CN115656701A - 一种基于红外图像的电容器发热故障识别方法及装置 - Google Patents
一种基于红外图像的电容器发热故障识别方法及装置 Download PDFInfo
- Publication number
- CN115656701A CN115656701A CN202211587683.6A CN202211587683A CN115656701A CN 115656701 A CN115656701 A CN 115656701A CN 202211587683 A CN202211587683 A CN 202211587683A CN 115656701 A CN115656701 A CN 115656701A
- Authority
- CN
- China
- Prior art keywords
- temperature
- pixel
- cluster
- matrix
- capacitor
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/30—Reactive power compensation
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明涉及电容器故障识别技术领域,公开了一种基于红外图像的电容器发热故障识别方法及装置。本发明对目标电容器的红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵,基于该矩阵对红外图像的各像素进行聚类分析,计算各像素点的聚类类别;所述聚类类别包括表征发热区域中像素的第一聚类、表征常温运行区域中像素的第二聚类和表征环境温度区域中像素的第三聚类;基于各聚类件的相对温差判定目标电容器是否存在发热缺陷;计算第一聚类与预置红外图谱样本库中的各张典型图谱的相似度,将相似度大于标准相似度的典型图谱对应电容器部位作为目标发热部位。本发明能够有效实现对电容器发热缺陷以及发热部位的自动识别。
Description
技术领域
本发明涉及电容器故障识别技术领域,尤其涉及一种基于红外图像的电容器发热故障识别方法及装置。
背景技术
发热缺陷是长时间运行的电容器组中最常见的缺陷,而红外热成像图是判断发热情况最有效的方法,为对电容器组发热情况进行详细的判别,需要对电容器组的红外图像进行分析。
专利申请号为201210477982.4的中国专利提供了一种高压装置红外图像自动故障识别方法,该方法首先选择需要检测的电气装置,获取该电气装置的温度图像;然后通过处理温度图像获取电气装置的发热点以及发热点温度T1和正常相温度T2;最后再结合环境参考温度T0计算相对温度来判断该电气装置的运行状况和故障信息。该方法虽然可用于电容器发热状况的判断,然而无法实现对电容器发热部位的智能识别。
发明内容
本发明提供了一种基于红外图像的电容器发热故障识别方法及装置,解决了如何有效实现对电容器发热程度及发热部位的智能识别的技术问题。
本发明第一方面提供一种基于红外图像的电容器发热故障识别方法,包括:
获取目标电容器的红外图像;
对所述红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵;
根据所述目标数值关系矩阵对所述红外图像的各像素进行聚类分析,计算各像素点的聚类类别;所述聚类类别包括表征发热区域中像素的第一聚类、表征常温运行区域中像素的第二聚类和表征环境温度区域中像素的第三聚类;
计算所述第一聚类对应平均温度和所述第二聚类对应平均温度的差值作为第一温度差,计算所述第一聚类对应平均温度和所述第三聚类对应平均温度的差值作为第二温度差,若所述第一温度差与所述第二温度差的比值超过预置温度差阈值,判定所述目标电容器存在发热缺陷;
计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度,将相似度大于标准相似度的典型图谱对应电容器部位作为目标发热部位。
根据本发明第一方面的一种能够实现的方式,所述对所述红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵,包括:
对所述红外图像的各像素的RGB值进行识别,得到对应的像素RGB数值矩阵;
获取所述红外图像对应的温度颜色条,确定所述温度颜色条标注的最高温度和最低温度,对所述温度颜色条的RGB值进行识别,生成对应的坐标轴矩阵:
通过线性插值计算所述第一坐标轴矩阵内各像素的对应温度值,生成温度-RGB数值关系矩阵:
其中:
根据所述坐标轴矩阵确定所述像素RGB数值矩阵中各像素的等温度点,根据所确定的等温度点从所述温度-RGB数值关系矩阵中匹配相应的温度值作为所述像素RGB数值矩阵中对应像素的温度值;
根据所述像素RGB数值矩阵及匹配的各像素的温度值生成所述目标数值关系矩阵。
根据本发明第一方面的一种能够实现的方式,所述根据所述坐标轴矩阵确定所述像素RGB数值矩阵中各像素的等温度点,包括:
以所述像素RGB数值矩阵中的像素作为目标像素,从所述坐标轴矩阵中选取与目标像素的欧式距离最小的像素作为对应目标像素的等温度点。
根据本发明第一方面的一种能够实现的方式,所述根据所述目标数值关系矩阵对所述红外图像的各像素进行聚类分析,包括:
根据所述目标数值关系矩阵得到像素坐标-温度矩阵:
式中,C表示所述像素坐标-温度矩阵,表示像素宽度为1、像素高度为1且相应温度值为的元素,表示像素宽度为1、像素高度为且相应温度值为的元素,表示像素宽度为、像素高度为1且相应温度值为的元素,表示像素宽度为、像素高度为且相应温度值为的元素,的值等于所述目标数值关系矩阵中的最大像素宽度,的值等于所述目标数值关系矩阵中的最大像素高度;
定义两点间距离为所述像素坐标-温度矩阵中相应元素的距离,得到改进的距离衡量标准;
根据所述改进的距离衡量标准对所述红外图像的各像素进行聚类。
根据本发明第一方面的一种能够实现的方式,所述根据所述改进的距离衡量标准对所述红外图像的各像素进行聚类,包括:
根据所述改进的距离衡量标准替代DBSCAN算法的距离标准,得到改进的DBSCAN算法;
采用改进的DBSCAN算法对所述红外图像的各像素进行聚类分析。
根据本发明第一方面的一种能够实现的方式,所述计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度,包括:
按照下式计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度:
根据本发明第一方面的一种能够实现的方式,所述将相似度大于标准相似度的典型图谱对应电容器部位作为目标发热部位,包括:
设置所述标准相似度为0.9。
本发明第二方面提供一种基于红外图像的电容器发热故障识别装置,包括:
图像获取模块,用于获取目标电容器的红外图像;
图像处理模块,用于对所述红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵;
聚类分析模块,用于根据所述目标数值关系矩阵对所述红外图像的各像素进行聚类分析,计算各像素点的聚类类别;所述聚类类别包括表征发热区域中像素的第一聚类、表征常温运行区域中像素的第二聚类和表征环境温度区域中像素的第三聚类;
发热缺陷判断模块,用于计算所述第一聚类对应平均温度和所述第二聚类对应平均温度的差值作为第一温度差,计算所述第一聚类对应平均温度和所述第三聚类对应平均温度的差值作为第二温度差,若所述第一温度差与所述第二温度差的比值超过预置温度差阈值,判定所述目标电容器存在发热缺陷;
发热部位确定模块,用于计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度,将相似度大于标准相似度的典型图谱对应电容器部位作为目标发热部位。
根据本发明第二方面的一种能够实现的方式,所述图像处理模块包括:
识别单元,用于对所述红外图像的各像素的RGB值进行识别,得到对应的像素RGB数值矩阵;
第一矩阵生成单元,用于获取所述红外图像对应的温度颜色条,确定所述温度颜色条标注的最高温度和最低温度,对所述温度颜色条的RGB值进行识别,生成对应的坐标轴矩阵:
第二矩阵生成单元,用于通过线性插值计算所述第一坐标轴矩阵内各像素的对应温度值,生成温度-RGB数值关系矩阵:
其中:
温度值计算单元,用于根据所述坐标轴矩阵确定所述像素RGB数值矩阵中各像素的等温度点,根据所确定的等温度点从所述温度-RGB数值关系矩阵中匹配相应的温度值作为所述像素RGB数值矩阵中对应像素的温度值;
第三矩阵生成单元,用于根据所述像素RGB数值矩阵及匹配的各像素的温度值生成所述目标数值关系矩阵。
根据本发明第二方面的一种能够实现的方式,所述第三矩阵生成单元具体用于:
以所述像素RGB数值矩阵中的像素作为目标像素,从所述坐标轴矩阵中选取与目标像素的欧式距离最小的像素作为对应目标像素的等温度点。
根据本发明第二方面的一种能够实现的方式,所述聚类分析模块包括:
矩阵转换单元,用于根据所述目标数值关系矩阵得到像素坐标-温度矩阵:
式中,C表示所述像素坐标-温度矩阵,表示像素宽度为1、像素高度为1且相应温度值为的元素,表示像素宽度为1、像素高度为且相应温度值为的元素,表示像素宽度为、像素高度为1且相应温度值为的元素,表示像素宽度为、像素高度为且相应温度值为的元素,的值等于所述目标数值关系矩阵中的最大像素宽度,的值等于所述目标数值关系矩阵中的最大像素高度;
定义单元,用于定义两点间距离为所述像素坐标-温度矩阵中相应元素的距离,得到改进的距离衡量标准;
聚类单元,用于根据所述改进的距离衡量标准对所述红外图像的各像素进行聚类。
根据本发明第二方面的一种能够实现的方式,所述聚类单元具体用于:
根据所述改进的距离衡量标准替代DBSCAN算法的距离标准,得到改进的DBSCAN算法;
采用改进的DBSCAN算法对所述红外图像的各像素进行聚类分析。
根据本发明第二方面的一种能够实现的方式,所述发热部位确定模块包括:
相似度计算单元,用于按照下式计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度:
根据本发明第二方面的一种能够实现的方式,所述发热部位确定模块还包括:
设置单元,用于设置所述标准相似度为0.9。
本发明第三方面提供了一种基于红外图像的电容器发热故障识别装置,包括:
存储器,用于存储指令;其中,所述指令用于实现如上任意一项能够实现的方式所述的基于红外图像的电容器发热故障识别方法;
处理器,用于执行所述存储器中的指令。
本发明第四方面一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任意一项能够实现的方式所述的基于红外图像的电容器发热故障识别方法。
从以上技术方案可以看出,本发明具有以下优点:
本发明对目标电容器的红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵,基于该矩阵对红外图像的各像素进行聚类分析,计算各像素点的聚类类别;所述聚类类别包括表征发热区域中像素的第一聚类、表征常温运行区域中像素的第二聚类和表征环境温度区域中像素的第三聚类;计算第一聚类对应平均温度和第二聚类对应平均温度的差值作为第一温度差,计算第一聚类对应平均温度和第三聚类对应平均温度的差值作为第二温度差,若第一温度差与第二温度差的比值超过预置温度差阈值,判定目标电容器存在发热缺陷;计算第一聚类与预置红外图谱样本库中的各张典型图谱的相似度,将相似度大于标准相似度的典型图谱对应电容器部位作为目标发热部位;本发明通过相对温差结合发热图形,可有效实现对电容器发热缺陷以及发热部位的自动识别,对红外图像进行更加深入的分析,能够为运维人员提供更加详细的发热缺陷数据。
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,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地介绍,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性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明一个可选实施例提供的一种基于红外图像的电容器发热故障识别方法的流程图;
图2为本发明一个可选实施例提供的以元素的索引值代替实际温度数值进行分析时的温度-RGB数值关系矩阵的曲线示意图;
图3为本发明一个可选实施例提供的电容器接头发热缺陷的理论聚类结果示意图;
图4为本发明一个可选实施例提供的基于图1所示方法得到的电容器接头发热缺陷的实际聚类结果示意图;
图5为本发明一个可选实施例提供的一种基于红外图像的电容器发热故障识别装置的结构连接框图。
附图标记:
图3中,1-软铜线部分;2-电容器接头部分;3-电容器部分;4-理论上发热像素点组成的集合;
图4中,5-电容器组发热图像边界;6-聚类得到的发热像素点组成的集合;
图5中,10-图像获取模块;20-图像处理模块;30-聚类分析模块;40-发热缺陷判断模块;50-发热部位确定模块。
具体实施方式
本发明实施例提供了一种基于红外图像的电容器发热故障识别方法及装置,用于解决如何有效实现对电容器发热程度及发热部位的智能识别的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
本发明提供了一种基于红外图像的电容器发热故障识别方法。
请参阅图1,图1示出了本发明实施例提供的一种基于红外图像的电容器发热故障识别方法的流程图。
本发明实施例提供的一种基于红外图像的电容器发热故障识别方法,包括:步骤S1-S5。
步骤S1,获取目标电容器的红外图像。
在本申请实施例中,目标电容器指的是需要进行发热故障识别的电容器。
步骤S2,对所述红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵。
在一种能够实现的方式中,所述对所述红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵,包括:
对所述红外图像的各像素的RGB值进行识别,得到对应的像素RGB数值矩阵;
获取所述红外图像对应的温度颜色条,确定所述温度颜色条标注的最高温度和最低温度,对所述温度颜色条的RGB值进行识别,生成对应的坐标轴矩阵:
通过线性插值计算所述第一坐标轴矩阵内各像素的对应温度值,生成温度-RGB数值关系矩阵:
其中:
根据所述坐标轴矩阵确定所述像素RGB数值矩阵中各像素的等温度点,根据所确定的等温度点从所述温度-RGB数值关系矩阵中匹配相应的温度值作为所述像素RGB数值矩阵中对应像素的温度值;
根据所述像素RGB数值矩阵及匹配的各像素的温度值生成所述目标数值关系矩阵。
温度颜色条是红外图像中表示温度与颜色对应关系的长条形色带,通过色带颜色的渐变来指示温度的线性变化,温度颜色条在红外图像中通常为一竖直的长条形色带,温度颜色条中的最高温度/最低温度,通常在色带顶部/底部的固定位置。在本申请实施例中,基于温度颜色条获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵,方法简单便捷。
作为具体的实施方式,该对应的像素RGB数值矩阵表示为:
作为具体的实施方式,该目标数值关系矩阵表示为:
作为具体的实施方式,以所述像素RGB数值矩阵中的像素作为目标像素,从所述坐标轴矩阵中选取与目标像素的欧式距离最小的像素作为对应目标像素的等温度点。
在其他实施方式中,可以以所述像素RGB数值矩阵中的像素作为目标像素,从所述坐标轴矩阵中选取与目标像素的欧式距离最小的像素和次小的像素作为对应目标像素的等温度点,进而基于两等温点的温度平均值作为对应目标像素的温度。
需要说明的是,在其他实施方式中,也可以采用其他适用的度量距离来确定等温度点。例如,从所述坐标轴矩阵中选取与目标像素的曼哈顿距离最小的像素作为对应目标像素的等温度点。
步骤S3,根据所述目标数值关系矩阵对所述红外图像的各像素进行聚类分析,计算各像素点的聚类类别;所述聚类类别包括表征发热区域中像素的第一聚类、表征常温运行区域中像素的第二聚类和表征环境温度区域中像素的第三聚类。
在一种能够实现的方式中,所述根据所述目标数值关系矩阵对所述红外图像的各像素进行聚类分析,包括:
根据所述目标数值关系矩阵得到像素坐标-温度矩阵:
式中,C表示所述像素坐标-温度矩阵,表示像素宽度为1、像素高度为1且相应温度值为的元素,表示像素宽度为1、像素高度为且相应温度值为的元素,表示像素宽度为、像素高度为1且相应温度值为的元素,表示像素宽度为、像素高度为且相应温度值为的元素,的值等于所述目标数值关系矩阵中的最大像素宽度,的值等于所述目标数值关系矩阵中的最大像素高度;
定义两点间距离为所述像素坐标-温度矩阵中相应元素的距离,得到改进的距离衡量标准;
根据所述改进的距离衡量标准对所述红外图像的各像素进行聚类。
在一种能够实现的方式中,所述根据所述改进的距离衡量标准对所述红外图像的各像素进行聚类,包括:
根据所述改进的距离衡量标准替代DBSCAN算法的距离标准,得到改进的DBSCAN算法;
采用改进的DBSCAN算法对所述红外图像的各像素进行聚类分析。
在本申请中,由于两像素间的相似程度主要取决于像素对应的温度值,因此不能单纯以像素间的空间距离作为判断标准。因此,在本申请实施例中,对聚类算法中的距离定义进行了延展,同时考虑像素在红外图中的空间距离以及像素对应温度差,构造了该像素坐标-温度矩阵,并定义两点间距离为所述像素坐标-温度矩阵中相应元素的距离,得到改进的距离衡量标准。
作为具体的实施方式,采用改进的DBSCAN算法对所述红外图像的各像素进行聚类分析的过程包括:
6)重复步骤2)至步骤5),直至对所有点完成分析;
本实施例中,采用改进的DBSCAN算法对所述红外图像的各像素进行聚类分析,相比于其他聚类算法,该算法具有不需要指定聚类簇数的特点,因此提高了本方法的自适应性。
需要说明的是,对所述红外图像的各像素进行聚类分析的算法还可以采用其他现有的适用的聚类算法,例如,根据所述改进的距离衡量标准替代K-means聚类算法的距离标准,得到改进的K-means聚类算法,进而通过该改进的K-means聚类算法进行对所述红外图像的各像素的聚类分析。
步骤S4,计算所述第一聚类对应平均温度和所述第二聚类对应平均温度的差值作为第一温度差,计算所述第一聚类对应平均温度和所述第三聚类对应平均温度的差值作为第二温度差,若所述第一温度差与所述第二温度差的比值超过预置温度差阈值,判定所述目标电容器存在发热缺陷。
在本申请实施例中,对聚类结果进行分析,对运行中的电容器组,各个簇中平均温度最低的簇通常为周边环境,平均温度最高的簇与其边界值包围的空间为红外图像中的最热部位,正常运行的部位温度基本保持一致,也会分至一个单独的簇。本申请实施例中,通过计算相对误差来判断所述目标电容器是否存在发热缺陷,即:
其中,该预置温度差阈值根据电力行业标准规定进行确定。
步骤S5,计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度,将相似度大于标准相似度的典型图谱对应电容器部位作为目标发热部位。
在一种能够实现的方式中,所述计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度,包括:
按照下式计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度:
在本申请实施例中,对存在发热的部位,通过判断对应簇的边界值包围空间在红外图像中的位置以及轮廓,与典型发热的红外图谱样本库进行对比,来确定目标发热部位。根据上述相似度计算公式,该相似度表示发热图中发热区域与第张典型图谱位置一致的区域范围占第张典型图谱发热区域的比例,从而可以表征发热图中发热区域包含第张典型图谱的程度,因此相似度取值范围为0~1。
在本申请实施例中,对计算得到的相似度大于设定的标准相似度时,可判定发热部位与典型图谱的发热部位一致。通过对相似度标准进行设定,可以修改判断的灵敏度。在一种能够实现的方式中, 设置所述标准相似度为0.9。
需要说明的是,可以根据实际情况对上述相似度的计算公式进行调整,以实现更精准的相似度计算。例如,可以预先对所述第一聚类部分边缘元素进行剔除,进而进行相似度计算。
下面以某一电容器组发热图像为例,对本申请的方法进行详细说明。其中,该电容器组发热图像的像素为480×640,对应温度颜色条的像素高度为335。以电容器接头发热为例,该电容器接头发热缺陷的理论聚类结果示意图如图3所示。其中电容器部分3通过电容器接头部分2连接软铜线部分1,理论上发热像素点组成的集合4为虚线标记出的一片区域。
基于图1所示方法对该电容器组发热图像进行处理,计算得到温度-RGB数值关系矩阵为:
由于为线性变化值,以温度-RGB数值关系矩阵的元素的索引值代替实际温度数值进行分析。以温度-RGB数值关系矩阵的元素的List index(即索引值)为横坐标,温度通道的值RGB value(即RGB值)为纵坐标,绘制R-index、G-index、B-index曲线如图2所示。从图2中可以看到,随着温度的逐渐降低,图像亮度降低,但RGB值的变化值为非线性的,因此无法通过单独的某一通道值得到温度。
考虑到RGB值的非线性关系以及图像识别的误差,以欧式距离判断像素RGB数值矩阵中各像素与坐标轴矩阵中最接近的像素,基于此计算像素RGB数值矩阵中各个像素的温度值。生成像素RGB数值矩阵的温度-RGB数值关系矩阵,即该目标数值关系矩阵为:
采用改进的DBSCAN算法对该电容器组发热图像的各像素进行聚类分析时,设置最小值,设置最大领域半径。最终得到的电容器接头发热缺陷的实际聚类结果示意图如图4所示。聚类得到的发热像素点组成的集合6位于电容器组发热图像边界5的位置与图3所示的理论上发热像素点组成的集合4的位置一致。可见,本申请的方法能较为有效地对发热的像素点与非发热像素点进行分类。
本发明还提供了一种基于红外图像的电容器发热故障识别装置,该装置可用于执行本发明上述任一项实施例所述的基于红外图像的电容器发热故障识别方法。
请参阅图5,图5示出了本发明实施例提供的一种基于红外图像的电容器发热故障识别装置的结构连接框图。
本发明实施例提供的一种基于红外图像的电容器发热故障识别装置,包括:
图像获取模块10,用于获取目标电容器的红外图像;
图像处理模块20,用于对所述红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵;
聚类分析模块30,用于根据所述目标数值关系矩阵对所述红外图像的各像素进行聚类分析,计算各像素点的聚类类别;所述聚类类别包括表征发热区域中像素的第一聚类、表征常温运行区域中像素的第二聚类和表征环境温度区域中像素的第三聚类;
发热缺陷判断模块40,用于计算所述第一聚类对应平均温度和所述第二聚类对应平均温度的差值作为第一温度差,计算所述第一聚类对应平均温度和所述第三聚类对应平均温度的差值作为第二温度差,若所述第一温度差与所述第二温度差的比值超过预置温度差阈值,判定所述目标电容器存在发热缺陷;
发热部位确定模块50,用于计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度,将相似度大于标准相似度的典型图谱对应电容器部位作为目标发热部位。
在一种能够实现的方式中,所述图像处理模块20包括:
识别单元,用于对所述红外图像的各像素的RGB值进行识别,得到对应的像素RGB数值矩阵;
第一矩阵生成单元,用于获取所述红外图像对应的温度颜色条,确定所述温度颜色条标注的最高温度和最低温度,对所述温度颜色条的RGB值进行识别,生成对应的坐标轴矩阵:
第二矩阵生成单元,用于通过线性插值计算所述第一坐标轴矩阵内各像素的对应温度值,生成温度-RGB数值关系矩阵:
其中:
温度值计算单元,用于根据所述坐标轴矩阵确定所述像素RGB数值矩阵中各像素的等温度点,根据所确定的等温度点从所述温度-RGB数值关系矩阵中匹配相应的温度值作为所述像素RGB数值矩阵中对应像素的温度值;
第三矩阵生成单元,用于根据所述像素RGB数值矩阵及匹配的各像素的温度值生成所述目标数值关系矩阵。
在一种能够实现的方式中,所述第三矩阵生成单元具体用于:
以所述像素RGB数值矩阵中的像素作为目标像素,从所述坐标轴矩阵中选取与目标像素的欧式距离最小的像素作为对应目标像素的等温度点。
在一种能够实现的方式中,所述聚类分析模块30包括:
矩阵转换单元,用于根据所述目标数值关系矩阵得到像素坐标-温度矩阵:
式中,C表示所述像素坐标-温度矩阵,表示像素宽度为1、像素高度为1且相应温度值为的元素,表示像素宽度为1、像素高度为且相应温度值为的元素,表示像素宽度为、像素高度为1且相应温度值为的元素,表示像素宽度为、像素高度为且相应温度值为的元素,的值等于所述目标数值关系矩阵中的最大像素宽度,的值等于所述目标数值关系矩阵中的最大像素高度;
定义单元,用于定义两点间距离为所述像素坐标-温度矩阵中相应元素的距离,得到改进的距离衡量标准;
聚类单元,用于根据所述改进的距离衡量标准对所述红外图像的各像素进行聚类。
在一种能够实现的方式中,所述聚类单元具体用于:
根据所述改进的距离衡量标准替代DBSCAN算法的距离标准,得到改进的DBSCAN算法;
采用改进的DBSCAN算法对所述红外图像的各像素进行聚类分析。
在一种能够实现的方式中,所述发热部位确定模块50包括:
相似度计算单元,用于按照下式计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度:
在一种能够实现的方式中,所述发热部位确定模块50还包括:
设置单元,用于设置所述标准相似度为0.9。
本发明还提供了一种基于红外图像的电容器发热故障识别装置,包括:
存储器,用于存储指令;其中,所述指令用于实现如上任意一项实施例所述的基于红外图像的电容器发热故障识别方法;
处理器,用于执行所述存储器中的指令。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上任意一项实施例所述的基于红外图像的电容器发热故障识别方法。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,上述描述的装置、模块和单元的具体有益效果,可以参考前述方法实施例中的对应有益效果,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机装置(可以是个人计算机,服务器,或者网络装置等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,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精神和范围。
Claims (10)
1.一种基于红外图像的电容器发热故障识别方法,其特征在于,包括:
获取目标电容器的红外图像;
对所述红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵;
根据所述目标数值关系矩阵对所述红外图像的各像素进行聚类分析,计算各像素点的聚类类别;所述聚类类别包括表征发热区域中像素的第一聚类、表征常温运行区域中像素的第二聚类和表征环境温度区域中像素的第三聚类;
计算所述第一聚类对应平均温度和所述第二聚类对应平均温度的差值作为第一温度差,计算所述第一聚类对应平均温度和所述第三聚类对应平均温度的差值作为第二温度差,若所述第一温度差与所述第二温度差的比值超过预置温度差阈值,判定所述目标电容器存在发热缺陷;
计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度,将相似度大于标准相似度的典型图谱对应电容器部位作为目标发热部位。
2.根据权利要求1所述的基于红外图像的电容器发热故障识别方法,其特征在于,所述对所述红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵,包括:
对所述红外图像的各像素的RGB值进行识别,得到对应的像素RGB数值矩阵;
获取所述红外图像对应的温度颜色条,确定所述温度颜色条标注的最高温度和最低温度,对所述温度颜色条的RGB值进行识别,生成对应的坐标轴矩阵:
通过线性插值计算所述第一坐标轴矩阵内各像素的对应温度值,生成温度-RGB数值关系矩阵:
其中:
根据所述坐标轴矩阵确定所述像素RGB数值矩阵中各像素的等温度点,根据所确定的等温度点从所述温度-RGB数值关系矩阵中匹配相应的温度值作为所述像素RGB数值矩阵中对应像素的温度值;
根据所述像素RGB数值矩阵及匹配的各像素的温度值生成所述目标数值关系矩阵。
3.根据权利要求2所述的基于红外图像的电容器发热故障识别方法,其特征在于,所述根据所述坐标轴矩阵确定所述像素RGB数值矩阵中各像素的等温度点,包括:
以所述像素RGB数值矩阵中的像素作为目标像素,从所述坐标轴矩阵中选取与目标像素的欧式距离最小的像素作为对应目标像素的等温度点。
4.根据权利要求1所述的基于红外图像的电容器发热故障识别方法,其特征在于,所述根据所述目标数值关系矩阵对所述红外图像的各像素进行聚类分析,包括:
根据所述目标数值关系矩阵得到像素坐标-温度矩阵:
式中,C表示所述像素坐标-温度矩阵,表示像素宽度为1、像素高度为1且相应温度值为的元素,表示像素宽度为1、像素高度为且相应温度值为的元素,表示像素宽度为、像素高度为1且相应温度值为的元素,表示像素宽度为、像素高度为且相应温度值为的元素,的值等于所述目标数值关系矩阵中的最大像素宽度,的值等于所述目标数值关系矩阵中的最大像素高度;
定义两点间距离为所述像素坐标-温度矩阵中相应元素的距离,得到改进的距离衡量标准;
根据所述改进的距离衡量标准对所述红外图像的各像素进行聚类。
5.根据权利要求4所述的基于红外图像的电容器发热故障识别方法,其特征在于,所述根据所述改进的距离衡量标准对所述红外图像的各像素进行聚类,包括:
根据所述改进的距离衡量标准替代DBSCAN算法的距离标准,得到改进的DBSCAN算法;
采用改进的DBSCAN算法对所述红外图像的各像素进行聚类分析。
7.根据权利要求6所述的基于红外图像的电容器发热故障识别方法,其特征在于,所述将相似度大于标准相似度的典型图谱对应电容器部位作为目标发热部位,包括:
设置所述标准相似度为0.9。
8.一种基于红外图像的电容器发热故障识别装置,其特征在于,包括:
图像获取模块,用于获取目标电容器的红外图像;
图像处理模块,用于对所述红外图像进行处理以获得表示各像素的RGB值与温度对应关系的目标数值关系矩阵;
聚类分析模块,用于根据所述目标数值关系矩阵对所述红外图像的各像素进行聚类分析,计算各像素点的聚类类别;所述聚类类别包括表征发热区域中像素的第一聚类、表征常温运行区域中像素的第二聚类和表征环境温度区域中像素的第三聚类;
发热缺陷判断模块,用于计算所述第一聚类对应平均温度和所述第二聚类对应平均温度的差值作为第一温度差,计算所述第一聚类对应平均温度和所述第三聚类对应平均温度的差值作为第二温度差,若所述第一温度差与所述第二温度差的比值超过预置温度差阈值,判定所述目标电容器存在发热缺陷;
发热部位确定模块,用于计算所述第一聚类与预置红外图谱样本库中的各张典型图谱的相似度,将相似度大于标准相似度的典型图谱对应电容器部位作为目标发热部位。
9.一种基于红外图像的电容器发热故障识别装置,其特征在于,包括:
存储器,用于存储指令;其中,所述指令用于实现如权利要求1-7任意一项所述的基于红外图像的电容器发热故障识别方法;
处理器,用于执行所述存储器中的指令。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-7任意一项所述的基于红外图像的电容器发热故障识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211587683.6A CN115656701B (zh) | 2022-12-12 | 2022-12-12 | 一种基于红外图像的电容器发热故障识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211587683.6A CN115656701B (zh) | 2022-12-12 | 2022-12-12 | 一种基于红外图像的电容器发热故障识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115656701A true CN115656701A (zh) | 2023-01-31 |
CN115656701B CN115656701B (zh) | 2023-04-07 |
Family
ID=85018913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211587683.6A Active CN115656701B (zh) | 2022-12-12 | 2022-12-12 | 一种基于红外图像的电容器发热故障识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115656701B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928742A (zh) * | 2012-11-22 | 2013-02-13 | 重庆市电力公司检修分公司 | 一种高压设备红外图像自动故障识别方法 |
CN104331521A (zh) * | 2014-11-27 | 2015-02-04 | 国家电网公司 | 基于图像处理的变电设备异常自动识别方法 |
CN105403312A (zh) * | 2015-10-28 | 2016-03-16 | 国家电网公司 | 一种输变电设备红外成像图谱识别及分析方法 |
CN107025648A (zh) * | 2017-03-20 | 2017-08-08 | 中国人民解放军空军工程大学 | 一种电路板故障红外图像自动检测方法 |
CN107103598A (zh) * | 2017-03-28 | 2017-08-29 | 国网上海市电力公司 | 一种基于红外图像聚类处理的电力电缆热故障诊断方法 |
CN107607207A (zh) * | 2017-08-22 | 2018-01-19 | 中国科学院深圳先进技术研究院 | 一种电力设备热故障诊断方法、***及电子设备 |
CN108389137A (zh) * | 2018-02-06 | 2018-08-10 | 国网山西省电力公司电力科学研究院 | 基于红外图谱技术的电力故障诊断预警*** |
CN110598736A (zh) * | 2019-08-06 | 2019-12-20 | 西安理工大学 | 一种电力设备红外图像故障定位、识别与预测方法 |
CN111199544A (zh) * | 2020-01-06 | 2020-05-26 | 国网河南省电力公司检修公司 | 一种变电站红外监测方法、装置和计算机可读存储介质 |
CN113034450A (zh) * | 2021-03-12 | 2021-06-25 | 西安工业大学 | 一种变压器过热故障诊断方法 |
CN113298178A (zh) * | 2021-06-11 | 2021-08-24 | 国家电网有限公司 | 基于热红外图像的变电站高压设备故障识别方法 |
CN113609901A (zh) * | 2021-06-25 | 2021-11-05 | 国网山东省电力公司泗水县供电公司 | 一种输变电设备故障监测方法及*** |
CN114092459A (zh) * | 2021-11-29 | 2022-02-25 | 国网湖南省电力有限公司 | 一种基于决策级融合的电力设备热故障诊断方法、设备及介质 |
CN114266725A (zh) * | 2021-11-19 | 2022-04-01 | 四川华能宝兴河水电有限责任公司 | 一种基于共轴光路成像的设备故障诊断*** |
CN114494185A (zh) * | 2022-01-25 | 2022-05-13 | 国网吉林省电力有限公司电力科学研究院 | 一种基于rgb-t多尺度特征融合的电气设备故障检测方法 |
CN114581654A (zh) * | 2022-03-09 | 2022-06-03 | 国网四川省电力公司营销服务中心 | 一种基于互感器状态监测方法及装置 |
-
2022
- 2022-12-12 CN CN202211587683.6A patent/CN115656701B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102928742A (zh) * | 2012-11-22 | 2013-02-13 | 重庆市电力公司检修分公司 | 一种高压设备红外图像自动故障识别方法 |
CN104331521A (zh) * | 2014-11-27 | 2015-02-04 | 国家电网公司 | 基于图像处理的变电设备异常自动识别方法 |
CN105403312A (zh) * | 2015-10-28 | 2016-03-16 | 国家电网公司 | 一种输变电设备红外成像图谱识别及分析方法 |
CN107025648A (zh) * | 2017-03-20 | 2017-08-08 | 中国人民解放军空军工程大学 | 一种电路板故障红外图像自动检测方法 |
CN107103598A (zh) * | 2017-03-28 | 2017-08-29 | 国网上海市电力公司 | 一种基于红外图像聚类处理的电力电缆热故障诊断方法 |
CN107607207A (zh) * | 2017-08-22 | 2018-01-19 | 中国科学院深圳先进技术研究院 | 一种电力设备热故障诊断方法、***及电子设备 |
CN108389137A (zh) * | 2018-02-06 | 2018-08-10 | 国网山西省电力公司电力科学研究院 | 基于红外图谱技术的电力故障诊断预警*** |
CN110598736A (zh) * | 2019-08-06 | 2019-12-20 | 西安理工大学 | 一种电力设备红外图像故障定位、识别与预测方法 |
CN111199544A (zh) * | 2020-01-06 | 2020-05-26 | 国网河南省电力公司检修公司 | 一种变电站红外监测方法、装置和计算机可读存储介质 |
CN113034450A (zh) * | 2021-03-12 | 2021-06-25 | 西安工业大学 | 一种变压器过热故障诊断方法 |
CN113298178A (zh) * | 2021-06-11 | 2021-08-24 | 国家电网有限公司 | 基于热红外图像的变电站高压设备故障识别方法 |
CN113609901A (zh) * | 2021-06-25 | 2021-11-05 | 国网山东省电力公司泗水县供电公司 | 一种输变电设备故障监测方法及*** |
CN114266725A (zh) * | 2021-11-19 | 2022-04-01 | 四川华能宝兴河水电有限责任公司 | 一种基于共轴光路成像的设备故障诊断*** |
CN114092459A (zh) * | 2021-11-29 | 2022-02-25 | 国网湖南省电力有限公司 | 一种基于决策级融合的电力设备热故障诊断方法、设备及介质 |
CN114494185A (zh) * | 2022-01-25 | 2022-05-13 | 国网吉林省电力有限公司电力科学研究院 | 一种基于rgb-t多尺度特征融合的电气设备故障检测方法 |
CN114581654A (zh) * | 2022-03-09 | 2022-06-03 | 国网四川省电力公司营销服务中心 | 一种基于互感器状态监测方法及装置 |
Non-Patent Citations (2)
Title |
---|
张萼辉: "牵引变电所红外温度监测图像处理方法研究" * |
温智慧: "基于红外测温的表面温度判断法与相对温差法" * |
Also Published As
Publication number | Publication date |
---|---|
CN115656701B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021000524A1 (zh) | 孔位保护门检测方法、装置、计算机设备和存储介质 | |
CN115082467B (zh) | 基于计算机视觉的建材焊接表面缺陷检测方法 | |
CN103593670B (zh) | 一种基于在线序列极限学习机的铜板带表面缺陷检测方法 | |
CN112508846B (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
US8805077B2 (en) | Subject region detecting apparatus | |
CN112102309A (zh) | 一种确定图像质量评估结果的方法、装置及设备 | |
CN114612469B (zh) | 产品缺陷检测方法、装置、设备及可读存储介质 | |
Zakaria et al. | Object shape recognition in image for machine vision application | |
CN116862913B (zh) | 基于机器视觉的复合镍铜散热底板缺陷检测方法及*** | |
CN112288724B (zh) | 缺陷检测方法及装置、电子设备和存储介质 | |
US20120257822A1 (en) | Image processing apparatus, image processing method, and computer readable medium | |
CN116563280B (zh) | 一种基于数据分析的复合铜散热底板加工检测方法及*** | |
CN112288761A (zh) | 一种异常发热的电力设备检测方法、装置和可读存储介质 | |
CN113609901A (zh) | 一种输变电设备故障监测方法及*** | |
CN117690030B (zh) | 基于图像处理的多面发花识别方法及*** | |
CN111814852A (zh) | 图像检测方法、装置、电子设备和计算机可读存储介质 | |
CN115294145A (zh) | 一种输电线路弧垂的测量方法及*** | |
CN117474918B (zh) | 异常检测方法和装置、电子设备以及存储介质 | |
CN117670820B (zh) | 一种塑料薄膜生产缺陷检测方法及*** | |
CN111160305A (zh) | 一种变压器套管异常监测方法及计算机可读介质 | |
CN112819842B (zh) | 适用于工件质检的工件轮廓曲线拟合方法、装置及介质 | |
CN111507177B (zh) | 一种用于计量周转柜的识别方法及装置 | |
CN115656701B (zh) | 一种基于红外图像的电容器发热故障识别方法及装置 | |
CN110378299B (zh) | 一种室内灯光条件下的衣着识别*** | |
CN116091496A (zh) | 基于改进Faster-RCNN的缺陷检测方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |