[发明专利]一种变电设备接头发热的自动识别方法

权利要求书

1.一种变电设备接头发热的自动识别方法，其特征在于，包括以下步骤：

S1.收集变电站设备图像，并建立变电设备接头发热缺陷定级标准表；

S2.用不规则轮廓标注出S1步骤中所述的变电设备图像中的导电接头的所在区域，轮廓外的像素为背景像素；同时，根据所标注的不规则轮廓，生成该轮廓的外接矩形，形成训练图像；

其中，上述轮廓内包含的像素为Mask R-CNN模型的目标分割输出标签；生成的外接矩形，作为Mask R-CNN模型的目标检测输出标签；

S3.通过图像裁剪和/或图像翻转和/或图像色彩扰动对S2步骤中的训练图像进行扩展，得到扩展后的训练图像；

S4.将S3步骤中的扩展后的训练图像划分为红外图像和可见光图像两组，分别通过Mask R-CNN模型进行训练，分别得到红外图像的预测结果和可见光图像的预测结果；上述的红外图像的预测结果和可见光图像的预测结果均包括矩形框坐标、置信度以及图像类型信息；

S5.通过支持向量机模型的划分函数对S4步骤得到的红外图像的预测结果和可见光图像的预测结果进行划分；

S6.通过拍摄的设备与部位名称关键字，对获得的拍摄图像进行筛选，选择出包含的各类设备接头的待识别图像；

S7.对S6步骤筛选好的每一张待识别图像，依次进行S4、S5步骤，通过支持向量机模型的划分函数对样本特征进行划分，从而得到支持向量机模型的输出值；

S8.根据S7步骤的输出值判断图像是否定位准确；

S9.对于通过S8步骤正常定位到导电接头的变电设备图像，读取其温度最高点的温度值，并按照图片上的设备与部位名称，对应于S1步骤建立的变电设备接头发热缺陷定级标准表，检查是否有最高温度值达到缺陷标准，并给出提示；

S4步骤所述的支持向量机模型的划分函数f(x)为：其中，x为待分类样本的特征向量；k(x,x_i)为径向基核函数，λ_i为拉格朗日算子；s为训练样本数目，x₁，x₂，…，x_s为特征向量，y₁，y₂，…，y_s为样本标签；其中，A为所有使得λ_i0(i＝1，2，…，s)的下标i的集合，|A|表示集合A的元素数目；

所述的S7步骤包括：对于每一张待识别图像，将其红外图像和可见光图像分别输入两个对应的Mask R-CNN模型，再将两个模型输出的预测结果中置信度排在前3位的矩形框坐标、置信度以及图像类型作为支持向量机模型输入向量的第一部分特征，将3个矩形框坐标依次作为第二部分特征，分别构成支持向量机模型的输入向量x；当支持向量机模型的划分函数≥0时，样本x被划分为正样本，输出为1；当支持向量机模型的划分函数0时，样本x被划分为负样本，输出为0，从而输出3个预测结果；

所述的S8步骤包括：如果支持向量机的3个输出结果均为0，说明定位错误；如果支持向量机的3个输出结果不全为0，则取所有输出为1的结果作为正确预测结果，并检查是否存在两个正确预测结果分别属于红外图像与可见光图像，且S2步骤所述不规则轮廓区域的重合度超过50％，表示定位正确。