CN105486751A - 一种设备缺陷综合检测*** - Google Patents
一种设备缺陷综合检测*** Download PDFInfo
- Publication number
- CN105486751A CN105486751A CN201610053064.7A CN201610053064A CN105486751A CN 105486751 A CN105486751 A CN 105486751A CN 201610053064 A CN201610053064 A CN 201610053064A CN 105486751 A CN105486751 A CN 105486751A
- Authority
- CN
- China
- Prior art keywords
- image
- infrared
- ultrasonic
- comprehensive detection
- equipment
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/04—Analysing solids
- G01N29/06—Visualisation of the interior, e.g. acoustic microscopy
- G01N29/0654—Imaging
- G01N29/069—Defect imaging, localisation and sizing using, e.g. time of flight diffraction [TOFD], synthetic aperture focusing technique [SAFT], Amplituden-Laufzeit-Ortskurven [ALOK] technique
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Acoustics & Sound (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明涉及一种设备缺陷综合检测***,该检测***基于超声、红外及紫外进行设备缺陷检测,包括:综合检测装置,基于超声、红外及紫外对被测设备进行图像采集;设备缺陷库,存储有各类被测设备的检测案例和故障案例;状态分析装置,接收所述综合检测装置采集的图像数据,将该图像数据与设备缺陷库进行比对,获得被测设备的状态并输出。与现有技术相比,本发明具有设备缺陷检测精确度高、可以及早发现变电设备缺陷等优点。
Description
技术领域
本发明涉及属于电气设备检测领域,尤其是涉及一种设备缺陷综合检测***。
背景技术
随着电网规模的快速发展,电气设备的数量飞速增长。由于绝大部分高压电气设备为户外布置,受环境影响较大。户外变电设备在发生故障前,往往会发生局部放电,放电源会产生声、电和化学效应。有经验的运行人员往往能够利用超声、紫外及红外设备,提前发现设备隐患杜绝事故的发生。
在多年的实践中,超声、紫外和红外等检测设备的有效性已经得到了极大的肯定,但是受检测技术水平的限制,单一原理的检测设备都各有其优缺点。
1、利用超声检测放电非常有效,而且可以减少可听声的干扰,但是超声波的指向性较强,在空气中传播容易衰减,往往需要检测设备具有较高的灵敏度,同时需要检测者具有较为丰富的经验;
2、常用的非制冷焦平面原理的红外热像仪对发热性缺陷的检出率较高,但对于放电性故障往往无能为力;
3、紫外成像仪对于放电的检测灵敏度较高,但是容易被遮挡,对于处于隐蔽部位或内部的放电无能为力。
现有上述单一检测设备难以满足更高精度的要求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种设备缺陷检测精确度高、可以及早发现变电设备缺陷的设备缺陷综合检测***。
本发明的目的可以通过以下技术方案来实现:
一种设备缺陷综合检测***,该检测***基于超声、红外及紫外进行设备缺陷检测,包括:
综合检测装置,基于超声、红外及紫外对被测设备进行图像采集;
设备缺陷库,存储有各类被测设备的检测案例和故障案例;
状态分析装置,接收所述综合检测装置采集的图像数据,将该图像数据与设备缺陷库进行比对,获得被测设备的状态并输出。
所述综合检测装置包括:
超声波可视模块,用于同步采集超声阵列信号和可见光图像并对超声阵列信号和可见光图像进行合成,获得超声可见光图像;
红外检测模块,用于与所述超声波可视模块同步采集红外图像;
紫外检测模块,用于与所述超声波可视模块同步采集紫外图像;
控制显示模块,用于对所获取的超声可见光图像、红外图像和紫外图像进行合成处理并显示;
电源,用于对所述超声波可视模块、红外检测模块、紫外检测模块和控制显示模块供电。
所述超声波可视模块包括超声传感器阵列、超声放大电路、摄像头、模数转换器、第一图像合成单元和第一显示器,所述超声传感器阵列、超声放大电路和模数转换器依次连接,所述摄像头与模数转换器连接,所述模数转换器、第一图像合成单元和第一显示器依次连接,第一图像合成单元将超声传感器阵列采集的超声阵列信号和摄像头采集的可见光图像进行合成,并显示于第一显示器中。
所述超声传感器阵列由16只摆放在不同位置的超声传感器组成;
16只所述超声传感器具体摆放位置为:每四个超声传感器构成一组线型阵,形成上、下、左、右四组线型阵,组成二维方形阵。
所述超声放大电路为双极放大电路,该双极放大电路的每级电路都采用负反馈放大电路,且两级放大电路之间用电容隔离直流成分。
所述第一图像合成单元将超声阵列信号和可见光图像进行合成的具体过程为:
S101、将每组线型阵中每个超声传感器采集的超声信号进行叠加生成指向性信号;
S102、利用以下公式分别对上下线型阵和左右线型阵的指向信号进行延时相关计算:
CTB(n)=ΣST(t+n)·SB(t)
CLR(n)=ΣSL(t+n)·SR(t)
其中,CTB(n)和CLR(n)分别为上下线型阵和左右线型阵指向信号的相关系数,ST(t)、SB(t)、SL(t)和SR(t)为上、下、左、右线型阵的指向性信号;
S103、分别选取CTB(n)和CLR(n)的最大值作为超声源位置的垂直坐标和水平坐标;
S104、以步骤S103中所述的超声源位置为中心,CTB(n)和CLR(n)的最大值为幅值,生成二维高斯函数,形成二维矩阵;
S105、将可见光图像作为背景、步骤S104中所述的二维矩阵作为前景,合成为超声可见光图像并发送给第一显示器进行显示。
所述红外检测模块包括红外热像仪,所述紫外检测模块包括紫外热像仪。
所述控制显示模块包括相连接的第二图像合成单元与第二显示器,所述第二图像合成单元分别连接超声波可视模块、红外检测模块和紫外检测模块,利用图像融合算法将所述超声可见光图像、红外图像和紫外图像进行融合并在第二显示器上进行显示。
所述第二图像合成单元利用图像融合算法进行融合的具体过程为:
S201、提取所述红外图像中的红外目标得到红外目标区域图像,将所述红外目标区域图像、超声可见光图像进行融合得到红外目标图像;
S202、对所述超声可见光图像、红外目标图像以及紫外图像进行图像增强;
S203、对增强后的图像进行图像配准;
S204、对配准后的图像进行融合。
所述状态分析装置通过实时方式或离线方式接收综合检测装置采集的图像数据。
与现有技术相比,本发明具有以下有益效果:
(1)本发明通过综合检测装置获得被测对象基于超声、红外、紫外的图像信息,解决了单一设备检测存在的问题,综合了超声、红外、紫外的优点,有效提高了设备检测的精确度,可以及早的发现变电设备的缺陷,避免发生不必要的损失。
(2)本发明首先通过综合检测装置测量多种被测设备获得检测案例和电气设备常见故障案例,通过这些案例及实际测量数据方便地获得实际被测电气设备的工作状态,方便可靠。
(3)本发明综合检测装置测量可通过实时或离线方式将数据传输给状态分析装置,使用方便。
(4)本发明超声波可视模块利用超声源定位算法估计空间中各个方位的超声强度,同时结合摄像头采集到的空间视觉场景信息共同显示。通过这种方式,检修人员可直接观察到超声源的位置,并判断设备的放电点,尤其适用于需要远距离设备检修,如输电高杆、高压变电站等应用场合。检修人员可以直观地发现异常超声源的产生位置,由不可听的超声信号源成像标识为可视的图像放电点,帮助检修人员直观、快速地判断出故障点。该技术可以实现对目标超声源的定向采集,有效地抑制来自其它方向的噪音,从而克服工作现场的折射、干扰等问题。
(5)本发明将超声可见光图像、红外图像和紫外图像通过图像融合方法合成为一混合图像,通过该混合图像与设备缺陷库进行比对,消除了单一检测设备在空间上的位置和角度差异,实现多种图像的选择性重叠,从而进一步提高了设备缺陷检测的精度。
附图说明
图1为本发明检测***的实现原理图;
图2为本发明的结构示意图;
图3为本发明超声传感器阵列设计示意图;
图4为本发明超声信号放大电路示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1-图2所示,本实施例提供一种设备缺陷综合检测***,该检测***基于超声、红外及紫外进行设备缺陷检测,包括综合检测装置1、设备缺陷库2和状态分析装置3,状态分析装置3分别连接综合检测装置1和设备缺陷库2,其中,综合检测装置1基于超声、红外及紫外对被测设备进行图像采集;设备缺陷库2存储有各类被测设备的检测案例和故障案例;状态分析装置3通过实时方式或离线方式接收所述综合检测装置1采集的图像数据,将该图像数据与设备缺陷库2进行比对,获得被测设备的状态并输出。该检测***可以判断各类变电站中的变电设备是否处于正常的工作中,以便及早的发现变电设备的缺陷,避免发生不必要的损失。
设备缺陷库2中,各类被测设备的检测案例是由综合检测装置1对各类变电设备进行检测得到的;故障案例为电气设备常见故障案例。
综合检测装置1包括超声波可视模块101、红外检测模块102、紫外检测模块103、控制显示模块104和电源105,控制显示模块104分别连接超声波可视模块101、红外检测模块102和紫外检测模块103,电源105分别连接超声波可视模块101、红外检测模块102、紫外检测模块103和控制显示模块104。超声波可视模块101用于同步采集超声阵列信号和可见光图像并对超声阵列信号和可见光图像进行合成,获得超声可见光图像;红外检测模块102用于与所述超声波可视模块同步采集红外图像;紫外检测模块103用于与所述超声波可视模块同步采集紫外图像;控制显示模块104用于对所获取的超声可见光图像、红外图像和紫外图像进行合成处理并显示;电源105用于对所述超声波可视模块101、红外检测模块102、紫外检测模块103和控制显示模块104供电。
本实施例所述的综合检测装置可由现场工作人员手持,对各类变电设备进行检测,检测结果包括超声波可视检测结果、红外测温检测结果、紫外放电检测结果以及综合检测结果。
在一个实施例中,所述超声波可视模块101包括超声传感器阵列、超声放大电路、摄像头、模数转换器、第一图像合成单元和第一显示器,超声传感器阵列、超声放大电路和模数转换器依次连接,用于将超声传感器阵列采集的超声阵列信号进行放大后转换为数字形式的超声阵列信号;摄像头与模数转换器连接,用于将采集到的可见光图像转换为数字形式的可见光图像;模数转换器、第一图像合成单元和第一显示器依次连接,第一图像合成单元将超声传感器阵列采集的超声阵列信号和摄像头采集的可见光图像进行合成,并显示于第一显示器中。
本实施例所述的超声波可视模块基本原理是利用超声传感器阵列采集超声信号,利用超声源定位算法估计空间中各个方位的超声强度,同时结合摄像头采集到的空间视觉场景信息共同显示。通过这种方式,检修人员可直接观察到超声源的位置,并判断设备的放电点。尤其适用于需要远距离设备检修,如输电高杆、高压变电站等应用场合。检修人员可以直观地发现异常超声源的产生位置,由不可听的超声信号源成像标识为可视的图像放电点,帮助检修人员直观、快速地判断出故障点。该技术可以实现对目标超声源的定向采集,有效地抑制来自其它方向的噪音,从而克服工作现场的折射、干扰等问题。
在一个实施例中,所述超声放大电路为双极放大电路,该双极放大电路的每级电路都采用负反馈放大电路,且两级放大电路之间用电容隔离直流成分。本实施例超声放大电路形式如图4所示,超声信号经长距离传输衰减很严重,传感器采集到的信号十分微弱,需要经过放大后才能进一步处理。研究中设计了双级放大电路,每级采用负反馈放大电路,放大100倍。两级之间利用电容隔离直流成分,级联后的放大增益可达10000倍。
在一个实施例中,所述超声传感器阵列由16只摆放在不同位置的超声传感器组成;16只所述超声传感器具体摆放位置为:每四个超声传感器构成一组线型阵,形成上、下、左、右四组线型阵,组成二维方形阵,如图3所示。方形阵的长边为30cm,短边为20cm。通过这种方形阵列方式可对二维空间中的声源进行定位。
在本实施例中,利用延时相关方法来估计超声源位置。将每一个四元线阵作为一组具有指向性的超声采集探头。利用上下两组探头并通过互相关方法来估计超声源的垂直位置,利用左右两组探头以及同样方法估计超声源的水平位置。具体原理为:将四元线阵中每一个传感器采集的信号叠加,以此形成指向正前方的波束,而抑制其它方向上的噪声干扰。
在本实施例中,数字形式的超声信号和可见光图像通过USB接口输出到第一图像合成单元,完成信号处理及显示功能。
在一个实施例中,所述第一图像合成单元将超声阵列信号和可见光图像进行合成的具体过程为:
S101、将每组线型阵中每个超声传感器采集的超声信号进行叠加生成指向性信号;
S102、利用以下公式分别对上下线型阵和左右线型阵的指向信号进行延时相关计算:
CTB(n)=ΣST(t+n)·SB(t)
CLR(n)=ΣSL(t+n)·SR(t)
其中,CTB(n)和CLR(n)分别为上下线型阵和左右线型阵指向信号的相关系数,ST(t)、SB(t)、SL(t)和SR(t)为上、下、左、右线型阵的指向性信号;
S103、分别选取CTB(n)和CLR(n)的最大值作为超声源位置的垂直坐标和水平坐标;
S104、以步骤S103中所述的超声源的位置坐标为中心,CTB(n)和CLR(n)的最大值为幅值,生成二维高斯函数,形成二维矩阵;
S105、将可见光图像作为背景、步骤S104中所述的二维矩阵作为前景,合成为超声可见光图像并发送给第一显示器进行显示。
在一个实施例中,红外检测模块包括红外热像仪。红外热像仪可以同时测量物体表面各点温度的高低,并以图像形式显示出来;可以同时显示出两点的温度值,因而能准确区分很小的温差,甚至可达0.01。红外热像仪输出的图像信号包含目标的大量信息,可用多种方式显示出来。例如,对图像信号进行假彩色处理,便可由不同颜色显示不同温度的热图像;若反图像信号进行模数转换处理,即可用数字显示物体各点的温度值。
在一个实施例中,紫外检测模块包括紫外热像仪。紫外成像仪与红外热像仪相比,紫外成像仪检测和红外成像是一种互补性而非冲突性技术。电力设施一个完整的检测应该包括紫外成像、红外成像和可见光检测。电晕是一种发光的表面局部放电,由于空气局部高强度电场而产生电离。该过程引起微小的热量,通常红外检测不能发现。红外检测通常是在高电阻处产生热点。紫外成像仪可以看到的现象往往红外成像仪不能看到,而红外成像仪可以看到的现象往往紫外成像仪不能看到。
在一个实施例中,所述控制显示模块104包括相连接的第二图像合成单元与第二显示器,所述第二图像合成单元分别连接超声波可视模块101、红外检测模块102和紫外检测模块103,利用图像融合算法将所述超声可见光图像、红外图像和紫外图像进行融合并在第二显示器上进行显示。
本实施例所述的第二图像合成单元基于多源图像合成技术将所述超声可见光图像、红外图像信号和紫外图像信号进行融合并在第二显示器上进行显示,具体为:
由于单独分析红外图像,因其成像分辨率低,场景细节模糊不清,分离出的运动目标很难准确定位。所以将红外运动目标融合到可见光图像中,充分利用可见光图像的空间结构信息确定红外目标在场景中的位置,方便对红外目标的观察与监视。
在可见光和红外图像进行配准和融合之前,必须对图像或者图像序列进行预处理。因为高质量的图像对于后续阶段的应用具有很重要的作用,例如它对图像的分割、目标识别的准确性和图像跟踪等都具有很重要的影响,甚至可以说它的质量好坏在很大程度上会决定后期运算的结果。许多成像***,如红外热像仪和可见光照相机等,在快速采集宽视场图像的过程中,受其固有的传感器阵列排列密度的限制,图像的分辨率不可能很高,而且实际应用中图像传输速度以及图像存储容量等因素也限制了图像分辨率的提高;同时成像过程中的欠采样(连续图像离散化)效应又会造成图像的频谱混叠,使获取的图像发生降质。如果采用增加传感器阵列密度的办法来提高图像分辨率,则费用可能很昂贵或很难实现。图像预处理技术能能够消除加性噪声以及由有限的传感器阵列密度和光学成像过程的点扩散函数造成的模糊现象。对于红外图像来说,由于外界环境的随机干扰和热成像***的不完善,给红外图像带来多种多样的噪声,这些噪声严重影响着红外图像的质量。而且,层次感差是红外图像的主要特征,因此对红外图像进行噪声滤波及灰度增强对于提高融合图像质量,更好地对目标进行识别是非常重要的。对可见光和红外图像进行预处理研究的关键在于找寻适合可见光和红外图像的滤波增强算法。另外,由于多源图像是由不同成像传感器或者是由同种成像传感器的不同成像方式或不同成像时间获得的多幅图像,图像间可能出现相对平移、旋转和比例缩放等,不能直接进行融合,而必须先进行图像配准,以建立图像间像素和像素的对应关系。
紫外、红外与可见光工作于不同的波段,这种图像信息的互补性使得它们融合后的结果可以有效的应用于自动目标跟踪和伪装识别。这三种图像的配准具有一般的多传感器图像配准的特点,但还有特殊性要考虑。首先,紫外、红外与可见光图像之间的一个重要区别是对比度。可见光图像对比度相对较高。红外图像对比度相对较低,且可以在很大的一个范围内变化。其次,在红外图像中出现的特征并不一定在可见光图像中也出现,同样紫外图像中出现的特征并不一定在可见光图像中也出现。因此,对紫外、红外和可见光图像的配准的特征点提出了更高的要求。首先是要有相当数量的一致性特征点,其次应有有效的一致性检查方法消除错误的匹配点对。适合可见光、红外图像配准的特征点应该具有下列特征:
①可见光、紫外和红外图像中处于同一位置;
②在图像中均匀分布;
③位于高对比度区域;
④在其周围区域是独特的。
因此,配准算法分为两步:
(1)是特征点的选取;
(2)是采用仿射变换模型来实现两者间的配准。
在对三个源序列图像进行合成时,首先进行对预处理后的序列图像进行运动目标轮廓的提取,以获得场景中的目标信息,并用来指导后续的融合处理;接着对各序列图像逐帧进行多尺度分解;最后根据运动目标检测获得的目标信息,采用基于多尺度分解的融合算法逐帧进行基于区域的图像融合。
因此,本实施例中,第二图像合成单元利用图像融合算法进行融合的具体过程为:
S201、提取所述红外图像中的红外目标得到红外目标区域图像,将所述红外目标区域图像、超声可见光图像进行融合得到红外目标图像;
S202、对所述超声可见光图像、红外目标图像以及紫外图像进行图像增强;
S203、对增强后的图像进行图像配准;
S204、对配准后的图像进行融合。
在本实施例中,所述步骤S201提取所述红外图像中的红外目标具体包括:利用连续多帧红外图像之间的相关性,计算出红外图像的背景;将当前帧红外图像与所述红外图像的背景作差实现对红外目标提取。本实施例中所述红外图像中,成像热信号的灰度值通常要比周围背景的灰度值要大,表现为目标更亮一些。基于这一特性,将红外视频序列中一组图像每个像素点位置对应的像素值提取出来,采用阈值分割方法对直方图进行操作,高于阈值T的视为红外目标,低于阈值T的视为背景。采用背景减除法实现红外目标的提取,将当前帧红外图像与建立的背景图像相减,如果差值大于或等于设定的阈值T1,那么就认为该像素点是目标点。建立一个二元掩膜图Imask,目标区域用1值表示,否则用0值表示,实现对红外目标的提取。
在本实施例中,所述步骤S202中所述的图像增强所采用的方法包括中值滤波、均值滤波或其它空间域增强方法。本实施例根据不同的情况对不同的图像采用不同的图像增强方法,一种图像增强方法的优劣不是绝对的。由于具体应用的目的和要求不同,所需要的增强技术也大不相同,因此从根本上讲,并没有图像增强的通用标准,观察者才是某种增强方法优劣的最终判断者。增强算法处理的效果,除与算法本身有一定关系外,还与图像的数据特征直接相关。实际应用中应当根据图像数据特征和处理要求来选择合适的方法。
在本实施例中,步骤S203具体包括以下步骤:
S2031、提取增强后的可见光图像、红外目标图像和紫外图像中的轮廓;
S2032、利用不变矩和链码表示对步骤S2031中提取的轮廓进行匹配得到匹配轮廓对;
S2033、将匹配轮廓对中的开轮廓对转化为闭合轮廓对;
S2034、去除轮廓匹配过程中产生的误匹配轮廓对;
S2035、根据匹配的闭合轮廓的质心和长轴估计配准参数并基于放射变换来实现图像配准。
本实施例所述的紫外、红外目标与超声可见光图像是从不同类型传感器获得的多源图像,尽管它们的灰度分布特性之间有很大差异,但物体的一些明显轮廓在图像中均能得到较好的保持,这些轮廓特征可用来进行图像配准。以未配准的紫外、红外与可见光图像为例,通过提取输入图像中的显著轮廓,可以发现三幅图像中有许多相似的轮廓,这些相似的轮廓是进行图像配准的依据。在依据这些轮廓进行配准之前,先要采用一定的算法对这些轮廓进行匹配,在这些匹配的轮廓对中包括匹配的闭合轮廓对和匹配的开轮廓对,对于匹配的闭合轮廓可以求出其质心和长轴。
DaiX.L.和KhorramS.根据匹配后的闭合轮廓的质心求取配准参数,但在实际配准图像中很难从输入图像提取足够的闭合轮廓,而且匹配的闭合轮廓对的数量会影响配准参数估计的精度,如果不能从输入图像中提取到匹配的闭合轮廓对,则这种配准算法将不能适用。为克服以上算法的缺点,本发明提出依据闭合轮廓的质心和长轴的方向来进行图像配准,这就涉及到如何利用匹配的开轮廓对提供的信息进行配准,如何定义其质心和长轴方向,本文做法是将匹配的开轮廓的三个端点用直线段连接以构成闭合轮廓,然后再求取该闭合轮廓的质心和长轴方向。如果两幅图像之间的坐标变换关系为刚体变换,那么图像之间的旋转量可以根据匹配的闭合轮廓的长轴之间的夹角来求得,图像之间的平移量可以根据匹配的闭合轮廓的质心之间的位置关系来求得。
在本实施例中,所述步骤S204包括以下步骤:
S2041、对步骤S2035中实现图像配准后的超声可见光图像、红外目标图像和紫外图像进行多尺度分解;
S2042、对步骤S2041中相同尺度的超声可见光图像、红外目标图像和紫外图像基于步骤S2035中所述的闭合轮廓利用基于区域的融合算法进行图像融合得到多尺度融合图像;
S2043、将步骤S2042中的多尺度融合图像转换到相同的尺度,进行叠加得到最终的融合图像。
在一个实施例中,所述电源105采用4节5V电池供电,每节电池的容量为2500mAh。本实施例的综合检测装置1需采用电池供电方式,考虑到超声信号电路供电电压在3-36V,红外检测模块供电电压在12V,紫外检测模块电压在12V,检测仪工作总电流在2000mA左右。因此,采用4节5V可充电电池供电,每节容量2500mAh。后接15WDC-DC模块,保持稳定的12V输出电压,为超声采集与放大电路模块供电。电源根据最终选定的平台类型确定供电方式。
Claims (10)
1.一种设备缺陷综合检测***,其特征在于,该检测***基于超声、红外及紫外进行设备缺陷检测,包括:
综合检测装置,基于超声、红外及紫外对被测设备进行图像采集;
设备缺陷库,存储有各类被测设备的检测案例和故障案例;
状态分析装置,接收所述综合检测装置采集的图像数据,将该图像数据与设备缺陷库进行比对,获得被测设备的状态并输出。
2.根据权利要求1所述的设备缺陷综合检测***,其特征在于,所述综合检测装置包括:
超声波可视模块,用于同步采集超声阵列信号和可见光图像并对超声阵列信号和可见光图像进行合成,获得超声可见光图像;
红外检测模块,用于与所述超声波可视模块同步采集红外图像;
紫外检测模块,用于与所述超声波可视模块同步采集紫外图像;
控制显示模块,用于对所获取的超声可见光图像、红外图像和紫外图像进行合成处理并显示;
电源,用于对所述超声波可视模块、红外检测模块、紫外检测模块和控制显示模块供电。
3.根据权利要求2所述的设备缺陷综合检测***,其特征在于,所述超声波可视模块包括超声传感器阵列、超声放大电路、摄像头、模数转换器、第一图像合成单元和第一显示器,所述超声传感器阵列、超声放大电路和模数转换器依次连接,所述摄像头与模数转换器连接,所述模数转换器、第一图像合成单元和第一显示器依次连接,第一图像合成单元将超声传感器阵列采集的超声阵列信号和摄像头采集的可见光图像进行合成,并显示于第一显示器中。
4.根据权利要求3所述的设备缺陷综合检测***,其特征在于,所述超声传感器阵列由16只摆放在不同位置的超声传感器组成;
16只所述超声传感器具体摆放位置为:每四个超声传感器构成一组线型阵,形成上、下、左、右四组线型阵,组成二维方形阵。
5.根据权利要求3所述的设备缺陷综合检测***,其特征在于,所述超声放大电路为双极放大电路,该双极放大电路的每级电路都采用负反馈放大电路,且两级放大电路之间用电容隔离直流成分。
6.根据权利要求4所述的设备缺陷综合检测***,其特征在于,所述第一图像合成单元将超声阵列信号和可见光图像进行合成的具体过程为:
S101、将每组线型阵中每个超声传感器采集的超声信号进行叠加生成指向性信号;
S102、利用以下公式分别对上下线型阵和左右线型阵的指向信号进行延时相关计算:
CTB(n)=ΣST(t+n)·SB(t)
CLR(n)=ΣSL(t+n)·SR(t)
其中,CTB(n)和CLR(n)分别为上下线型阵和左右线型阵指向信号的相关系数,ST(t)、SB(t)、SL(t)和SR(t)为上、下、左、右线型阵的指向性信号;
S103、分别选取CTB(n)和CLR(n)的最大值作为超声源位置的垂直坐标和水平坐标;
S104、以步骤S103中所述的超声源位置为中心,CTB(n)和CLR(n)的最大值为幅值,生成二维高斯函数,形成二维矩阵;
S105、将可见光图像作为背景、步骤S104中所述的二维矩阵作为前景,合成为超声可见光图像并发送给第一显示器进行显示。
7.根据权利要求2所述的设备缺陷综合检测***,其特征在于,所述红外检测模块包括红外热像仪,所述紫外检测模块包括紫外热像仪。
8.根据权利要求2所述的设备缺陷综合检测***,其特征在于,所述控制显示模块包括相连接的第二图像合成单元与第二显示器,所述第二图像合成单元分别连接超声波可视模块、红外检测模块和紫外检测模块,利用图像融合算法将所述超声可见光图像、红外图像和紫外图像进行融合并在第二显示器上进行显示。
9.根据权利要求8所述的设备缺陷综合检测***,其特征在于,所述第二图像合成单元利用图像融合算法进行融合的具体过程为:
S201、提取所述红外图像中的红外目标得到红外目标区域图像,将所述红外目标区域图像、超声可见光图像进行融合得到红外目标图像;
S202、对所述超声可见光图像、红外目标图像以及紫外图像进行图像增强;
S203、对增强后的图像进行图像配准;
S204、对配准后的图像进行融合。
10.根据权利要求1所述的设备缺陷综合检测***,其特征在于,所述状态分析装置通过实时方式或离线方式接收综合检测装置采集的图像数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610053064.7A CN105486751A (zh) | 2016-01-26 | 2016-01-26 | 一种设备缺陷综合检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610053064.7A CN105486751A (zh) | 2016-01-26 | 2016-01-26 | 一种设备缺陷综合检测*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105486751A true CN105486751A (zh) | 2016-04-13 |
Family
ID=55673869
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610053064.7A Pending CN105486751A (zh) | 2016-01-26 | 2016-01-26 | 一种设备缺陷综合检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105486751A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228472A (zh) * | 2016-08-26 | 2016-12-14 | 云南电网有限责任公司普洱供电局 | 一种变电站设备智能巡检故障分析方法 |
CN106932692A (zh) * | 2017-03-07 | 2017-07-07 | 北京瑞盈智拓科技发展有限公司 | 基于红外紫外可见光图像融合的检测装置以及检测方法 |
CN107843818A (zh) * | 2017-09-06 | 2018-03-27 | 同济大学 | 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 |
CN108731814A (zh) * | 2017-04-21 | 2018-11-02 | 富泰华工业(深圳)有限公司 | 主板分析装置及方法 |
CN109030562A (zh) * | 2016-10-26 | 2018-12-18 | 王琪 | 面向电缆老化横向位置的检测方法 |
CN109100364A (zh) * | 2018-06-29 | 2018-12-28 | 杭州国翌科技有限公司 | 一种基于光谱分析的隧道病害监测***及监测方法 |
CN111678926A (zh) * | 2020-06-16 | 2020-09-18 | 南京工业职业技术学院 | 一种罐壁底板腐蚀扫描绘图*** |
CN111832763A (zh) * | 2020-08-13 | 2020-10-27 | 国网河南省电力公司灵宝市供电公司 | 一种设备缺陷检测查询*** |
CN112419301A (zh) * | 2020-12-03 | 2021-02-26 | 国网山西省电力公司大同供电公司 | 一种基于多源数据融合的电力设备缺陷诊断装置及方法 |
CN112698169A (zh) * | 2021-01-11 | 2021-04-23 | 中国科学院声学研究所 | 一种电晕放电定位方法、装置、电子设备及存储介质 |
CN114295154A (zh) * | 2021-10-21 | 2022-04-08 | 重庆华网智能传感器研究院股份有限公司 | 多功能阵列传感器监测方法、***、介质、组网及巡检设备 |
CN116228778A (zh) * | 2023-05-10 | 2023-06-06 | 国网山东省电力公司菏泽供电公司 | 一种基于多模态信息融合的绝缘子破裂的检测方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1612545A2 (en) * | 2004-06-08 | 2006-01-04 | Agilent Technologies, Inc. | Optically-augmented microwave imaging system and method |
CN202178515U (zh) * | 2011-07-30 | 2012-03-28 | 山东鲁能智能技术有限公司 | 变电站智能机器人巡检*** |
CN102636434A (zh) * | 2012-02-26 | 2012-08-15 | 曾吕明 | 便携式三维可视化光声成像*** |
CN202649176U (zh) * | 2012-06-13 | 2013-01-02 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种电力用超声内镜实时扫描检测装置 |
CN103969561A (zh) * | 2014-05-28 | 2014-08-06 | 上海艾飞能源科技有限公司 | 一种用于局部放电故障检测的可视化超声波检测方法 |
-
2016
- 2016-01-26 CN CN201610053064.7A patent/CN105486751A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1612545A2 (en) * | 2004-06-08 | 2006-01-04 | Agilent Technologies, Inc. | Optically-augmented microwave imaging system and method |
CN202178515U (zh) * | 2011-07-30 | 2012-03-28 | 山东鲁能智能技术有限公司 | 变电站智能机器人巡检*** |
CN102636434A (zh) * | 2012-02-26 | 2012-08-15 | 曾吕明 | 便携式三维可视化光声成像*** |
CN202649176U (zh) * | 2012-06-13 | 2013-01-02 | 云南电力试验研究院(集团)有限公司电力研究院 | 一种电力用超声内镜实时扫描检测装置 |
CN103969561A (zh) * | 2014-05-28 | 2014-08-06 | 上海艾飞能源科技有限公司 | 一种用于局部放电故障检测的可视化超声波检测方法 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106228472A (zh) * | 2016-08-26 | 2016-12-14 | 云南电网有限责任公司普洱供电局 | 一种变电站设备智能巡检故障分析方法 |
CN106228472B (zh) * | 2016-08-26 | 2017-12-22 | 云南电网有限责任公司普洱供电局 | 一种变电站设备智能巡检故障分析方法 |
CN109030562A (zh) * | 2016-10-26 | 2018-12-18 | 王琪 | 面向电缆老化横向位置的检测方法 |
CN106932692A (zh) * | 2017-03-07 | 2017-07-07 | 北京瑞盈智拓科技发展有限公司 | 基于红外紫外可见光图像融合的检测装置以及检测方法 |
CN108731814A (zh) * | 2017-04-21 | 2018-11-02 | 富泰华工业(深圳)有限公司 | 主板分析装置及方法 |
CN107843818A (zh) * | 2017-09-06 | 2018-03-27 | 同济大学 | 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 |
CN109100364A (zh) * | 2018-06-29 | 2018-12-28 | 杭州国翌科技有限公司 | 一种基于光谱分析的隧道病害监测***及监测方法 |
CN111678926A (zh) * | 2020-06-16 | 2020-09-18 | 南京工业职业技术学院 | 一种罐壁底板腐蚀扫描绘图*** |
CN111832763A (zh) * | 2020-08-13 | 2020-10-27 | 国网河南省电力公司灵宝市供电公司 | 一种设备缺陷检测查询*** |
CN112419301A (zh) * | 2020-12-03 | 2021-02-26 | 国网山西省电力公司大同供电公司 | 一种基于多源数据融合的电力设备缺陷诊断装置及方法 |
CN112698169A (zh) * | 2021-01-11 | 2021-04-23 | 中国科学院声学研究所 | 一种电晕放电定位方法、装置、电子设备及存储介质 |
CN112698169B (zh) * | 2021-01-11 | 2022-02-01 | 中国科学院声学研究所 | 一种电晕放电定位方法、装置、电子设备及存储介质 |
CN114295154A (zh) * | 2021-10-21 | 2022-04-08 | 重庆华网智能传感器研究院股份有限公司 | 多功能阵列传感器监测方法、***、介质、组网及巡检设备 |
CN116228778A (zh) * | 2023-05-10 | 2023-06-06 | 国网山东省电力公司菏泽供电公司 | 一种基于多模态信息融合的绝缘子破裂的检测方法及*** |
CN116228778B (zh) * | 2023-05-10 | 2023-09-08 | 国网山东省电力公司菏泽供电公司 | 一种基于多模态信息融合的绝缘子破裂的检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105486751A (zh) | 一种设备缺陷综合检测*** | |
CN105510787A (zh) | 基于图像合成技术的便携式超声、红外、紫外检测仪 | |
CN105738779A (zh) | 一种基于多源图像融合的局部放电检测方法 | |
CN205507005U (zh) | 一种便携式超声、红外、紫外检测仪 | |
CN104501720B (zh) | 非接触式物体大小及距离图像测量仪 | |
KR101948852B1 (ko) | 비접촉식 균열 평가를 위한 이종영상 스캐닝 방법 및 장치 | |
CN201977794U (zh) | 一种身高自动测量*** | |
CN102927448B (zh) | 管道无损检测方法 | |
CN102389361B (zh) | 一种基于计算机视觉的盲人户外支援*** | |
CN102879080B (zh) | 基于图像识别定位和声学传感器阵列测量的声场分析方法 | |
CN105741379A (zh) | 一种变电站全景巡检方法 | |
CN104034733A (zh) | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 | |
CN105286871A (zh) | 一种基于视频处理的人体身高测量方法 | |
CN110547872A (zh) | 手术导航注册*** | |
CN110879080A (zh) | 一种高温锻件高精度智能测量仪和测量方法 | |
Yang et al. | Detection of morphology defects in pipeline based on 3D active stereo omnidirectional vision sensor | |
CN206208393U (zh) | 三维成像红外热像仪 | |
Li et al. | Physics-based stitching of multi-FOV PIV measurements for urban wind fields | |
Cao et al. | Multi-sensor spatial augmented reality for visualizing the invisible thermal information of 3D objects | |
Wang et al. | Corners positioning for binocular ultra-wide angle long-wave infrared camera calibration | |
CN109885051A (zh) | 一种生态环境健康质量评估方法 | |
CN112545455A (zh) | 多通道一体化非接触式生命体征监测*** | |
CN109740458B (zh) | 一种基于视频处理的体貌特征测量方法及*** | |
CN109212628A (zh) | 一种用于检测汽车底盘非常规目标的检测*** | |
Li et al. | Automated robot-assisted wide-field optical coherence tomography using structured light camera |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160413 |
|
WD01 | Invention patent application deemed withdrawn after publication |