CN116188752A - 基于图像识别的电缆接头温度异常检测装置、方法及设备 - Google Patents
基于图像识别的电缆接头温度异常检测装置、方法及设备 Download PDFInfo
- Publication number
- CN116188752A CN116188752A CN202211638095.0A CN202211638095A CN116188752A CN 116188752 A CN116188752 A CN 116188752A CN 202211638095 A CN202211638095 A CN 202211638095A CN 116188752 A CN116188752 A CN 116188752A
- Authority
- CN
- China
- Prior art keywords
- image
- temperature
- abnormality
- cable joint
- cable
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 230000005856 abnormality Effects 0.000 claims abstract description 120
- 238000004458 analytical method Methods 0.000 claims abstract description 57
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000009434 installation Methods 0.000 claims description 28
- 238000012549 training Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 10
- 238000003487 electrochemical reaction Methods 0.000 claims description 9
- 238000012423 maintenance Methods 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 24
- 238000004891 communication Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 7
- 230000002035 prolonged effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000003792 electrolyte Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000460 chlorine Substances 0.000 description 1
- 229910052801 chlorine Inorganic materials 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000002788 crimping Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003411 electrode reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000009970 fire resistant effect Effects 0.000 description 1
- 230000020169 heat generation Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000011810 insulating material Substances 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 229920000915 polyvinyl chloride Polymers 0.000 description 1
- 239000004800 polyvinyl chloride Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 230000004580 weight loss Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0096—Radiation pyrometry, e.g. infrared or optical thermometry for measuring wires, electrical contacts or electronic systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J2005/0077—Imaging
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Vascular Medicine (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Manufacturing Of Electrical Connectors (AREA)
Abstract
本申请公开了一种基于图像识别的电缆接头温度异常检测装置、方法及设备,本申请属于物联网技术领域。该装置包括:可见光摄像和红外摄像头,获取电缆接头处的可见光图像和红外图像;识别模块,识别可见光图像和红外图像中电缆接头的编号信息和温度信息;拟合模块,拟合可见光图像和红外图像,得到电缆接头的拟合图像,并加入编号信息与温度信息;温度异常识别模块,温度信息高于设定温度阈值时,将拟合图像输入至预先训练的异常原因分析模型并确定至少一种导致异常的原因;告警模块,对拟合图像和导致异常的原因进行关联展示。本技术方案,能实时精准的获取电缆接头温度,同时高效判断异常原因,还能减少误报情况的发生,提高维修人员的工作效率。
Description
技术领域
本申请属于电力设备技术领域,具体涉及一种基于图像识别的电缆接头温度异常检测装置、方法及设备。
背景技术
随着我国经济平稳快速增长,电线电缆的需求也表现出旺盛态势。电线电缆在国民经济中占有相当比重,在所有经济活动和社会生活中是不可缺少的。而电的发生、传输及应用都必须采用电线电缆来作为连接,其中,电缆头温度是电缆运行时的一项关键指标,因为在实际运行中电缆头发生故障前,往往会出现发热的情况,若不及时进行处理会出现绝缘击穿的现象,造成短路以及跳闸等供电故障,严重时还会出现火灾。因此必须要及时监测并对电缆头温度进行调控以保障电缆的正常运行。
如今测量电缆头温度的方式是在监测节点中布置无线温度传感器来采集电缆接头处的温度数值,并将此温度数值通过无线通信技术传送给上位机进行分析处理,若温度数值高于预先设的阈值,***上位机就要发送指令,进行报警动作。
但由于目前的无线温度传感器采用电池供电,需要定期更换,增加了工作人员后期维护工作量。此外,这类温度传感器一般采用外挂安装方式,与电缆的装配契合度不高,测量的精度较低,从而可能存在误报或没有识别到异常高温,进而降低电缆使用寿命的问题。因此,如何实时精准测量电缆头温度并及时发现异常,减少误报情况的发生,进一步保障电缆正常运行,增长电缆使用寿命是本领域亟待解决的问题。
发明内容
本申请实施例提供一种基于图像识别的电缆接头温度异常检测装置、方法及设备,目的是解决现有技术对电缆接头温度测量精度低,从而可能存在误报或没有识别到异常高温,进而降低电缆使用寿命的问题。通过基于图像识别的电缆接头温度异常检测装置,可以实时精准的获取电缆接头的温度信息,并能根据此温度信息实时判断是否出现异常以及异常原因,以便工作人员可以及时处理异常。在一定程度上减少误报情况的发生,并能增长电缆使用寿命。
第一方面,本申请实施例提供了一种基于图像识别的电缆接头温度异常检测装置,所述装置包括:
可见光摄像头,用于获取电缆接头处的可见光图像;
红外摄像头,用于获取电缆接头处的红外图像;
识别模块,用于识别所述可见光图像中包括的电缆接头的编号信息;并根据所述红外图像获取电缆接头处的温度信息;
拟合模块,用于对所述可见光图像和所述红外图像进行拟合,得到电缆接头的拟合图像,并将所述编号信息与所述温度信息附加到所述拟合图像中;
温度异常识别模块,用于在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因;
告警模块,用于对所述拟合图像和所述导致异常的原因进行关联展示。
进一步的,所述温度异常识别模块,具体用于:
在所述温度信息高于设定温度阈值的情况下,对所述拟合图像按照预设面积进行区块划分;
识别划分后各区块的最高温度和平均温度,并赋值给所述拟合图像;
将带有区块温度赋值的拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因。
进一步的,所述导致异常的原因包括:材质异常、接触不牢固、接线电阻增大、接线电化学反应以及包裹松动;
所述异常原因分析模型是基于所述各导致异常的原因的条件下体现的温度信息,采集预设数量的样本进行训练得到的。
进一步的,所述装置还包括:
接头位置确定模块,用于读取所述电缆接头的编号信息,并基于预先存储的编号信息与安装位置的对照表,确定所述电缆接头的安装位置。
进一步的,所述接头位置确定模块,还用于:
在所述电缆接头的编号信息无法确定或者所述对照表中不存在所述编号信息的情况下,获取所述可见光摄像头和/或所述红外摄像头的设备ID;
根据所述设备ID确定所述电缆接头的安装位置。
第二方面,本申请实施例提供了一种基于图像识别的电缆接头温度异常检测方法,所述方法包括:
通过可见光摄像头获取电缆接头处的可见光图像;
通过红外摄像头获取电缆接头处的红外图像;
通过识别模块识别所述可见光图像中包括的电缆接头的编号信息;并根据所述红外图像获取电缆接头处的温度信息;
通过拟合模块对所述可见光图像和所述红外图像进行拟合,得到电缆接头的拟合图像,并将所述编号信息与所述温度信息附加到所述拟合图像中;
通过温度异常识别模块在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因;
通过告警模块对所述拟合图像和所述导致异常的原因进行关联展示。
进一步的,在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因,包括:
在所述温度信息高于设定温度阈值的情况下,对所述拟合图像按照预设面积进行区块划分;
识别划分后各区块的最高温度和平均温度,并赋值给所述拟合图像;
将带有区块温度赋值的拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因。
进一步的,所述导致异常的原因包括:材质异常、接触不牢固、接线电阻增大、接线电化学反应以及包裹松动;
所述异常原因分析模型是基于所述各导致异常的原因的条件下体现的温度信息,采集预设数量的样本进行训练得到的。
进一步的,在对所述拟合图像和所述导致异常的原因进行关联展示之后,所述方法还包括:
通过接头位置确定模块读取所述电缆接头的编号信息,并基于预先存储的编号信息与安装位置的对照表,确定所述电缆接头的安装位置。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法。
在本申请实施例中,可见光摄像头,用于获取电缆接头处的可见光图像;红外摄像头,用于获取电缆接头处的红外图像;识别模块,用于识别所述可见光图像中包括的电缆接头的编号信息;并根据所述红外图像获取电缆接头处的温度信息;拟合模块,用于对所述可见光图像和所述红外图像进行拟合,得到电缆接头的拟合图像,并将所述编号信息与所述温度信息附加到所述拟合图像中;温度异常识别模块,用于在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因;告警模块,用于对所述拟合图像和所述导致异常的原因进行关联展示。通过上述基于图像识别的电缆接头温度异常检测装置,可以实时精准的获取电缆接头的温度信息,并能根据此温度信息实时判断是否出现异常以及异常原因,以便工作人员可以及时处理异常。在一定程度上减少误报情况的发生,并能增长电缆使用寿命。
附图说明
图1是本申请实施例一提供的基于图像识别的电缆接头温度异常检测装置的结构示意图;
图2是本申请实施例二提供的基于图像识别的电缆接头温度异常检测装置的结构示意图;
图3是本申请实施例三提供的基于图像识别的电缆接头温度异常检测方法的流程示意图;
图4是本申请实施例四提供的电子设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
下面结合附图,通过具体的实施例及其应用场景对本申请实施例提供的基于图像识别的电缆接头温度异常检测装置、方法及设备进行详细地说明。
实施例一
图1是本申请实施例一提供的基于图像识别的电缆接头温度异常检测装置的结构示意图。如图1所示,具体包括如下:
可见光摄像头101,用于获取电缆接头处的可见光图像;
红外摄像头102,用于获取电缆接头处的红外图像;
识别模块103,用于识别所述可见光图像中包括的电缆接头的编号信息;并根据所述红外图像获取电缆接头处的温度信息;
拟合模块104,用于对所述可见光图像和所述红外图像进行拟合,得到电缆接头的拟合图像,并将所述编号信息与所述温度信息附加到所述拟合图像中;
温度异常识别模块105,用于在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因;
告警模块106,用于对所述拟合图像和所述导致异常的原因进行关联展示。
首先,本方案的使用场景可以是对电缆头温度进行测量以及测量到异常温度后进行异常原因分析并进行展示的场景。具体的,可以由温度测量设备测量电缆头温度,由控制终端对电缆头异常温度原因进行分析并展示。温度测量设备可以包括可见光摄像头和红外摄像头,控制终端可以是智能终端设备,例如笔记本电脑、台式电脑以及平板电脑等,还可以是物联网平台。
基于上述使用场景,可以理解的,本申请的执行主体可以是集成有测量电缆头温度以及对电缆头异常温度原因进行分析并展示的终端设备,此处不做过多的限定。
可见光摄像头可以是彩色摄像头,即拍摄彩色照片时所用的摄像头。本方案中,彩色摄像头用于拍摄电缆接头的彩色图像,以供之后智能终端设备或物联网平台根据彩色图像识别电缆接头的编号信息以及在此基础上进行电缆接头的温度测量。
电缆可以是一种电能或信号传输装置,通常是由几根或几组导线组成,包括电力电缆、控制电缆、补偿电缆、屏蔽电缆、高温电缆、计算机电缆、信号电缆、同轴电缆、耐火电缆、船用电缆、矿用电缆以及铝合金电缆。电缆接头又称电缆头。电缆铺设好后,为了使其成为一个连续的线路,各段线必须连接为一个整体,这些连接点就称为电缆接头。电缆线路中间部位的电缆接头称为中间接头,而线路两末端的电缆接头称为终端头。电缆接头是用来锁紧和固定进出线,起到防水防尘防震动的作用。
可见光图像可以是彩色摄像头拍摄的电缆接头的彩色图像。进一步的,利用彩色摄像头拍摄电缆接头的彩色图像可以是获取电缆接头的可见光图像的过程。
红外摄像头可以是红外测温摄像头,是利用红外线来成像的摄像头,它除了用普通光线外,还能根据红外线的热量来形成画面。本方案中,红外摄像头用于拍摄包含电缆接头以及电缆接头温度的图像,以供之后智能终端设备或物联网平台根据此图像以及可见光摄像头拍摄的电缆接头处的可见光图像基础上完成电缆接头温度检测。
红外图像可以是红外摄像头拍摄的包含电缆接头以及电缆接头温度的图像。进一步的,利用红外摄像头拍摄包含电缆接头以及电缆接头温度的图像可以是获取电缆接头处的红外图像的过程。
编号信息可以是电缆接头中的独一无二的编号,为了将不同电缆接头区分开,可以给每个电缆接头设置不同的编号,以便在电缆接头温度异常时可以根据电缆接头的编号定位电缆接头的位置。具体的,编号可以包括数字、字母以及文字的形式,本方案中,可以采用数字沿着电缆敷设方向的一端到另一端的方式进行编号。例如,沿着电缆敷设方向的第一个电缆接头编号为1001,第二个电缆接头编号为1002,以此类推可以得到之后的电缆接头编号。
温度信息可以是电缆接头的温度,由于红外图像可以反映图像中每一个像素的温度值,所以可以将此图像中电缆接头处最高的温度作为温度信息,以便之后基于此温度信息判断电缆接头的温度是否为异常温度。
当可见光摄像头获取到电缆接头处的可见光图像后,可以通过无线通信技术将可见光图像传输到智能终端设备或者物联网平台中,其中,无线通信是指多个节点间不经由导体或缆线传播进行的远距离传输通讯,利用收音机、无线电等都可以进行无线通讯。当智能终端设备或物联网平台接收到此可见光图像后,基于模板库对于可见光图像中的编号信息进行识别。例如,使用数字作为电缆接头的编号信息时,由于编号信息都是简单字符,可以预先在网上下载数据集,然后智能终端或者物联网平台读取可见光摄像头获取的可见光图像,并将此图像进行灰度化和二值化(由于图像本身就以数字进行存储的,二值化后图像就只有两个值0和255)。在对图像进行二值化后,将图像中的字符通过左右分割和上下分割得到单独数字的图像,并将此图像大小调整到和模板一样的大小(一般以模版中最大尺寸),然后让需要匹配的图和别和10个模板(数字0-10的模板)相减(让两个图片对应坐标像素点值相减),将所有差的绝对值求和。最后与哪个模板匹配时绝对值和最小,则就可以得到图像与该模版最匹配,进而识别该字符。当所有字符识别完成后,将字符组合起来得到电缆接头的编号信息。以上为识别可见光图像中包括的电缆接头的编号信息的全过程。
当红外摄像头获取到电缆接头的红外图像后,可以通过无线通信技术将此图像传输给智能终端设备或物联网平台后,由于红外图像包含每一个像素点的温度值,智能终端设备或物联网平台接收到红外图像后可以读取电缆接头处最高的温度值作为温度信息。以上为获取红外图像中电缆接头处的温度信息的过程。
拟合图像可以是可见光图像与红外图像的结合图像,由于可见光图像能清晰显示电缆接头处的轮廓和编号,红外图像可以显示电缆接头处的温度信息,所以可以将可见光图像与红外图像相结合得到包含电缆接头处的轮廓、编号以及温度信息的图像。
智能终端设备或物联网平台接收到可见光图像和红外图像后,可以将可见光图像和红外图像放入图像处理软件中。由于拍摄彩色图像时所使用的是色光三原色(红色、绿色以及蓝色),而三原色在图像处理软件中是以通道的形式表现的,即表现为RGB(red greenblue红色绿色蓝色)三通道,其中,红通道,就负责显示照片中包含红色的信息;绿通道,就负责显示照片中包含绿色的信息;蓝通道,就负责显示照片中包含蓝色的信息。因此,彩色图像在图像处理软件中表示为RGB3通道图像。进一步的,可以将红外图像的红外单通道,直接扩展为3通道RGB图像,每个像素的RGB值完全一样,实际也就是灰度图像,但有3个通道。然后以半透明方式,与彩色图像融合,得到拟合图像。以上为得到电缆接头的拟合图像的过程。
得到拟合图像后,可以使用PhotoCap(数码相机批处理工具)为拟合图像加入Exif(Exchangeable image file format可交换图像文件格式)信息。具体的,可以是在PhotoCap的编辑区域中以标准模式导入拟合图像后,在“Exif物件属性设定”对话框中输入电缆接头的编号信息以及温度信息即可达到将编号信息与温度信息附加到拟合图像中的目的。Exif格式是专门为数码相机照片设定的。这个格式可以记录数字照片属性信息。PhotoCap具有针对数码相机用户常用到的加日期、加文字、加边框、加Exif数据以及更改文件名等等强大批处理功能。
设定温度阈值可以是电缆接头发生异常时的温度。例如,电缆接头处温度高于60℃时,电缆会发生异常,则设定温度阈值可以设置为60℃,当温度信息超过此设定温度阈值时,则会进行下一步将拟合图像输入至预先训练的异常原因分析模型的操作。
异常原因分析模型可以是异常归因模型,异常归因模型可以是根据信息分析出导致发生异常的原因的大数据模型。本方案中,异常归因模型可以是经过预先训练的,即将异常指标输入至数据建模工具中,通过漏斗归因、内部归因以及外部归因等方法设置异常归因模型,以此完成训练异常原因分析模型的目的。漏斗归因就是从异常发生的人事物的下级找原因;内部归因则是直接从异常发生的人事物入手找原因;剩下的都是外部归因的范畴。其中,异常指标的数量可以使用十倍法则来决定,十倍法则是模型通常需要超出其自由度十倍的数据量。这里的自由度可以是影响模型输出的参数,是数据点的一个属性,即数据集中的列。十倍法则的目标就是是抵消这些组合参数为模型输入带来的变化,能让我们快速估算数据集的数量,保证项目保持运行。例如,该模型中参数为编号信息、温度信息、拟合图像以及异常原因,则异常指标数量至少为四十条。
导致异常的原因可以是导致电缆接头温度出现异常的原因,可以包括制作工艺问题、机械损伤以及安装密集等问题。
当智能终端设备或物联网平台获得拟合图像后,当识别到温度信息高于设定阈值后,会调用异常原因分析模型,并将拟合图像输入至此模型。异常原因分析模型通过识别拟合图像、温度信息以及编号信息等进行综合判定后确定导致异常的原因。
当得到导致异常的原因后,异常原因分析模型会将拟合图像以及导致异常的原因通过客户端进行关联展示,以便工作人员可以及时根据这些信息对电缆接头进行维修。具体的,关联展示的形式可以为:拟合图像-导致异常的原因。
在上述技术方案的基础上,可选的,所述装置还包括:
接头位置确定模块,用于读取所述电缆接头的编号信息,并基于预先存储的编号信息与安装位置的对照表,确定所述电缆接头的安装位置。
安装位置可以是电缆接头的安装的地理坐标,可以表示为(纬度,经度)。例如,电缆接头安装的地理坐标为(30°N 120°E),表示此电缆接头安装位置为北纬30度,东经120度。
电缆接头安装完成后,可以在智能终端或物联网平台建立存储电缆接头编号信息、安装位置以及拟合图像的数据库表1,此数据库表1即为预先存储的编号信息与安装位置的对照表。
当确定电缆接头发生异常后,要定位电缆接头的位置以供维修人员可以前往此位置进行维修。则智能终端或物联网平台会使用Exif信息查看器查看发生异常的电缆接头的拟合图像的Exif信息,并读取其中的电缆接头的编号信息。读取到电缆接头编号信息后,智能终端或物联网平台调取预先存储的编号信息与安装位置的对照表,根据编号信息在此对照表进行查询,即可确定对应的安装位置。
本方案中,通过预先将编号信息以及安装位置存储在对照表中,可以在读取到电缆接头编号信息时快速确定对应的安装位置,以便工作人员可以快速根据此位置进行维修,在一定程度上提高了维修人员工作效率。
在上述技术方案的基础上,可选的,所述接头位置确定模块,还用于:
在所述电缆接头的编号信息无法确定或者所述对照表中不存在所述编号信息的情况下,获取所述可见光摄像头和/或所述红外摄像头的设备ID;
根据所述设备ID确定所述电缆接头的安装位置。
本方案中,由于每个电缆接头处都有对应的可见光摄像头以及红外摄像头,可见光摄像头以及红外摄像头都有对应的设备编号,即设备ID。具体的,设备ID可以为字母以及数字组合的形式,例如,可见光摄像头设备ID可以为a001,红外摄像头设备ID可以为b001,相应的,对应的电缆接头编号信息可以为1001。在安装好电缆接头后,可以在智能终端或物联网平台预先建立数据库表2,并存储可见光摄像头设备ID、红外摄像头设备ID、拟合图像以及安装位置。
在电缆接头的编号信息无法确定或者对照表中不存在编号信息的情况下,智能终端或物联网平台通过无线通信技术将“读取设备ID指令”传输给拍摄此电缆接头图像的可见光摄像头和红外摄像头,可见光摄像头和红外摄像头接收到此指令后读取内部存储单元的设备ID,并通过无线通信技术传输给智能终端或物联网平台,即可达到获取可见光摄像头和红外摄像头的设备ID的目的。
智能终端或物联网平台收到可见光摄像头以及红外摄像头的设备ID后,自动调用数据库表2,根据ID查询即可确定对应的电缆接头的安装位置。
本方案中,通过设置根据拍摄电缆接头可见光图像以及红外图像的可见光摄像头和红外摄像头的设备ID确认电缆接头的安装位置的方式,在夜晚或电缆接头编号信息模糊无法被识别时也能获得电缆接头的安装位置,以供工作人员根据安装位置进行相应维修。相当于设置了一个备用方案,在一定程度上提高了确定电缆接头安装位置的效率,以及维修人员可以高效处理电缆接头发生的异常情况。
本实施例提供的技术方案,可见光摄像头,用于获取电缆接头处的可见光图像;红外摄像头,用于获取电缆接头处的红外图像;识别模块,用于识别所述可见光图像中包括的电缆接头的编号信息;并根据所述红外图像获取电缆接头处的温度信息;拟合模块,用于对所述可见光图像和所述红外图像进行拟合,得到电缆接头的拟合图像,并将所述编号信息与所述温度信息附加到所述拟合图像中;温度异常识别模块,用于在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因;告警模块,用于对所述拟合图像和所述导致异常的原因进行关联展示。通过上述基于图像识别的电缆接头温度异常检测装置,可以实时精准的获取电缆接头的温度信息,并能根据此温度信息实时判断是否出现异常以及异常原因,以便工作人员可以及时处理异常。在一定程度上减少误报情况的发生,并能增长电缆使用寿命。
本申请实施例中的基于图像识别的电缆接头温度异常检测装置可以是装置,也可以是终端中的部件、集成电路、或芯片。该装置可以是移动电子设备,也可以为非移动电子设备。示例性的,移动电子设备可以为手机、平板电脑、笔记本电脑、掌上电脑、车载电子设备、可穿戴设备、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本或者个人数字助理(personal digital assistant,PDA)等,非移动电子设备可以为服务器、网络附属存储器(Network Attached Storage,NAS)、个人计算机(personal computer,PC)、电视机(television,TV)、柜员机或者自助机等,本申请实施例不作具体限定。
本申请实施例中的基于图像识别的电缆接头温度异常检测装置可以为具有操作***的装置。该操作***可以为安卓(Android)操作***,可以为ios操作***,还可以为其他可能的操作***,本申请实施例不作具体限定。
实施例二
图2是本申请实施例二提供的基于图像识别的电缆接头温度异常检测装置的结构示意图。如图2所示,具体包括如下:
所述温度异常识别模块105,具体用于:
在所述温度信息高于设定温度阈值的情况下,对所述拟合图像按照预设面积进行区块划分;
识别划分后各区块的最高温度和平均温度,并赋值给所述拟合图像;
将带有区块温度赋值的拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因。
本方案中,预设面积可以是按照预设规则设定的,例如,可以按照电缆接头部分-中间部分-结尾部分作为电缆接头的三部分预设面积,相应的,可以按照这三部分预设面积将电缆接头划分为三个区块。最终可以在拟合图像中按照三部分预设面积将电缆接头划分为三个区块来完成对拟合图像按照预设面积进行区块划分。
由于拟合图像为可见光图像与红外图像的结合图像,红外图像能反映出所有像素对应的温度值,最高温度可以是当前区块所有像素对应的温度值中最高的温度值。平均温度可以是当前区块所有像素对应的温度值的和与像素个数的比值,计算公式可以为:
平均温度=(像素点1温度+像素点2温度+...+像素点n温度)÷像素点个数
当智能终端或物联网平台识别到拟合图像中电缆接头的温度信息高于设定温度阈值时,自动按照预设面积对拟合图像进行区块划分,然后读取各区块最高温度以及调用平均温度计算公式计算当前区块的平均温度,即可完成识别划分后各区块的最高温度和平均温度的过程。
当识别到各区块最高温度和平均温度后,智能终端或物联网平台可以在PhotoCap的编辑区域中以标准模式导入拟合图像后,在“Exif物件属性设定”对话框中输入电缆接头各区块的最高温度和平均温度即可达到赋值给拟合图像的目的。
识别到各区块最高温度和平均温度后,可以将带有编号信息以及各区块温度赋值的拟合图像输入至预先训练的异常原因分析模型,利用此模型分析出至少一种导致异常的原因。其中,由于参数量此时有所改变,相应的,异常原因分析模型在训练时所需的数据量根据十倍法则也将有所改变。例如,将拟合图像划分为三个模块时,参数量可以为编号信息、区块1温度信息、区块2温度信息、区块3温度信息、拟合图像以及异常原因,则异常原因分析模型在训练时所需的数据量为六十条。
本实施例提供的技术方案,通过对拟合图像按照预设面积进行区块划分,再分别测量各区块的最高温度和平均温度,可以提高对于异常原因确定的精准度。同时,可以更精准定位发生异常的电缆接头的具***置。
在上述技术方案的基础上,可选的,所述导致异常的原因包括:材质异常、接触不牢固、接线电阻增大、接线电化学反应以及包裹松动;
所述异常原因分析模型是基于所述各导致异常的原因的条件下体现的温度信息,采集预设数量的样本进行训练得到的。
材质异常可以是由于电缆接头材料质量出现问题从而导致电缆接头温度容易出现异常。例如,电缆接头的绝缘材料为聚氯乙烯时,可能存在杂质多、热失重不合格、挤出层有气孔以及难以塑化等质量问题从而导致电缆运行容易出现发热现象,进一步的,电缆接头温度容易出现异常。
接触不牢固可以是接头制造技术不好,压接不紧密,造成接头处接触电阻过大,也会造成电缆产生发热现象,进一步的,电缆接头温度容易出现异常。
当接线电阻增大,电压不变的情况下,电流增大,电流流过电缆时产生的热量增大。进一步的,电缆在运行中会产生发热现象,从而电缆接头温度容易出现异常。
电化学反应可以是属于电化学范畴的化学反应。电化学反应过程中常伴随着电极表面析氢、析氧和析氯的电极反应,这些析出的气体会以气泡形式吸附于电极表面,从而造成电极活性面积减少、电极表面电位和电流密度的微观分布不均,产生电极极化。电极表面吸附的气泡较多时会在电极表面形成气膜,造成电极钝化失活。电极表面析出的气体也会以气泡形式分散于电解液中,使电解液成为气液混合体系,导致实际的导电率下降。要想保证电缆输送电量不变,需提高电压值,这样势必增加过程能耗。进一步的,电缆在运行中会产生发热现象,从而电缆接头温度容易出现异常。
当包裹松动时,也会造成接头处接触电阻过大,从而造成电缆产生发热现象,进一步的,电缆接头温度容易出现异常。
当异常原因不同时,电缆接头异常的温度信息可能也不同,例如,当异常原因为接线电阻增大时,电缆接头异常温度范围可能为120℃~150℃,则异常温度信息是此范围中的一个温度值;当异常原因为材质异常时,电缆接头异常温度范围可能为70℃~80℃,则异常温度信息是此范围中的一个温度值。因此,在训练异常原因分析模型时,参数量中的异常原因可能细化为具体原因,当将拟合图像划分为三个区块后,细化后的参数量可以包括编号信息、区块1温度信息、区块2温度信息、区块3温度信息、拟合图像、异常原因-材质异常、异常原因-接触不牢固、异常原因-接线电阻增大、异常原因-接线电化学反应以及异常原因-包裹松动。相应的,采集样本的预设数量根据十倍法则设置为一百条。
本方案中,通过细化导致电缆接头温度异常的原因,从而在训练异常原因分析模型时扩大训练的预设数量,可以使异常原因分析模型分析的结果更精准,从而使工作人员维修时能更快的根据异常原因判断相应解决方案,提高工作人员维修效率。同时,由于更快的排除电缆接头故障,可以一定程度上提高电缆正常运行的时间,延长电缆寿命。
实施例三
图3是本申请实施例三提供的基于图像识别的电缆接头温度异常检测方法的流程示意图。如图3所示,具体包括如下步骤:
S301,通过可见光摄像头获取电缆接头处的可见光图像;
S302,通过红外摄像头获取电缆接头处的红外图像;
S303,通过识别模块识别所述可见光图像中包括的电缆接头的编号信息;并根据所述红外图像获取电缆接头处的温度信息;
S304,通过拟合模块对所述可见光图像和所述红外图像进行拟合,得到电缆接头的拟合图像,并将所述编号信息与所述温度信息附加到所述拟合图像中;
S305,通过温度异常识别模块在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因;
S306,通过告警模块对所述拟合图像和所述导致异常的原因进行关联展示。
进一步的,在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因,包括:
在所述温度信息高于设定温度阈值的情况下,对所述拟合图像按照预设面积进行区块划分;
识别划分后各区块的最高温度和平均温度,并赋值给所述拟合图像;
将带有区块温度赋值的拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因。
进一步的,所述导致异常的原因包括:材质异常、接触不牢固、接线电阻增大、接线电化学反应以及包裹松动;
所述异常原因分析模型是基于所述各导致异常的原因的条件下体现的温度信息,采集预设数量的样本进行训练得到的。
进一步的,在对所述拟合图像和所述导致异常的原因进行关联展示之后,所述方法还包括:
通过接头位置确定模块读取所述电缆接头的编号信息,并基于预先存储的编号信息与安装位置的对照表,确定所述电缆接头的安装位置。
在本申请实施例中,通过可见光摄像头获取电缆接头处的可见光图像;通过红外摄像头获取电缆接头处的红外图像;通过识别模块识别所述可见光图像中包括的电缆接头的编号信息;并根据所述红外图像获取电缆接头处的温度信息;通过拟合模块对所述可见光图像和所述红外图像进行拟合,得到电缆接头的拟合图像,并将所述编号信息与所述温度信息附加到所述拟合图像中;通过温度异常识别模块在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因;通过告警模块对所述拟合图像和所述导致异常的原因进行关联展示。通过上述基于图像识别的电缆接头温度异常检测方法,可以实时精准的获取电缆接头的温度信息,并能根据此温度信息实时判断是否出现异常以及异常原因,以便工作人员可以及时处理异常。在一定程度上减少误报情况的发生,并能增长电缆使用寿命。
本实施例所提供的一种基于图像识别的电缆接头温度异常检测方法,与上述各实施例所提供的装置对应且有与之相应的执行过程和有益效果,此处不再赘述。
实施例四
如图4所示,本申请实施例还提供一种电子设备400,包括处理器401,存储器402,存储在存储器402上并可在所述处理器401上运行的程序或指令,该程序或指令被处理器401执行时实现上述基于图像识别的电缆接头温度异常检测装置实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
需要说明的是,本申请实施例中的电子设备包括上述所述的移动电子设备和非移动电子设备。
实施例五
本申请实施例还提供一种可读存储介质,所述可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述基于图像识别的电缆接头温度异常检测装置实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
实施例六
本申请实施例另提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现上述基于图像识别的电缆接头温度异常检测装置实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为***级芯片、***芯片、芯片***或片上***芯片等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。此外,需要指出的是,本申请实施方式中的方法和装置的范围不限按示出或讨论的顺序来执行功能,还可包括根据所涉及的功能按基本同时的方式或按相反的顺序来执行功能,例如,可以按不同于所描述的次序来执行所描述的方法,并且还可以添加、省去、或组合各种步骤。另外,参照某些示例所描述的特征可在其他示例中被组合。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以计算机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(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,或者网络设备等)执行本申请各个实施例所述的方法。
上面结合附图对本申请的实施例进行了描述,但是本申请并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本申请的启示下,在不脱离本申请宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本申请的保护之内。
上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
Claims (10)
1.一种基于图像识别的电缆接头温度异常检测装置,其特征在于,所述装置包括:
可见光摄像头,用于获取电缆接头处的可见光图像;
红外摄像头,用于获取电缆接头处的红外图像;
识别模块,用于识别所述可见光图像中包括的电缆接头的编号信息;并根据所述红外图像获取电缆接头处的温度信息;
拟合模块,用于对所述可见光图像和所述红外图像进行拟合,得到电缆接头的拟合图像,并将所述编号信息与所述温度信息附加到所述拟合图像中;
温度异常识别模块,用于在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因;
告警模块,用于对所述拟合图像和所述导致异常的原因进行关联展示。
2.根据权利要求1所述的基于图像识别的电缆接头温度异常检测装置,其特征在于,所述温度异常识别模块,具体用于:
在所述温度信息高于设定温度阈值的情况下,对所述拟合图像按照预设面积进行区块划分;
识别划分后各区块的最高温度和平均温度,并赋值给所述拟合图像;
将带有区块温度赋值的拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因。
3.根据权利要求2所述的基于图像识别的电缆接头温度异常检测装置,其特征在于,所述导致异常的原因包括:材质异常、接触不牢固、接线电阻增大、接线电化学反应以及包裹松动;
所述异常原因分析模型是基于所述各导致异常的原因的条件下体现的温度信息,采集预设数量的样本进行训练得到的。
4.根据权利要求1所述的基于图像识别的电缆接头温度异常检测装置,其特征在于,所述装置还包括:
接头位置确定模块,用于读取所述电缆接头的编号信息,并基于预先存储的编号信息与安装位置的对照表,确定所述电缆接头的安装位置。
5.根据权利要求4所述的基于图像识别的电缆接头温度异常检测装置,其特征在于,所述接头位置确定模块,还用于:
在所述电缆接头的编号信息无法确定或者所述对照表中不存在所述编号信息的情况下,获取所述可见光摄像头和/或所述红外摄像头的设备ID;
根据所述设备ID确定所述电缆接头的安装位置。
6.一种基于图像识别的电缆接头温度异常检测方法,其特征在于,所述方法包括:
通过可见光摄像头获取电缆接头处的可见光图像;
通过红外摄像头获取电缆接头处的红外图像;
通过识别模块识别所述可见光图像中包括的电缆接头的编号信息;并根据所述红外图像获取电缆接头处的温度信息;
通过拟合模块对所述可见光图像和所述红外图像进行拟合,得到电缆接头的拟合图像,并将所述编号信息与所述温度信息附加到所述拟合图像中;
通过温度异常识别模块在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因;
通过告警模块对所述拟合图像和所述导致异常的原因进行关联展示。
7.根据权利要求6所述的基于图像识别的电缆接头温度异常检测方法,其特征在于,在所述温度信息高于设定温度阈值的情况下,将所述拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因,包括:
在所述温度信息高于设定温度阈值的情况下,对所述拟合图像按照预设面积进行区块划分;
识别划分后各区块的最高温度和平均温度,并赋值给所述拟合图像;
将带有区块温度赋值的拟合图像输入至预先训练的异常原因分析模型,以通过所述异常原因分析模型确定至少一种导致异常的原因。
8.根据权利要求7所述的基于图像识别的电缆接头温度异常检测方法,其特征在于,所述导致异常的原因包括:材质异常、接触不牢固、接线电阻增大、接线电化学反应以及包裹松动;
所述异常原因分析模型是基于所述各导致异常的原因的条件下体现的温度信息,采集预设数量的样本进行训练得到的。
9.根据权利要求6所述的基于图像识别的电缆接头温度异常检测方法,其特征在于,在对所述拟合图像和所述导致异常的原因进行关联展示之后,所述方法还包括:
通过接头位置确定模块读取所述电缆接头的编号信息,并基于预先存储的编号信息与安装位置的对照表,确定所述电缆接头的安装位置。
10.一种电子设备,其特征在于,包括处理器,存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如权利要求6-9中任一项所述的基于图像识别的电缆接头温度异常检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211638095.0A CN116188752A (zh) | 2022-12-20 | 2022-12-20 | 基于图像识别的电缆接头温度异常检测装置、方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211638095.0A CN116188752A (zh) | 2022-12-20 | 2022-12-20 | 基于图像识别的电缆接头温度异常检测装置、方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116188752A true CN116188752A (zh) | 2023-05-30 |
Family
ID=86441235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211638095.0A Pending CN116188752A (zh) | 2022-12-20 | 2022-12-20 | 基于图像识别的电缆接头温度异常检测装置、方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116188752A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116839682A (zh) * | 2023-09-01 | 2023-10-03 | 山东日辉电缆集团有限公司 | 一种基于物联网的电缆加工制造实时监控*** |
CN116990321A (zh) * | 2023-09-28 | 2023-11-03 | 广东新亚光电缆股份有限公司 | 一种基于图像识别的护套扁形电缆产品质量分析*** |
-
2022
- 2022-12-20 CN CN202211638095.0A patent/CN116188752A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116839682A (zh) * | 2023-09-01 | 2023-10-03 | 山东日辉电缆集团有限公司 | 一种基于物联网的电缆加工制造实时监控*** |
CN116839682B (zh) * | 2023-09-01 | 2023-11-21 | 山东日辉电缆集团有限公司 | 一种基于物联网的电缆加工制造实时监控*** |
CN116990321A (zh) * | 2023-09-28 | 2023-11-03 | 广东新亚光电缆股份有限公司 | 一种基于图像识别的护套扁形电缆产品质量分析*** |
CN116990321B (zh) * | 2023-09-28 | 2023-12-22 | 广东新亚光电缆股份有限公司 | 一种基于图像识别的护套扁形电缆产品质量分析*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116188752A (zh) | 基于图像识别的电缆接头温度异常检测装置、方法及设备 | |
CN112910094B (zh) | 基于泛在电力物联网的变电站远方自动巡检***及方法 | |
CN110850723B (zh) | 一种基于变电站巡检机器人***的故障诊断及定位方法 | |
CN109638959B (zh) | 基于ar和深度学习的电力设备遥信功能调试方法及*** | |
CN110568310A (zh) | 一种输电线路可视化在线监测*** | |
CN112749813A (zh) | 一种数据处理***、方法、电子设备及存储介质 | |
US20240088834A1 (en) | Method, device, and system for monitoring photovoltaic power station | |
US20220058789A1 (en) | Method for Processing Infrared Image of Power Device Based on Measured Temperature | |
CN111127445A (zh) | 基于深度学习的配网线路高温区域检测方法与*** | |
CN110796754A (zh) | 一种基于图像处理技术的机房巡检方法 | |
CN110687394A (zh) | 一种海底电缆故障自动快速定位航行器*** | |
CN113153262A (zh) | 一种基于电缆热特性的海上油田可接入容量评估方法 | |
CN117173373A (zh) | 一种基于数字孪生底座的输变电设备全景展示方法及*** | |
CN115664006B (zh) | 一种增量配电网智能管控一体化平台 | |
KR20130127402A (ko) | 음극방식 관리장치의 cips 측정방법 | |
CN108573233B (zh) | 一种基于图像处理技术的电网陶瓷绝缘子识别方法 | |
CN116405638A (zh) | 基于多元传感器的智能巡检装置、巡检***及巡检方法 | |
CN114199304B (zh) | 光伏电站通信机房的异常检测方法、装置及计算机设备 | |
CN115481941A (zh) | 一种多功能区联合的智能化安防管理方法及*** | |
CN113449767B (zh) | 一种多图像融合的变电站设备异常识别定位方法 | |
CN115187086A (zh) | 一种应急管理智能化管控*** | |
CN114860816A (zh) | 一种水质污染智能预警体系集成方法、装置及相关设备 | |
CN114826147A (zh) | 一种光伏发电站的故障巡检方法、装置及介质 | |
CN112218040A (zh) | 高压电缆附件安装用后台监视装置、*** | |
CN117291317B (zh) | 基于aem的智能电力监控与优化*** |
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 |