CN112101365A - 基于红外热像处理的电力设备关键特征提取方法及*** - Google Patents
基于红外热像处理的电力设备关键特征提取方法及*** Download PDFInfo
- Publication number
- CN112101365A CN112101365A CN202010945373.1A CN202010945373A CN112101365A CN 112101365 A CN112101365 A CN 112101365A CN 202010945373 A CN202010945373 A CN 202010945373A CN 112101365 A CN112101365 A CN 112101365A
- Authority
- CN
- China
- Prior art keywords
- infrared thermal
- extracting
- image
- power equipment
- hot spot
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 28
- 238000000605 extraction Methods 0.000 title claims description 20
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000001931 thermography Methods 0.000 claims abstract description 16
- 238000007781 pre-processing Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000004044 response Effects 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims 3
- 239000002994 raw material Substances 0.000 claims 3
- 238000010586 diagram Methods 0.000 description 9
- 238000009529 body temperature measurement Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于红外热像处理的电力设备关键特征提取方法及***。本发明将红外热读数映射成红外热像灰度图,对红外热像灰度图进行预处理,解决红外热像常见的噪声困扰,降低图片质量要求,再采用二值化操作提取出热点区域,有效降低计算量并突出热点区域轮廓,最后对热点区域进行提取,有效获得可靠性高的特征参量。
Description
技术领域
本发明涉及一种基于红外热像处理的电力设备关键特征提取方法及***,属于电力设备测温领域。
背景技术
当前,在电力设备检测维护中,主要是依靠人工检查或是传感器检测。人工检查劳动强度大,效率低,易出错。传感器检测需要针对不同设备研发不同功能、不同使用条件的传感器,不通用,成本高。因此在电力设备温度监测中,基于红外热像处理的温度检测方法的应用越来越广泛。
电力设备关键特征提取,主要是通过对红外热像仪采集到的原始热读数进行处理来得到电力设备关键特征。关键特征提取主要涉及红外热读数采集,红外热像预处理,热点区域分割,关键特征提取等步骤。
目前对于电力设备测温的方法主要有以下几种:一、使用红外测温仪对发热部位进行逐点测温(陈晖婷. 红外测温诊断技术在变电运行维护中的应用[J]. 通讯世界,2017,(11):204-205.);二、光纤测温技术(朱卓玲. 分布式光纤测温技术在电力行业中的应用研究[D].华东理工大学,2017.)三、无线测温技术(陈得民,王卫东,李鹏. 无线电力设备测温***规范化设计研究[J]. 传感器世界,2014,(04):37-42.)。这些方法对图片质量要求高、计算可靠性差。
发明内容
本发明提供了一种基于红外热像处理的电力设备关键特征提取方法及***,解决了现有技术对图片质量要求高、计算可靠性差的问题。
为了解决上述技术问题,本发明所采用的技术方案是:
一种基于红外热像处理的电力设备关键特征提取方法,包括,
根据读取的红外热读数,获取原始图像的红外热像灰度图;
对原始图像的红外热像灰度图进行预处理;
根据运行中的电力设备与其他物体的温差,通过二值化操作从预处理后的原始图像红外热像灰度图中提取出需要检测的热点区域;
对热点区域进行特征提取,获得电力设备的特征参量。
根据运行中的电力设备与其他物体的温差,通过二值化操作从预处理后的原始图像红外热像灰度图中提取出需要检测的热点区域,具体过程为,
将预处理的原始图像红外热像灰度图进行二值化,获得二值图像;
对二值图像进行开操作,提取白色区域的轮廓;
响应于轮廓内白色区域数量为1,白色区域外接边框内的区域为热点区域;
响应于轮廓内白色区域数量大于1,将面积小于面积阈值的白色区域设为黑色,白色区域外接边框内的区域为热点区域。
采用仅提取外层轮廓的轮廓提取算法提取白色区域的轮廓。
对热点区域进行特征提取,获得电力设备的温度信息和温度超标区域,具体过程为,
根据读取的热点区域红外读数,获得电力设备的温度信息;
根据读取的热点区域红外读数,获得热点区域的红外热像灰度图,提取超过电力设备温度限制的所有像素点坐标,并进行颜色标记,获得温度超标区域。
计算温度超标区域内包含的像素数,响应于像素数超过预设值,则温度超标区域对应的电力设备为异常设备。
获得红外热像灰度图的过程为,
基于红外读数,统计最高温度和最低温度;
将最高温度映射为像素值255,最低温度映射为像素值0,其余温度按比例映射为像素值0~255之间的整数;
根据映射的像素值,获得红外热像灰度图。
对原始图像的红外热像灰度图进行预处理,具体为,
将原始图像的红外热像灰度图进行直方图均衡化,再对均衡化后的结果进行中值滤波。
一种基于红外热像处理的电力设备关键特征提取***,包括,
原始灰度图模块:根据读取的红外热读数,获取原始图像的红外热像灰度图;
预处理模块:对原始图像的红外热像灰度图进行预处理
热点区域模块:根据运行中的电力设备与其他物体的温差,通过二值化操作从预处理后的原始图像红外热像灰度图中提取出需要检测的热点区域;
参量提取模块:对热点区域进行特征提取,获得电力设备的特征参量。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行基于红外热像处理的电力设备关键特征提取方法。
一种计算设备,包括一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行基于红外热像处理的电力设备关键特征提取方法的指令。
本发明所达到的有益效果:本发明将红外热读数映射成红外热像灰度图,对红外热像灰度图进行预处理,解决红外热像常见的噪声困扰,降低图片质量要求,再采用二值化操作提取出热点区域,有效降低计算量并突出热点区域轮廓,最后对热点区域进行提取,有效获得可靠性高的特征参量。
附图说明
图1为本发明方法的流程图;
图2为原始图像的红外热像灰度图;
图3(a)为直方图均衡化的结果;
图3(b)为中值滤波后的结果;
图4(a)为二值图像;
图4(b)为二值图像开操作后的结果;
图4(c)为提取到的热点区域;
图5为提取到的高温区域特征结果。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种基于红外热像处理的电力设备关键特征提取方法,包括以下步骤:
步骤1,根据读取的红外热读数,获取原始图像的红外热像灰度图。
红外热读数中每个数据对应着图像上的一个像素点,将各个像素的灰度值设为对应温度值映射后的整数,即可将红外读数转换为原始图像的红外热像灰度图,具体过程为:
11)基于红外读数,统计最高温度和最低温度;
12)将最高温度映射为像素值255,最低温度映射为像素值0,其余温度按比例映射为像素值0~255之间的整数;
13)根据映射的像素值,获得图2所示的红外热像灰度图。
步骤2,对原始图像的红外热像灰度图进行预处理;即将原始图像的红外热像灰度图进行直方图均衡化,见图3(a),再对均衡化后的结果进行中值滤波,窗口大小为3*3,见图3(b)。
步骤3,根据运行中的电力设备与其他物体的温差,通过二值化操作从预处理后的原始图像红外热像灰度图中提取出需要检测的热点区域。
具体过程如下:
31)将预处理的原始图像红外热像灰度图进行二值化,获得只有黑白两种颜色的图4(a)所示的二值图像;其中,二值化的阈值为215,灰度值大于或等于215的像素设为白色,其余设为黑色。
32)对二值图像进行开操作,提取白色区域的轮廓。
开操作的模板为矩形,模板大小为3*3,开操作的结果如图4(b)所示。提取轮廓的算法采用仅提取外层轮廓的轮廓提取算法,这里采用Suzuki85算法,法参数设置为仅获取外层轮廓(不获取轮廓中的空洞)、存储所有轮廓点。
33)响应于轮廓内白色区域数量为1,白色区域外接边框内的区域为热点区域;响应于轮廓内白色区域数量大于1,将面积小于面积阈值的白色区域设为黑色,白色区域外接边框内的区域为热点区域。
如果白色区域的数量不止一个(提取到的轮廓不止一个),计算每个白色区域的面积,将面积小于预处理图像总像素数的4%的区域内所有像素设置为黑色。
步骤4,对热点区域进行特征提取,获得电力设备的特征参量,特征参量包括电力设备的温度信息和温度超标区域,其中温度信息包括温度最大值、平均值和方差。
具体过程为:
41)根据读取的热点区域红外读数,获得电力设备的温度信息,即温度最大值、平均值和方差。
42)根据读取的热点区域红外读数,获得热点区域的红外热像灰度图,提取超过电力设备温度限制的所有像素点坐标(在图中的坐标),并进行颜色标记,颜色标记的区域即为温度超标区域;其中,可将超过电力设备温度限制的像素点R、G、B值分别设为255、0、0,即用红色标记,见图5。
43)计算温度超标区域内包含的像素数,响应于像素数超过预设值,则温度超标区域对应的电力设备为异常设备,存储异常设备温度超标区域的形状和包含的像素数。
上述将红外热读数映射成红外热像灰度图,对红外热像灰度图进行预处理,再采用二值化操作提取出热点区域,,最后对热点区域进行提取,获得特征参量。相较于传统的方法,上述方法通过直方图均衡化及中值滤波提升红外热像的对比度并抑制噪声,解决红外热像常见的噪声困扰,降低图片质量要求;通过二值化操作减少红外热像数据量,有效降低计算量并突出热点区域轮廓;基于上述操作得到的热点区域进行二次分析,可以有效消除噪声点的影响从而提高特征提取的可靠性。
上述方法将温度的处理转换为图像的处理,提取温度特征更方便;上述方法使用阈值分割的方法,简单高效,并且提取阈值分割后白色区域的轮廓,计算面积以剔除过小的不属于电力设备的区域,提取到的热点区域准确、稳定;上述方法提取的特征易于理解和处理,判断设备状态的方法具有一定鲁棒性,能有效减少误检测。
一种基于红外热像处理的电力设备关键特征提取***,包括,
原始灰度图模块:根据读取的红外热读数,获取原始图像的红外热像灰度图;
预处理模块:对原始图像的红外热像灰度图进行预处理
热点区域模块:根据运行中的电力设备与其他物体的温差,通过二值化操作从预处理后的原始图像红外热像灰度图中提取出需要检测的热点区域;
参量提取模块:对热点区域进行特征提取,获得电力设备的特征参量。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行基于红外热像处理的电力设备关键特征提取方法。
一种计算设备,包括一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行基于红外热像处理的电力设备关键特征提取方法的指令。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种基于红外热像处理的电力设备关键特征提取方法,其特征在于:包括,
根据读取的红外热读数,获取原始图像的红外热像灰度图;
对原始图像的红外热像灰度图进行预处理;
根据运行中的电力设备与其他物体的温差,通过二值化操作从预处理后的原始图像红外热像灰度图中提取出需要检测的热点区域;
对热点区域进行特征提取,获得电力设备的特征参量。
2.根据权利要求1所述的一种基于红外热像处理的电力设备关键特征提取方法,其特征在于:根据运行中的电力设备与其他物体的温差,通过二值化操作从预处理后的原始图像红外热像灰度图中提取出需要检测的热点区域,具体过程为,
将预处理的原始图像红外热像灰度图进行二值化,获得二值图像;
对二值图像进行开操作,提取白色区域的轮廓;
响应于轮廓内白色区域数量为1,白色区域外接边框内的区域为热点区域;
响应于轮廓内白色区域数量大于1,将面积小于面积阈值的白色区域设为黑色,白色区域外接边框内的区域为热点区域。
3.根据权利要求2所述的一种基于红外热像处理的电力设备关键特征提取方法,其特征在于:采用仅提取外层轮廓的轮廓提取算法提取白色区域的轮廓。
4.根据权利要求1所述的一种基于红外热像处理的电力设备关键特征提取方法,其特征在于:对热点区域进行特征提取,获得电力设备的温度信息和温度超标区域,具体过程为,
根据读取的热点区域红外读数,获得电力设备的温度信息;
根据读取的热点区域红外读数,获得热点区域的红外热像灰度图,提取超过电力设备温度限制的所有像素点坐标,并进行颜色标记,获得温度超标区域。
5.根据权利要求4所述的一种基于红外热像处理的电力设备关键特征提取方法,其特征在于:计算温度超标区域内包含的像素数,响应于像素数超过预设值,则温度超标区域对应的电力设备为异常设备。
6.根据权利要求1或4所述的一种基于红外热像处理的电力设备关键特征提取方法,其特征在于:获得红外热像灰度图的过程为,
基于红外读数,统计最高温度和最低温度;
将最高温度映射为像素值255,最低温度映射为像素值0,其余温度按比例映射为像素值0~255之间的整数;
根据映射的像素值,获得红外热像灰度图。
7.根据权利要求1所述的一种基于红外热像处理的电力设备关键特征提取方法,其特征在于:对原始图像的红外热像灰度图进行预处理,具体为,
将原始图像的红外热像灰度图进行直方图均衡化,再对均衡化后的结果进行中值滤波。
8.一种基于红外热像处理的电力设备关键特征提取***,其特征在于:包括,
原始灰度图模块:根据读取的红外热读数,获取原始图像的红外热像灰度图;
预处理模块:对原始图像的红外热像灰度图进行预处理
热点区域模块:根据运行中的电力设备与其他物体的温差,通过二值化操作从预处理后的原始图像红外热像灰度图中提取出需要检测的热点区域;
参量提取模块:对热点区域进行特征提取,获得电力设备的特征参量。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至7所述的方法中的任一方法。
10.一种计算设备,其特征在于:包括,
一个或多个处理器、存储器以及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945373.1A CN112101365A (zh) | 2020-09-10 | 2020-09-10 | 基于红外热像处理的电力设备关键特征提取方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010945373.1A CN112101365A (zh) | 2020-09-10 | 2020-09-10 | 基于红外热像处理的电力设备关键特征提取方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112101365A true CN112101365A (zh) | 2020-12-18 |
Family
ID=73750755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010945373.1A Pending CN112101365A (zh) | 2020-09-10 | 2020-09-10 | 基于红外热像处理的电力设备关键特征提取方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101365A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113483896A (zh) * | 2021-07-06 | 2021-10-08 | 国网浙江宁海县供电有限公司 | 一种电力设备测温方法、装置、计算机设备及存储介质 |
CN114018982A (zh) * | 2021-10-14 | 2022-02-08 | 国网江西省电力有限公司电力科学研究院 | 一种空预器积灰可视化监测方法 |
CN115471503A (zh) * | 2022-11-03 | 2022-12-13 | 江西捷锐机电设备有限公司 | 用于数控剖锭机的设备异常检测方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
JP2012209848A (ja) * | 2011-03-30 | 2012-10-25 | Tamron Co Ltd | 撮像装置、その画素出力レベル補正方法、赤外線カメラシステム及び交換可能なレンズシステム |
CN107392889A (zh) * | 2017-06-22 | 2017-11-24 | 国网山东省电力公司菏泽供电公司 | 一种基于红外图像的电力设备运行状态监控方法及*** |
CN108665443A (zh) * | 2018-04-11 | 2018-10-16 | 中国石油大学(北京) | 一种机械设备故障的红外图像敏感区域提取方法及装置 |
CN108923749A (zh) * | 2018-06-11 | 2018-11-30 | 东北电力大学 | 基于红外视频的光伏组件热斑检测定位方法 |
CN109308447A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 在电力远程监控中自动提取设备运行参数和运行状态的方法 |
WO2019041412A1 (zh) * | 2017-08-31 | 2019-03-07 | 中国科学院微电子研究所 | 基于热成像的关脉识别方法 |
CN109993736A (zh) * | 2019-03-29 | 2019-07-09 | 浙江大学 | 一种基于改进加权otsu算法的电气设备热成像分割查异方法 |
CN111080691A (zh) * | 2019-12-17 | 2020-04-28 | 晶科电力科技股份有限公司 | 一种光伏组件红外热斑检测方法、装置 |
-
2020
- 2020-09-10 CN CN202010945373.1A patent/CN112101365A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012209848A (ja) * | 2011-03-30 | 2012-10-25 | Tamron Co Ltd | 撮像装置、その画素出力レベル補正方法、赤外線カメラシステム及び交換可能なレンズシステム |
CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
CN107392889A (zh) * | 2017-06-22 | 2017-11-24 | 国网山东省电力公司菏泽供电公司 | 一种基于红外图像的电力设备运行状态监控方法及*** |
WO2019041412A1 (zh) * | 2017-08-31 | 2019-03-07 | 中国科学院微电子研究所 | 基于热成像的关脉识别方法 |
CN108665443A (zh) * | 2018-04-11 | 2018-10-16 | 中国石油大学(北京) | 一种机械设备故障的红外图像敏感区域提取方法及装置 |
CN108923749A (zh) * | 2018-06-11 | 2018-11-30 | 东北电力大学 | 基于红外视频的光伏组件热斑检测定位方法 |
CN109308447A (zh) * | 2018-07-29 | 2019-02-05 | 国网上海市电力公司 | 在电力远程监控中自动提取设备运行参数和运行状态的方法 |
CN109993736A (zh) * | 2019-03-29 | 2019-07-09 | 浙江大学 | 一种基于改进加权otsu算法的电气设备热成像分割查异方法 |
CN111080691A (zh) * | 2019-12-17 | 2020-04-28 | 晶科电力科技股份有限公司 | 一种光伏组件红外热斑检测方法、装置 |
Non-Patent Citations (2)
Title |
---|
任慧;孙继平;刘晓阳;: "矿用电缆火灾图像识别方法", 辽宁工程技术大学学报, no. 01, pages 85 - 88 * |
陈爱军: "数字图像处理及其MATLAB实现", vol. 1, 31 July 2008, 东北林业大学出版社, pages: 102 - 103 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113483896A (zh) * | 2021-07-06 | 2021-10-08 | 国网浙江宁海县供电有限公司 | 一种电力设备测温方法、装置、计算机设备及存储介质 |
CN114018982A (zh) * | 2021-10-14 | 2022-02-08 | 国网江西省电力有限公司电力科学研究院 | 一种空预器积灰可视化监测方法 |
CN114018982B (zh) * | 2021-10-14 | 2023-11-07 | 国网江西省电力有限公司电力科学研究院 | 一种空预器积灰可视化监测方法 |
CN115471503A (zh) * | 2022-11-03 | 2022-12-13 | 江西捷锐机电设备有限公司 | 用于数控剖锭机的设备异常检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112101365A (zh) | 基于红外热像处理的电力设备关键特征提取方法及*** | |
CN107203990B (zh) | 一种基于模板匹配与图像质量评估的标贴破损检测方法 | |
CN106934377B (zh) | 一种改进的人脸检测*** | |
CN111369516B (zh) | 基于红外图像识别的变压器套管发热缺陷检测方法 | |
CN103454285A (zh) | 基于机器视觉的传动链条质量检测*** | |
CN113902641B (zh) | 一种基于红外图像的数据中心热区判别方法及*** | |
CN110490872B (zh) | 加工设备的异物检测方法和*** | |
CN112669287B (zh) | 基于图像识别的电气设备温度监测方法 | |
CN116563283B (zh) | 基于图像处理的蒸汽锅炉气体泄露检测方法及检测装置 | |
CN114998352A (zh) | 一种基于图像处理的生产设备故障检测方法 | |
CN115966063A (zh) | 一种气体泄漏红外成像自动报警方法 | |
CN117274722A (zh) | 基于红外图像的配电箱智能检测方法 | |
CN113298776A (zh) | 一种金属闭式水泵叶轮外观缺陷检测方法 | |
CN113392846A (zh) | 一种基于深度学习的水尺水位监测方法及*** | |
CN111060455B (zh) | 面向东北冷凉区的遥感图像作物标记方法和装置 | |
CN110084587B (zh) | 一种基于边缘上下文的餐盘自动结算方法 | |
CN116310274A (zh) | 一种输变电设备的状态评估方法 | |
CN111145205A (zh) | 基于红外图像的多猪只场景下猪体温检测方法 | |
CN114858301B (zh) | 物体表面温度测量***、测量方法、智能终端及存储介质 | |
CN111626104A (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
CN114838297B (zh) | 一种原油管道泄漏检测方法、装置、存储介质及*** | |
CN115643471A (zh) | 用于电力设备的红外热成像检测*** | |
CN115409803A (zh) | 配电房变压器油位辨别方法、***及介质 | |
CN114973104A (zh) | 一种基于视频图像的动态火焰检测算法与*** | |
CN105698693B (zh) | 一种基于近红外激光图像的鸡蛋气室直径测量方法 |
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 |