缺少对图像价值的感知,无法结合信道状态以及图像价值阈值联合评估并筛选多光谱检测回传图像,导致大量价值较低的多光谱图像占用通信带宽,且在信道状态差的情况下难以保障重要图像的高效回传,影响电力系统输电线路沿线高压电晕检测效率。
(2)现有方法没有考虑根据放电注意力进行多光谱图像分块,并结合各区域重要度进行差异化传输带宽分配,无法实现在高重要度区域采用高可靠传输编码方法以保障回传可靠性,导致重要信息回传过程中出现丢包现象,影响放电异常判定精度及图像传输效率。
发明内容
本发明为了解决背景技术中存在的技术问题,目的在于提供一种感传算一体化的多光谱高压电晕检测方法与装置。
为了解决技术问题,本发明的技术方案是:
一种感传算一体化的多光谱高压电晕检测方法,所述方法包括:
评估巡检终端与巡检主站间的信道状态,对高压输电线紫外图像放电情况进行判定;
基于判定结果结合峰值信噪比、相邻帧图像互信息量及电晕放电面积评估各帧多光谱图像价值;
根据评估的信道状态及各帧多光谱图像价值,设定图像价值阈值,获取筛选后的多光谱检测回传图像;
构建基于放电注意力的多光谱图像分块神经网络模型对所述多光谱图像进行分块,并计算各区域的平均放电检测注意力评分;
基于各区域的平均放电检测注意力评分,进行差异化传输带宽分配;
基于巡检主站对图像进行放电异常深度诊断,计算图像价值偏差与注意力中心位置偏差,依据偏差更新图像价值阈值和注意力网络参数。
进一步,根据电磁干扰强度、信道容量、误码率三个指标联合评估巡检终端与巡检主站间的信道状态,则信道状态评分CS可以表示为:
CS=ω1(1-lgEI)+ω2Blog2(1+fSNR)+ω3(1-fBER)σ (1)
式中,ω1、ω2、ω3分别表示电磁干扰强度、信道容量、误码率的权重调整因子;EI表示电磁干扰强度,其值越大对信道影响越大,信道状态越差;B表示信道带宽,为一个常量;fSNR表示信噪比,其值越大,信道容量越大,信道状态越好;fBER表示误码率,其值越大,信道状态越差;σ为常量且σ>1。
进一步,对高压输电线紫外图像放电情况进行判定,包括:
选用Canny边缘检测算子检测高压输电线紫外图像放电位置,得到边缘点坐标,确定放电区域位置以及放电面积,对引起放电的绝缘子进行放电情况的判定,定义电晕放电面积大小为S,若S=0代表没有放电情况,S>0代表有放电情况。
进一步,考虑峰值信噪比、相邻帧图像互信息量、电晕放电面积对图像价值的影响,则第r帧多光谱图像价值Ir可以表示为:
Ir=λ1PSNRr-λ2I(Fr-1;Fr)+λ3Sr (2)
式中,λ1、λ2、λ3分别表示峰值信噪比、相邻帧图像互信息量、电晕放电面积对图像价值的影响权重因子;PSNRr表示第r帧多光谱图像的峰值信噪比;I(Fr-1;Fr)表示相邻帧图像的互信息量,Fr-1、Fr为相邻帧的多光谱图像;Sr表示第r帧多光谱图像的电晕放电面积。
进一步,所述图像价值阈值Imax可表示为:
Imax=I0-δtanh(CS) (3)
式中,I0表示图像价值阈值基准值,δ表示信道状态调节因子;
基于当前信道状态计算图像价值阈值Imax,对比各多光谱图像价值与图像价值阈值,筛除低于图像价值阈值的图像,确保在信道状态差的情况下重要图像回传至巡检主站。
进一步,构建基于放电注意力的多光谱图像分块神经网络模型,包括:
将多光谱图像作为放电注意力神经网络的输入,在放电注意力神经网络中进行特征提取以及注意力参数解析,进而输出多光谱图像分割结果;
基于放电注意力的多光谱图像分块神经网络模型整体采用编码器-放电注意力神经网络-解码器结构,编码器负责对多光谱图像进行特征向量的提取,放电注意力神经网络负责对多光谱图像进行注意力解析,解码器通过神经网络输出的注意力参数进行图像分块,并输出各区域所包含的像素点个数与区域的注意力评分;
其中,放电注意力神经网络包括输入层、隐藏层、输出层三个部分,定义基于放电注意力的多光谱图像分块神经网络权重矩阵参数为W。
进一步,基于所构建的放电注意力的多光谱图像分块神经网络模型,输入经过图像价值感知步骤选取的多光谱检测回传图像,输出多光谱图像分块结果;
定义输入的第r帧多光谱图像被分块为Qr个区域,集合表示为每个分块区域所包含的像素点为/>每个分块区域的注意力评分为
由此完成图像区域分块,基于此进行差异化传输带宽分配。
进一步,基于多光谱图像分块结果,为各区域进行差异化传输带宽分配;
定义第r帧多光谱图像的第q个分块区域Sq的平均放电检测注意力评分为:
因此,假设在传输第r帧多光谱图像时巡检终端与巡检主站间的信道带宽为B,巡检终端为第q个分块区域部分所分配的带宽为Bq,表示为:
以此,完成差异化传输带宽分配,巡检终端完成巡检主站的多光谱图像传输。
进一步,巡检主站接收来自巡检终端回传的图像,对图像进行放电异常的深度诊断,每隔一段时间进行一次参数自适应调整,根据该时段内所回传的多光谱图像深度诊断结果,评估所回传的多光谱图像价值以及故障位置,计算平均图像价值偏差与平均注意力中心位置偏差,进而依据偏差对图像价值阈值和注意力网络参数进行更新,具体包括:
巡检主站接收来自巡检终端回传的多光谱图像,假设在一个时间段内接收到R张多光谱图像,集合表示为{1,...,r,...,R};巡检主站对接收到的多光谱图像进行图像价值的深度评估,获得第r张主站多光谱图像价值Ir′,以此更新图像价值阈值的基准值I0,表示为:
式中,ΔI为更新步长;公式意为,若在一个时间段内主站接收到的多张多光谱图像价值Ir′小于巡检终端所判断的图像价值Ir且Ir′较低,则说明需要降低回传图像价值阈值,来保证主站能够根据更多的图像对高电压输电线路放电情况进行检测;
计算该时间段内主站接收到的多张多光谱图像所检测故障位置与巡检终端注意力中心位置的平均偏差,根据多光谱图像分块结果,计算二者的残差,更新放电注意力神经网络模型中的权重矩阵,表示为:
式中,为第r张多光谱图像所检测的故障位置,/>为第r张多光谱图像的巡检终端注意力最高的分块区域的中心位置,γ为预设的权重调整参数,将更新后的参数传输至巡检终端,完成后一时段的故障检测。
一种感传算一体化的多光谱高压电晕检测装置,所述装置用于执行上述任一所述的方法,所述装置包括:多光谱图像采集模块、紫外图像分析模块、图像价值评估模块、阈值判定模块、放电注意力图像分块模块、图像传输优化模块、注意力中心偏差感知模块、通信模块和电源模块;
所述多光谱图像采集模块:该模块负责采集待回传至主站的高压输电线巡检终端图像;
所述紫外图像分析模块:该模块选用Canny边缘检测算子检测高压输电线紫外图像的电晕放电区域,确定区域位置以及电晕面积,对引起放电的绝缘子进行放电异常的初步判定;
所述图像价值评估模块:该模块负责根据峰值信噪比、相邻帧图像互信息量、电晕放电对采集到的多光谱图像进行价值评估,图像价值越高代表该多光谱图像重要度越高;
所述阈值判定模块:该模块结合多光谱图像价值及当前信道状态判定图像价值阈值,当信道状态较好时,考虑减小阈值;当信道状态较差时,考虑提高阈值;
所述放电注意力图像分块模块:该模块采用编码器-放电注意力神经网络-解码器结构,其中,放电注意力神经网络负责对多光谱图像分块区域进行注意力解析,解码器通过神经网络输出的注意力参数进行图像分块,并输出各区域所包含的像素点个数与区域的注意力评分;
所述图像传输优化模块:该模块基于各区域的平均放电注意力评分,进行差异化传输带宽分配,其中,区域平均放电注意力评分越高,分配的传输带宽越大;
所述注意力中心偏差感知模块:该模块在接收到通信模块传输的更新的注意力网络参数后,将其传至放电注意力评分模块,进而完成后一时段的故障检测;
所述通信模块:该模块完成巡检终端与巡检主站间的通信,负责将图像数据传至主站并接收主站反馈的偏差信息,随后,将更新的价值阈值基准值传至阈值判定模块、将更新的注意力网络参数传至注意力中心偏差感知模块;
所述电源模块:该模块提供装置所需的电源供应,以确保其正常运行。
与现有技术相比,本发明的优点在于:
1.本发明提出一种基于信道状态及图像价值的多光谱检测回传图像选取方法,根据电磁干扰强度、信道容量、误码率三个指标联合评估巡检终端与巡检主站间的信道状态,并采用Canny边缘检测算子检测高压输电线紫外图像放电光斑,初步确定放电区域位置及放电面积,进而结合峰值信噪比、相邻帧图像互信息量、电晕放电面积评估各帧多光谱图像价值,在此基础上,结合信道状态评分及图像价值设定图像价值阈值,并筛除低于价值阈值的图像,能够实现信道通信资源的高效利用,且在信道状态差的情况下也能确保重要图像回传至主站,进而提高高压电晕检测效率和精度。
2.本发明提出一种基于放电注意力的多光谱图像分块差异化传输方法,构建基于放电注意力的多光谱图像分块神经网络模型对多光谱图像进行分块,并计算各区域的平均放电检测注意力评分,基于此进行差异化传输带宽分配,为高重要度区域提供更大带宽,采用可靠性更高的传输编码方法以保障高注意力区域的高可靠回传,实现重要信息的不丢包回传。最后,巡检主站对图像进行放电异常深度诊断,计算图像价值偏差与注意力中心位置偏差,依据偏差更新图像价值阈值和注意力网络参数,从而提高巡检终端的放电异常判定精度及图像传输效率。
3.本发明提出一种感传算一体化的多光谱高压电晕检测装置,包括多光谱图像采集模块、紫外图像分析模块、图像价值评估模块、阈值判定模块、放电注意力图像分块模块、图像传输优化模块、注意力中心偏差感知模块、通信模块、电源模块。其中,阈值判定模块结合多光谱图像价值及当前信道状态判定图像价值阈值,且当信道状态较好时,考虑减小阈值,当信道状态较差时,考虑提高阈值,能够提高图像回传的时效性和可靠性;放电注意力图像分块模块通过神经网络输出的注意力参数进行图像分块,并输出各区域所包含的像素点个数与区域的注意力评分;图像传输优化模块基于各区域的平均放电注意力评分,进行差异化传输带宽分配,能够实现高注意力区域的高可靠回传,利用上述模块可有效实现感传算一体化的多光谱高压电晕检测。
附图说明
图1、本发明一种感传算一体化的多光谱高压电晕检测方法的流程图;
图2、本发明一种感传算一体化的多光谱高压电晕检测装置图。
具体实施方式
下面结合实施例描述本发明具体实施方式:
需要说明的是,本说明书所示意的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
同时,本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
实施例1:
现有技术1:基于无人机紫外检测的输电线路电晕放电缺陷智能诊断技术:
该方案以无人机搭载的紫外传感器所获取的图像作为数据源,从紫外影响中获取图像帧,并对图像进行最大类间方差二值化和区域生长处理,根据区域生长后的结果计算疑似放电区域,随后经放电异常诊断,利用获取的高精度位置姿态以及时间同步信息,得到高压输电线路绝缘子发生异常的具体位置。
该方案没有考虑结合信道状态和图像价值选取多光谱检测回传图像,导致在信道状态较差时占用大量信道资源,无法保障重要图像的高效回传,对高压电晕放电检测的时效性产生一定影响。
现有技术2:基于图像处理技术的电力设备局部放电紫外成像检测:
该方案选用Canny边缘检测算子在紫外图像中检测放电光斑以得到边缘点坐标,进而求得光斑面积并根据光斑面积大小去除周围杂散的颗粒点,保留较大光斑位置即为电力设备的主放电区域,能够实现故障区域的定位。
该方案没有考虑对多光谱图像进行分块,且没有为不同重要度的区域进行差异化带宽分配,难以保障高重要度区域的高可靠回传,造成重要信息的回传丢包,对巡检终端的放电异常判定精度及图像传输效率产生一定影响。
综上所述:
忽略了信道状态和图像价值阈值的判定导致高压电晕检测效率和精度低的问题:多光谱巡检图像数据量庞大,使得巡检终端与巡检主站间的信息收发量较大,传统回传方案没有考虑结合信道状态和图像价值阈值筛除价值较低的多光谱图像,难以保障在信道状态较差的情况下重要图像能够高效回传至主站,对高压电晕的检测效率和精度产生影响。因此,如何根据信道状态和图像价值选取多光谱检测回传图像是一个亟待解决的问题。
忽略了根据区域重要度进行差异化传输带宽分配导致巡检终端的放电异常判定精度及图像传输效率低的问题:传统放电异常检测方案没有考虑根据放电注意力进行多光谱图像分块,并结合各区域重要度进行差异化传输带宽分配,难以实现在高重要度区域采用高可靠传输编码方法以保障回传可靠性,导致重要信息回传产生丢包。因此,如何根据区域重要度进行差异化带宽分配是一个亟待解决的问题。
实施例2:
如图1所示,本实施例提出一种感传算一体化的多光谱高压电晕检测方法,所述方法包括:
评估巡检终端与巡检主站间的信道状态,对高压输电线紫外图像放电情况进行判定;
基于判定结果结合峰值信噪比、相邻帧图像互信息量及电晕放电面积评估各帧多光谱图像价值;
根据评估的信道状态及各帧多光谱图像价值,设定图像价值阈值,获取筛选后的多光谱检测回传图像;
构建基于放电注意力的多光谱图像分块神经网络模型对所述多光谱图像进行分块,并计算各区域的平均放电检测注意力评分;
基于各区域的平均放电检测注意力评分,进行差异化传输带宽分配;
基于巡检主站对图像进行放电异常深度诊断,计算图像价值偏差与注意力中心位置偏差,依据偏差更新图像价值阈值和注意力网络参数。
1.基于信道状态及图像价值的多光谱检测回传图像选取方法
考虑到多光谱图像巡检数据量庞大,为减少巡检终端与巡检主站间的信息收发量,可以对图像价值进行初步评判,并结合当前信道状态筛除价值过低的图像,能够避免图像价值较低的图像占用大量通信资源而影响重要图像回传,进而提高高压电晕检测的时效性和精度,具体方案如下。
S1:巡检终端与巡检主站间的信道状态评分
为了解并判断当前巡检终端与巡检主站间的信道质量和性能,支撑价值阈值的判定,进而筛除价值过低的图像以避免过多价值较低的图像占用通信资源影响重要图像回传,需根据电磁干扰强度、信道容量、误码率三个指标联合评估巡检终端与巡检主站间的信道状态,则信道状态评分CS可以表示为:
CS=ω1(1-lgEI)+ω2Blog2(1+fSNR)+ω3(1-fBER)σ (1)
式中,ω1、ω2、ω3分别表示电磁干扰强度、信道容量、误码率的权重调整因子;EI表示电磁干扰强度,其值越大对信道影响越大,信道状态越差;B表示信道带宽,为一个常量;fSNR表示信噪比,其值越大,信道容量越大,信道状态越好;fBER表示误码率,其值越大,信道状态越差;σ为常量且σ>1。
S2:高压输电线紫外图像放电情况判定
紫外图像中放电光斑与背景边缘区分较为明显,可根据图像梯度变化来确认放电位置,因此,本发明选用Canny边缘检测算子检测高压输电线紫外图像放电位置,能够得到边缘点坐标,进而确定放电区域位置以及放电面积,对引起放电的绝缘子进行放电情况的判定,定义电晕放电面积大小为S,若S=0代表没有放电情况,S>0代表有放电情况。
S3:多光谱图像价值评估
本发明基于步骤S2判定的图像放电情况,进一步进行多光谱图像价值评估。在多光谱图像价值评估中,峰值信噪比通过比较原始图像和经过传输、处理后的图像间差异来评估图像的失真程度,其值越大代表图像失真越小、噪声越小、图像质量较高、图像更加清晰;相邻帧图像互信息量大小可用于衡量相邻帧图像间的相似度和相关性,其值越大代表相邻帧图像存在较多的相同信息,即具有较高的相似度,说明环境变化较小;电晕放电情况判定对后续放电异常诊断以及高压输电线路的运维至关重要,同时,放电面积越大其重要程度越高。因此,需考虑峰值信噪比、相邻帧图像互信息量、电晕放电面积对图像价值的影响,则第r帧多光谱图像价值Ir可以表示为:
Ir=λ1PSNRr-λ2I(Fr-1;Fr)+λ3Sr (2)
式中,λ1、λ2、λ3分别表示峰值信噪比、相邻帧图像互信息量、电晕放电面积对图像价值的影响权重因子;PSNRr表示第r帧多光谱图像的峰值信噪比;I(Fr-1;Fr)表示相邻帧图像的互信息量,Fr-1、Fr为相邻帧的多光谱图像;Sr表示第r帧多光谱图像的电晕放电面积。
S4:多光谱检测回传图像选取
为提升高压电晕的检测效率和判定精度,高效利用信道通信资源,本发明考虑结合信道状态评分与多光谱图像价值评估结果选取多光谱检测回传图像,筛除价值较低的多光谱图像。当信道状态评分较高时,考虑降低图像价值阈值,能够使更多的多光谱图像回传至巡检主站以进行进一步的分析与处理;反之,当信道状态评分较低时,为保障价值更高、更有利于放电异常诊断的图像回传至巡检主站,且避免价值过低的图像占用信道通信资源,考虑提高图像价值阈值。因此,图像价值阈值Imax可表示为:
Imax=I0-δtanh(CS) (3)
式中,I0表示图像价值阈值基准值,δ表示信道状态调节因子。
基于当前信道状态计算图像价值阈值Imax,对比各多光谱图像价值与图像价值阈值,筛除低于图像价值阈值的图像,确保在信道状态差的情况下重要图像回传至巡检主站,进而提高高压电晕检测精度,支撑基于放电注意力的多光谱图像分块差异化传输。
2.基于放电注意力的多光谱图像分块差异化传输方法
首先,基于上述图像价值感知结果,构建基于放电注意力的多光谱图像分块神经网络模型,从而对多光谱图像进行图像分块。其次,巡检终端根据分块后的多光谱图像,计算分块区域的平均放电检测注意力评分,进行差异化传输带宽分配,为高重要度的分块区域提供更大的带宽,采用可靠性更高的传输编码方法以保障该分块区域的及时性和可靠性。最后,巡检主站对巡检终端回传的图像进行放电异常的深度诊断,根据实际诊断结果与注意力中心位置偏差更新巡检终端的参数,从而提高巡检终端的放电异常判定精度以及图像传输效率。
本发明提出基于放电注意力的多光谱图像分块差异化传输方法阐述如下:
S1:基于放电注意力的多光谱图像分块神经网络模型构建
将多光谱图像作为放电注意力神经网络的输入,在放电注意力神经网络中进行特征提取以及注意力参数解析,进而输出多光谱图像分割结果。基于放电注意力的多光谱图像分块神经网络模型整体采用编码器-放电注意力神经网络-解码器结构,编码器负责对多光谱图像进行特征向量的提取,放电注意力神经网络负责对多光谱图像进行注意力解析,解码器通过神经网络输出的注意力参数进行图像分块,并输出各区域所包含的像素点个数与区域的注意力评分。其中,放电注意力神经网络包括输入层、隐藏层、输出层三个部分,定义基于放电注意力的多光谱图像分块神经网络权重矩阵参数为W。
为训练上述放电注意力神经网络,本发明充分借鉴专家经验并构建专门的训练样本,这些基于专家经验的训练样本在引导神经网络的注意力定位方面发挥了至关重要的作用,能够确保网络集中关注多模态图像放电检测所需的关键特征,从而有效地避免了无关特征的干扰,确保解码器在进行多模态图像分块时的高效性和精确性。
S2:基于放电注意力神经网络输出的多光谱图像区域分块
基于S1所构建的放电注意力多光谱图像分块神经网络模型,输入经过图像价值感知步骤选取的多光谱检测回传图像,输出多光谱图像分块结果。定义输入的第r帧多光谱图像被分块为Qr个区域,集合表示为每个分块区域所包含的像素点为每个分块区域的注意力评分为/>
由此完成图像区域分块,基于此进行差异化传输带宽分配。
S3:基于区域注意力的差异化传输带宽分配方法
基于S2的多光谱图像分块结果,为各区域进行差异化传输带宽分配。其中,若某分块区域的注意力评分越高,且包含的像素点较多,表明该分块区域的重要度越高,需要为该分块区域分配更大的带宽以采用可靠性更高的传输编码方法,保障该分块区域的多光谱图像传输的及时性和可靠性。定义第r帧多光谱图像的第q个分块区域Sq的平均放电检测注意力评分为
因此,假设在传输第r帧多光谱图像时巡检终端与巡检主站间的信道带宽为B,巡检终端为第q个分块区域部分所分配的带宽为Bq,表示为
以此,完成差异化传输带宽分配,巡检终端完成巡检主站的多光谱图像传输。
S4:基于巡检主站精细化深度诊断的参数自适应调整机制
巡检主站接收来自巡检终端回传的图像,对图像进行放电异常的深度诊断。每隔一段时间进行一次参数自适应调整,根据该时段内所回传的多光谱图像深度诊断结果,评估所回传的多光谱图像价值以及故障位置,计算平均图像价值偏差与平均注意力中心位置偏差,进而依据偏差对图像价值阈值和注意力网络参数进行更新,从而提高巡检终端的放电异常判定精度以及图像传输效率。具体步骤如下所述:
S41:巡检主站接收来自巡检终端回传的多光谱图像,假设在一个时间段内接收到R张多光谱图像,集合表示为{1,...,r,...,R}。巡检主站对接收到的多光谱图像进行图像价值的深度评估,获得第r张主站多光谱图像价值Ir′,以此更新图像价值阈值的基准值I0,表示为
式中,ΔI为更新步长。公式意为,若在一个时间段内主站接收到的多张多光谱图像价值Ir′小于巡检终端所判断的图像价值Ir且Ir′较低,则说明需要降低回传图像价值阈值,来保证主站能够根据更多的图像对高电压输电线路放电情况进行检测,反之亦然。
S42:计算该时间段内主站接收到的多张多光谱图像所检测故障位置与巡检终端注意力中心位置的平均偏差,根据S2的结果,计算二者的残差,更新放电注意力神经网络模型中的权重矩阵,表示为
式中,为第r张多光谱图像所检测的故障位置,/>为第r张多光谱图像的巡检终端注意力最高的分块区域的中心位置,γ为预设的权重调整参数。将更新后的参数传输至巡检终端,完成后一时段的故障检测。
实施例3:
如图2所示,本发明提出一种感传算一体化的多光谱高压电晕检测装置,包括多光谱图像采集模块、紫外图像分析模块、图像价值评估模块、阈值判定模块、放电注意力图像分块模块、图像传输优化模块、注意力中心偏差感知模块、通信模块、电源模块。各模块介绍如下:
多光谱图像采集模块:该模块负责采集待回传至主站的高压输电线巡检终端图像。
紫外图像分析模块:该模块选用Canny边缘检测算子检测高压输电线紫外图像的电晕放电区域,确定区域位置以及电晕面积,对引起放电的绝缘子进行放电异常的初步判定。
图像价值评估模块:该模块负责根据峰值信噪比、相邻帧图像互信息量、电晕放电对采集到的多光谱图像进行价值评估,图像价值越高代表该多光谱图像重要度越高。
阈值判定模块:该模块结合多光谱图像价值及当前信道状态判定图像价值阈值,当信道状态较好时,考虑减小阈值;当信道状态较差时,考虑提高阈值。
放电注意力图像分块模块:该模块采用编码器-放电注意力神经网络-解码器结构,其中,放电注意力神经网络负责对多光谱图像分块区域进行注意力解析,解码器通过神经网络输出的注意力参数进行图像分块,并输出各区域所包含的像素点个数与区域的注意力评分。
图像传输优化模块:该模块基于各区域的平均放电注意力评分,进行差异化传输带宽分配,其中,区域平均放电注意力评分越高,分配的传输带宽越大。
注意力中心偏差感知模块:该模块在接收到通信模块传输的更新的注意力网络参数后,将其传至放电注意力评分模块,进而完成后一时段的故障检测。
通信模块:该模块完成巡检终端与巡检主站间的通信,负责将图像数据传至主站并接收主站反馈的偏差信息,随后,将更新的价值阈值基准值传至阈值判定模块、将更新的注意力网络参数传至注意力中心偏差感知模块。
电源模块:该模块提供装置所需的电源供应,以确保其正常运行。
上面对本发明优选实施方式作了详细说明,但是本发明不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解,本发明不限于特定的实施方式,本发明的范围由所附权利要求限定。
Claims (10)
1.一种感传算一体化的多光谱高压电晕检测方法,其特征在于,所述方法包括:
评估巡检终端与巡检主站间的信道状态,对高压输电线紫外图像放电情况进行判定;
基于判定结果结合峰值信噪比、相邻帧图像互信息量及电晕放电面积评估各帧多光谱图像价值;
根据评估的信道状态及各帧多光谱图像价值,设定图像价值阈值,获取筛选后的多光谱检测回传图像;
构建基于放电注意力的多光谱图像分块神经网络模型对所述多光谱图像进行分块,并计算各区域的平均放电检测注意力评分;
基于各区域的平均放电检测注意力评分,进行差异化传输带宽分配;
基于巡检主站对图像进行放电异常深度诊断,计算图像价值偏差与注意力中心位置偏差,依据偏差更新图像价值阈值和注意力网络参数。
2.根据权利要求1所述的一种感传算一体化的多光谱高压电晕检测方法,其特征在于,根据电磁干扰强度、信道容量、误码率三个指标联合评估巡检终端与巡检主站间的信道状态,则信道状态评分CS可以表示为:
CS=ω1(1-lgEI)+ω2Blog2(1+fSNR)+ω3(1-fBER)σ (1)
式中,ω1、ω2、ω3分别表示电磁干扰强度、信道容量、误码率的权重调整因子;EI表示电磁干扰强度,其值越大对信道影响越大,信道状态越差;B表示信道带宽,为一个常量;fSNR表示信噪比,其值越大,信道容量越大,信道状态越好;fBER表示误码率,其值越大,信道状态越差;σ为常量且σ>1。
3.根据权利要求1所述的一种感传算一体化的多光谱高压电晕检测方法,其特征在于,对高压输电线紫外图像放电情况进行判定,包括:
选用Canny边缘检测算子检测高压输电线紫外图像放电位置,得到边缘点坐标,确定放电区域位置以及放电面积,对引起放电的绝缘子进行放电情况的判定,定义电晕放电面积大小为S,若S=0代表没有放电情况,S>0代表有放电情况。
4.根据权利要求1所述的一种感传算一体化的多光谱高压电晕检测方法,其特征在于,考虑峰值信噪比、相邻帧图像互信息量、电晕放电面积对图像价值的影响,则第r帧多光谱图像价值Ir可以表示为:
Ir=λ1PSNRr-λ2I(Fr-1;Fr)+λ3Sr (2)
式中,λ1、λ2、λ3分别表示峰值信噪比、相邻帧图像互信息量、电晕放电面积对图像价值的影响权重因子;PSNRr表示第r帧多光谱图像的峰值信噪比;I(Fr-1;Fr)表示相邻帧图像的互信息量,Fr-1、Fr为相邻帧的多光谱图像;Sr表示第r帧多光谱图像的电晕放电面积。
5.根据权利要求1所述的一种感传算一体化的多光谱高压电晕检测方法,其特征在于,所述图像价值阈值Imax可表示为:
Imax=I0-δtanh(CS) (3)
式中,I0表示图像价值阈值基准值,δ表示信道状态调节因子;
基于当前信道状态计算图像价值阈值Imax,对比各多光谱图像价值与图像价值阈值,筛除低于图像价值阈值的图像,确保在信道状态差的情况下重要图像回传至巡检主站。
6.根据权利要求1所述的一种感传算一体化的多光谱高压电晕检测方法,其特征在于,构建基于放电注意力的多光谱图像分块神经网络模型,包括:
将多光谱图像作为放电注意力神经网络的输入,在放电注意力神经网络中进行特征提取以及注意力参数解析,进而输出多光谱图像分割结果;
基于放电注意力的多光谱图像分块神经网络模型整体采用编码器-放电注意力神经网络-解码器结构,编码器负责对多光谱图像进行特征向量的提取,放电注意力神经网络负责对多光谱图像进行注意力解析,解码器通过神经网络输出的注意力参数进行图像分块,并输出各区域所包含的像素点个数与区域的注意力评分;
其中,放电注意力神经网络包括输入层、隐藏层、输出层三个部分,定义基于放电注意力的多光谱图像分块神经网络权重矩阵参数为W。
7.根据权利要求1所述的一种感传算一体化的多光谱高压电晕检测方法,其特征在于,基于所构建的放电注意力的多光谱图像分块神经网络模型,输入经过图像价值感知步骤选取的多光谱检测回传图像,输出多光谱图像分块结果;
定义输入的第r帧多光谱图像被分块为Qr个区域,集合表示为每个分块区域所包含的像素点为/>每个分块区域的注意力评分为
由此完成图像区域分块,基于此进行差异化传输带宽分配。
8.根据权利要求1所述的一种感传算一体化的多光谱高压电晕检测方法,其特征在于,基于多光谱图像分块结果,为各区域进行差异化传输带宽分配;
定义第r帧多光谱图像的第q个分块区域Sq的平均放电检测注意力评分为:
因此,假设在传输第r帧多光谱图像时巡检终端与巡检主站间的信道带宽为B,巡检终端为第q个分块区域部分所分配的带宽为Bq,表示为:
以此,完成差异化传输带宽分配,巡检终端完成巡检主站的多光谱图像传输。
9.根据权利要求1所述的一种感传算一体化的多光谱高压电晕检测方法,其特征在于,巡检主站接收来自巡检终端回传的图像,对图像进行放电异常的深度诊断,每隔一段时间进行一次参数自适应调整,根据该时段内所回传的多光谱图像深度诊断结果,评估所回传的多光谱图像价值以及故障位置,计算平均图像价值偏差与平均注意力中心位置偏差,进而依据偏差对图像价值阈值和注意力网络参数进行更新,具体包括:
巡检主站接收来自巡检终端回传的多光谱图像,假设在一个时间段内接收到R张多光谱图像,集合表示为{1,...,r,...,R};巡检主站对接收到的多光谱图像进行图像价值的深度评估,获得第r张主站多光谱图像价值Ir′,以此更新图像价值阈值的基准值I0,表示为:
式中,ΔI为更新步长;公式意为,若在一个时间段内主站接收到的多张多光谱图像价值Ir′小于巡检终端所判断的图像价值Ir且Ir′较低,则说明需要降低回传图像价值阈值,来保证主站能够根据更多的图像对高电压输电线路放电情况进行检测;
计算该时间段内主站接收到的多张多光谱图像所检测故障位置与巡检终端注意力中心位置的平均偏差,根据多光谱图像分块结果,计算二者的残差,更新放电注意力神经网络模型中的权重矩阵,表示为:
式中,为第r张多光谱图像所检测的故障位置,/>为第r张多光谱图像的巡检终端注意力最高的分块区域的中心位置,γ为预设的权重调整参数,将更新后的参数传输至巡检终端,完成后一时段的故障检测。
10.一种感传算一体化的多光谱高压电晕检测装置,其特征在于,所述装置用于执行权利要求1-9中任一所述的方法,所述装置包括:多光谱图像采集模块、紫外图像分析模块、图像价值评估模块、阈值判定模块、放电注意力图像分块模块、图像传输优化模块、注意力中心偏差感知模块、通信模块和电源模块;
所述多光谱图像采集模块:该模块负责采集待回传至主站的高压输电线巡检终端图像;
所述紫外图像分析模块:该模块选用Canny边缘检测算子检测高压输电线紫外图像的电晕放电区域,确定区域位置以及电晕面积,对引起放电的绝缘子进行放电异常的初步判定;
所述图像价值评估模块:该模块负责根据峰值信噪比、相邻帧图像互信息量、电晕放电对采集到的多光谱图像进行价值评估,图像价值越高代表该多光谱图像重要度越高;
所述阈值判定模块:该模块结合多光谱图像价值及当前信道状态判定图像价值阈值,当信道状态较好时,考虑减小阈值;当信道状态较差时,考虑提高阈值;
所述放电注意力图像分块模块:该模块采用编码器-放电注意力神经网络-解码器结构,其中,放电注意力神经网络负责对多光谱图像分块区域进行注意力解析,解码器通过神经网络输出的注意力参数进行图像分块,并输出各区域所包含的像素点个数与区域的注意力评分;
所述图像传输优化模块:该模块基于各区域的平均放电注意力评分,进行差异化传输带宽分配,其中,区域平均放电注意力评分越高,分配的传输带宽越大;
所述注意力中心偏差感知模块:该模块在接收到通信模块传输的更新的注意力网络参数后,将其传至放电注意力评分模块,进而完成后一时段的故障检测;
所述通信模块:该模块完成巡检终端与巡检主站间的通信,负责将图像数据传至主站并接收主站反馈的偏差信息,随后,将更新的价值阈值基准值传至阈值判定模块、将更新的注意力网络参数传至注意力中心偏差感知模块;
所述电源模块:该模块提供装置所需的电源供应,以确保其正常运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311616828.5A CN117630597B (zh) | 2023-11-30 | 一种感传算一体化的多光谱高压电晕检测方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311616828.5A CN117630597B (zh) | 2023-11-30 | 一种感传算一体化的多光谱高压电晕检测方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117630597A CN117630597A (zh) | 2024-03-01 |
CN117630597B true CN117630597B (zh) | 2024-06-07 |
Family
ID=
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113411501A (zh) * | 2021-06-29 | 2021-09-17 | 杭州晶耐科光电技术有限公司 | 基于嵌入式及双光谱成像的无人机载电力巡检方法及系统 |
WO2021207557A1 (en) * | 2020-04-09 | 2021-10-14 | Flir Commercial Systems, Inc. | Multispectral imaging for thermal and electrical detection systems and methods |
CN113810126A (zh) * | 2021-09-24 | 2021-12-17 | 侯小燕 | 一种无衍射涡旋电磁波信道特征的动态安全加密方法 |
CN114501355A (zh) * | 2022-03-16 | 2022-05-13 | 华北电力大学 | 一种适应园区电碳信息转换的保密容量保障系统及方法 |
CN114581721A (zh) * | 2022-03-15 | 2022-06-03 | 东北林业大学 | 基于二值神经网络的多光谱图像轻量化分类方法 |
CN115049678A (zh) * | 2022-08-17 | 2022-09-13 | 南昌工程学院 | 基于夜间紫外成像技术的输电线电晕放电图像分割方法 |
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021207557A1 (en) * | 2020-04-09 | 2021-10-14 | Flir Commercial Systems, Inc. | Multispectral imaging for thermal and electrical detection systems and methods |
CN113411501A (zh) * | 2021-06-29 | 2021-09-17 | 杭州晶耐科光电技术有限公司 | 基于嵌入式及双光谱成像的无人机载电力巡检方法及系统 |
CN113810126A (zh) * | 2021-09-24 | 2021-12-17 | 侯小燕 | 一种无衍射涡旋电磁波信道特征的动态安全加密方法 |
CN114581721A (zh) * | 2022-03-15 | 2022-06-03 | 东北林业大学 | 基于二值神经网络的多光谱图像轻量化分类方法 |
CN114501355A (zh) * | 2022-03-16 | 2022-05-13 | 华北电力大学 | 一种适应园区电碳信息转换的保密容量保障系统及方法 |
CN115049678A (zh) * | 2022-08-17 | 2022-09-13 | 南昌工程学院 | 基于夜间紫外成像技术的输电线电晕放电图像分割方法 |
Non-Patent Citations (3)
Title |
---|
Integrated Sensing, Communication, and Computing for Self-Powered UAV-Assisted Corona Detection in High-Voltage Substations;Shu, YL;《IEEE SENSORS JOURNAL》;20230915;全文 * |
基于无线电干扰时域测量系统的直流单点电晕放电定位方法;李学宝;《电工技术学报》;20201125;全文 * |
高湿电晕老化对复合绝缘子端部护套异常温升的影响及抑制措施;张育铭;《华北电力大学学报(自然科学版)》;20231108;全文 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110261436B (zh) | 基于红外热成像和计算机视觉的轨道故障检测方法及系统 | |
WO2020199538A1 (zh) | 基于图像监控数据的桥梁关键构件病害预警系统及方法 | |
CN105788142B (zh) | 一种基于视频图像处理的火灾检测系统及检测方法 | |
CN112233073A (zh) | 一种变电设备红外热成像异常实时检测方法 | |
CN101510356B (zh) | 视频检测系统及其数据处理装置、视频检测方法 | |
CN103646250B (zh) | 基于距离图像头肩特征的行人监测方法及装置 | |
CN110853005A (zh) | 一种免疫组化膜染色切片诊断方法及装置 | |
CN113362285A (zh) | 一种钢轨表面伤损细粒度图像分类与检测方法 | |
CN107911183A (zh) | 一种基于实时信号特征分析的无人机识别方法及系统 | |
CN112149620A (zh) | 基于无锚点的自然场景文字区域检测模型的构建方法 | |
CN103093458A (zh) | 关键帧的检测方法及装置 | |
CN105825219A (zh) | 机器视觉检测系统 | |
CN109509188A (zh) | 一种基于hog特征的输电线路典型缺陷识别方法 | |
CN115909256A (zh) | 基于道路视觉图像的道路病害检测方法 | |
CN117630597B (zh) | 一种感传算一体化的多光谱高压电晕检测方法与装置 | |
CN117630597A (zh) | 一种感传算一体化的多光谱高压电晕检测方法与装置 | |
CN106254864A (zh) | 监控视频中的雪花和噪点噪声检测方法 | |
Liu et al. | Quality assessment for inspection images of power lines based on spatial and sharpness evaluation | |
CN110163081A (zh) | 基于ssd的实时区域入侵检测方法、系统及存储介质 | |
CN109785312A (zh) | 一种图像模糊检测方法、系统及电子设备 | |
CN109064444A (zh) | 基于显著性分析的轨道板病害检测方法 | |
CN114494240A (zh) | 基于多尺度协作深度学习的无砟轨道板裂缝测量方法 | |
CN114708190A (zh) | 一种基于深度学习的道路裂缝检测评估算法 | |
CN114998889A (zh) | 一种沉浸式三维影像的智能识别方法及系统 | |
CN112801110A (zh) | 轨道列车线阵相机图像畸变校正的目标检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |