一种电力设备热缺陷识别方法及系统与流程

本发明涉及电力设备缺陷识别，特别是涉及一种电力设备热缺陷识别方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、目前用电用户对用电质量的要求越来越高，供电公司在保障正常供电情况下，需要频繁定期巡检大量的电网设备，避免其在存在较大风险中运行，而且电网结构复杂，电力设备分布广泛，巡检跨度大、难度高，传统的巡检方法制约着巡检的准确性和效率。在电气设备的长期使用过程中，其内部器件可能发生老化和丧失绝缘，引起设备局部温升或过热，甚至造成严重事故。

3、近年来，红外图像技术不断发展，然而红外图像技术在电气领域应用的过程中还是存在较多的问题，现有的机器视觉识别技术受限较大，不仅难以对复杂且种类繁多的电气设备实现精准分类，还因红外图像存在各种背景噪声干扰而难以实现设备过热关键区域的特征提取。在现有技术中，通过图像分割、对比和增强等方式识别故障位置的关键信息，又如论文《基于改进yolo算法的遥感图像目标检测》中公开了根据热像特征、纹理特征等完成分割后红外图像的热缺陷识别，现有技术中的方法虽然在背景噪声或干扰较小的红外图像中识别率较高，但是经过验证发现，现有技术在复杂场景下的热缺陷识别效率和准确度都偏低。除此之外，现有技术中利用单一图像信息进行电力设备热缺陷识别，使得识别精准度较低。综上所述，现有技术中存在的技术问题有：

4、1、由于红外图像存在各种背景噪声干扰导致难以实现设备过热关键区域的特征提取；

5、2、仅仅利用单一图像信息数据进行电力设备热缺陷识别，导致热缺陷识别精准度较低；

6、3、部分电力设备外形极为相似，而热缺陷图像特征中的缺陷面积较小，在深层网络中存在极易丢失特征的问题，导致最终识别精度偏低。

技术实现思路

1、为了解决上述问题，本发明提出了一种电力设备热缺陷识别方法及系统，考虑两种图像信息数据，并将其融合，并对局部提取模型和识别模型做出了改进，提高了电力设备热缺陷识别的精度。

2、为了实现上述目的，本发明采用如下技术方案：

3、第一方面，本发明提供一种电力设备热缺陷识别方法，包括：

4、采集待识别电力设备的可见光图像和红外光图像，并对可见光图像和红外光图像进行预处理；

5、将预处理后的可见光图像和红外光图像进行图像融合，得到融合图像；

6、将所述融合图像输入至改进yolov4模型中，输出局部融合图像，再将所述局部融合图像输入热缺陷识别模型中，并利用贝叶斯超参数进行不断优化，输出热缺陷识别结果。

7、进一步的技术方案，所述对可见光图像和红外光图像进行预处理，具体为依次进行图像去噪和图像增强；所述图像去噪的具体操作为：采用中值滤波对可见光图像和红外光图像进行滤波处理。

8、进一步的技术方案，所述图像增强的具体操作为：首先将经过图像去噪的可见光图像和红外光图像输入到预先训练好的深度卷积生成对抗网络的生成网络中，生成网络输出生成图像，然后利用自动色彩增强算法对生成网络输出的生成图像进行图像增强处理。

9、进一步的技术方案，所述图像融合的具体操作为：采用张氏标定法对经过预处理后的可见光图像和红外光图像分别进行矫正变换，得到矫正可见光图像和矫正红外光图像；

10、根据矫正可见光图像和矫正红外光图像的缩放比统一其尺寸比例，并计算统一尺寸比例后的矫正可见光图像和矫正红外光图像的相对偏移量对统一尺寸比例后的矫正可见光图像和矫正红外光图像进行粗配准；将统一尺寸比例后的矫正红外光图像中提取的特征与统一尺寸比例后的矫正可见光图像中对应提取的特征进行互相匹配和筛选，完成精配准，得到精配可见光图像和精配红外光图像；将精配可见光图像和精配红外光图像输入多源图像融合网络中进行图像融合，输出融合图像。

11、进一步的技术方案，所述多源图像融合网络包括编码器、特征融合模块和解码器；

12、所述编码器设置为两个，包括第一编码器和第二编码器；将精配可见光图像和精配红外光图像输入到多源图像融合网络中，通过第一编码器对精配可见光图像进行特征提取，通过第二编码器对精配红外光图像进行特征提取，分别得到可见光特征图和红外特征图；

13、利用特征融合模块对可见光特征图和红外特征图进行特征融合，得到融合特征图；最终利用解码器对融合特征图进行图像重构，得到融合图像。

14、进一步的技术方案，所述改进yolov4模型中的激活函数选择gelu激活函数，所述gelu激活函数为：

15、x·，式中，为输入。

16、进一步的技术方案，所述热缺陷识别模型为改进残差网络模型，所述改进残差网络模型中包括8个res-branch子模块，其中第ｉ个模块前输出的特征作为第ｊ个模块增加的输入特征。

17、第二方面，本发明提供一种电力设备热缺陷识别系统，包括：

18、采集处理模块，被配置为：采集待识别电力设备的可见光图像和红外光图像，并对可见光图像和红外光图像进行预处理；

19、图像融合模块，被配置为：将预处理后的可见光图像和红外光图像进行图像融合，得到融合图像；

20、识别模块，被配置为：将所述融合图像输入至改进yolov4模型中，输出局部融合图像，再将所述局部融合图像输入热缺陷识别模型中，并利用贝叶斯超参数进行不断优化，输出热缺陷识别结果。

21、与现有技术相比，本发明的有益效果为：

22、1、本发明对传统的yolov4模型进行了改进，采用gelu 激活函数替换主干网络中的 leakyrelu函数，增加模型的非线性因素，提升了yolov4模型传递不同尺度参数的能力，使得模型在训练过程中能够具有更高的泛化能力，有利于实现设备过热关键区域的特征提取。

23、2、本发明采集了电力设备的可见光图像和红外光图像，通过两种图像信息数据并将二者进行融合后进行局部提取，再进行识别，解决了现有技术中利用单一图像信息数据进行电力设备热缺陷识别，导致热缺陷识别精准度较低的问题。

24、3、本发明采用残差网络作为热缺陷识别模型，并对传统的残差网络进行了改进，将传统的残差网络中第ｉ个模块前输出的特征作为第ｊ个模块增加的输入特征，让网络具有更强的梯度流动性并保存了低维度的特征，解决了现有技术中的深层网络存在极易丢失特征，导致识别精度低的问题。

技术特征：

1.一种电力设备热缺陷识别方法，其特征在于，包括：

2.如权利要求1所述的一种电力设备热缺陷识别方法，其特征在于，所述对可见光图像和红外光图像进行预处理，具体为依次进行图像去噪和图像增强；所述图像去噪的具体操作为：采用中值滤波对可见光图像和红外光图像进行滤波处理。

3.如权利要求2所述的一种电力设备热缺陷识别方法，其特征在于，所述图像增强的具体操作为：首先将经过图像去噪的可见光图像和红外光图像输入到预先训练好的深度卷积生成对抗网络的生成网络中，生成网络输出生成图像，然后利用自动色彩增强算法对生成网络输出的生成图像进行图像增强处理。

4.如权利要求1所述的一种电力设备热缺陷识别方法，其特征在于，所述图像融合的具体操作为：采用张氏标定法对经过预处理后的可见光图像和红外光图像分别进行矫正变换，得到矫正可见光图像和矫正红外光图像；

5.如权利要求4所述的一种电力设备热缺陷识别方法，其特征在于，所述多源图像融合网络包括编码器、特征融合模块和解码器；

6.如权利要求1所述的一种电力设备热缺陷识别方法，其特征在于，所述改进yolov4模型中的激活函数选择gelu激活函数，所述gelu激活函数为：

7.如权利要求1所述的一种电力设备热缺陷识别方法，其特征在于，所述热缺陷识别模型为改进残差网络模型，所述改进残差网络模型中包括8个res-branch子模块，其中第ｉ个模块前输出的特征作为第ｊ个模块增加的输入特征 。

8.一种电力设备热缺陷识别系统，其特征在于，包括：

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种电力设备热缺陷识别方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种电力设备热缺陷识别方法中的步骤。

技术总结本发明涉及一种电力设备热缺陷识别方法及系统，包括：采集待识别电力设备的可见光图像和红外光图像，并对可见光图像和红外光图像进行预处理；将预处理后的可见光图像和红外光图像进行图像融合，得到融合图像；将所述融合图像输入至改进YOLOv4模型中，输出局部融合图像，再将所述局部融合图像输入热缺陷识别模型中，并利用贝叶斯超参数进行不断优化，输出热缺陷识别结果。本发明考虑两种图像信息数据，并将其融合，并对局部提取模型和识别模型做出了改进，解决了现有技术中利用单一图像信息数据进行电力设备热缺陷识别和深层网络存在极易丢失特征的问题，提高了电力设备热缺陷识别的精度。技术研发人员：彭文存,李贺,刘世敏,马坤,孙卫华,冯城金,张凤娟,张东旭受保护的技术使用者：国网山东省电力公司金乡县供电公司技术研发日：技术公布日：2024/7/29