[发明专利]基于红外及可见图像的电力设备故障检测方法及评估设备

权利要求书

1.一种基于红外及可见图像特征的电力设备故障检测方法，其特征在于，包括：

步骤S1：接收检测到的红外拍摄图像，并基于红外拍摄图像与红外标准图像进行对比，识别红外拍摄图像的设备类别；

步骤S2：判断是否存在检测到的可见光拍摄图像，若为是，则执行步骤S3，反之，则执行步骤S4；

步骤S3：对红外拍摄图像和可见光拍摄图像进行融合，利用模板匹配的方式获取缺陷部位及缺陷温度，并执行步骤S5；

步骤S4：利用红外拍摄图像获取匹配的可见光标准图像，对红外拍摄图像和可见光标准图像进行融合，利用模板匹配的方式获取缺陷部位及缺陷温度，并执行步骤S5；

步骤S5：基于获取的设备类别、缺陷部位及缺陷温度得到故障诊断结果。

2.根据权利要求1所述的一种基于红外及可见图像特征的电力设备故障检测方法，其特征在于，所述步骤S3和步骤S4中的融合、缺陷部位及缺陷温度获得过程具体包括：

步骤S301：利用KNN，以加速稳健特征算法的特征点极值、特征点垂直响应、特征点水平响应和特征点主方向为样本进行特征点分类；

步骤S302：将分类后的可见光图像与红外拍摄图像的特征点进行匹配、融合，其中，所述可见光图像为可见光标准图像或可见光拍摄图像；

步骤S303：利用该类别设备的可见光健康图像与融合图像进行匹配，进而获得缺陷部位和缺陷温度。

3.根据权利要求2所述的一种基于红外及可见图像特征的电力设备故障检测方法，其特征在于，所述特征点分类过程具体为：计算特征点与目标分类集合的距离，并选择距离最小的集合所以的类别作为该特征点的类别，所述距离具体为：

其中：d为距离，v_(Det)为待分类特征点v的极值，为a类特征点集合中第K个特征点的极值，为待分类特征点v的水平响应，为a类特征点集合中第K个特征点的水平响应，为待分类特征点v的垂直响应，为a类特征点集合中第K个特征点的垂直响应，为待分类特征点v的主方向，为a类特征点集合中第K个特征点的主方向。

4.根据权利要求2所述的一种基于红外及可见图像特征的电力设备故障检测方法，其特征在于，所述步骤S1的对比过程采用NCC算法实现。

5.一种基于红外及可见图像特征的电力设备安全预评估设备，其特征在于，包括：

用于获取红外拍摄图像的红外摄像模块；

用于根据红外拍摄图像和红外标准图像进行对比以获取设备类别的设备识别模块，该设备分类模块与红外摄像模块连接；

用于将红外拍摄图像和可见光图像进行融合的图像融合模块，该图像融合模块与红外摄像模块连接；

用于根据融合图像获得缺陷位置和缺陷温度的故障诊断模块，该故障诊断模块与图像融合模块连接；

用于对故障进行演化预测的故障演化预测模块，该故障演化预测模块与故障诊断模块连接。

6.根据权利要求5所述的设备，其特征在于，所述设备识别模块的对比过程采用NCC算法实现。

7.根据权利要求5所述的设备，其特征在于，所述故障诊断模块利用权核K均值聚类算法以设备类别、缺陷部位、缺陷温度及运行参数为样本进行故障诊断。

8.根据权利要求5所述的设备，其特征在于，所述故障演化预测模块在故障诊断的基础上结合长-短期记忆模型的预测负荷及环境信息对故障趋势进行建模分析。

9.根据权利要求5所述的设备，其特征在于，所述设备还包括用于获取可见光拍摄图像的可见光摄像模块，所述可见光摄像模块与图像融合模块连接。

10.根据权利要求5所述的设备，其特征在于，融合、缺陷部位及缺陷温度获得过程具体包括：

步骤S301：利用KNN，以加速稳健特征算法的特征点极值、特征点垂直响应、特征点水平响应和特征点主方向为样本进行特征点分类；

步骤S302：将分类后的可见光图像与红外拍摄图像的特征点进行匹配、融合，其中，所述可见光图像为可见光标准图像或可见光拍摄图像；

步骤S303：利用该类别设备的可见光健康图像与融合图像进行匹配，进而获得缺陷部位和缺陷温度。