[发明专利]一种基于深度学习的套管红外图像的故障诊断方法在审

专利信息
申请号: 201911145289.5 申请日: 2019-11-21
公开(公告)号: CN111798405A 公开(公告)日: 2020-10-20
发明(设计)人: 江军;别一凡;陈钜栋;李威;冯汭琪;张潮海 申请(专利权)人: 南京航空航天大学
主分类号: G06T7/00 分类号: G06T7/00;G06T7/11;G06K9/46;G06K9/62
代理公司: 暂无信息 代理人: 暂无信息
地址: 211106 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 深度 学习 套管 红外 图像 故障诊断 方法
【说明书】:

发明公开了一种利用深度学习对变压器套管红外图像进行故障诊断的方法,包括套管提取模块、故障区域提取模块、故障诊断模块,实现对输入的套管红外图像进行故障诊断的作用。其中套管提取模块包括离线训练部分及在线提取部分、故障区域提取模块包括SLIC算法预处理部分及PCNN提取部分,故障诊断模块包括故障特征向量提取及故障分类部分。本检测算法基于深度学习,通过对标记的套管图像进行训练达到提取复杂背景中套管图像的目的,然后提取出故障及其特征向量,利用诊断算法达到故障诊断的目的,从而实现了套管的红外图像故障检测,可有效保证套管能够安全、稳定地运行。

技术领域

本发明涉及电力设备质量监督领域,具体是一种基于套管的红外图像故障检测方法。

背景技术

套管作为变压器的重要组件,起着将绕组引出线引出油箱,并连接到电网的作用。保证其保持良好的绝缘性能以及使电流良好导通的作用,对保证变压器的可靠供电和安全运行至关重要。近年来,根据各种研究和电力设施的数据,由套管引起的变压器故障占变压器故障总数的5%到50%。同时套管故障也是变压器起火的最常见原因,该故障会对电力系统造成巨大的影响。需要特别引起注意的是,随着电压等级的提高,套管事故所占比例不断增加。

而有关统计资料表明,电力系统中超过半数以上的电气设备故障都是连接松动、接触不良、泄露电流、漏磁等造成的发热引起的。而发热类的故障可以通过红外图像很好地进行观察。在现有工作模式下,红外图像故障识别主要以人工识别为主,对人员的专业素质要求高,存在着人为因素影响大、工作效率低等缺陷等问题。随着智能变电站和变电站巡检机器人的进一步发展和普及,海量的红外故障图像涌入等待分析,此时仅依靠人工分析显然已经不能满足需求。而采用计算机的辅助分析手段对采集到的红外图像进行自动提取、识别、分析,可以减轻劳动强度、减少对技术人员的依赖;更有利于实现图像的数据化,便于进行横向和纵向的统计分析。

但传统的故障检测方式无法从复杂的红外图像中提取出套管部分,而基于现有的深度学习技术则需要大量的故障样本才能满足诊断的效果,故提出了一种基于深度学习的红外图像故障检测技术解决了需要大量的故障样本才能满足诊断的问题。

发明内容

发明目的:

本发明目的在于克服上述现有技术的不足,提供基于深度学习的红外图像故障检测技术,通过对套管故障红外图像的分析获取了可以将故障之间区分的特征向量,突出了故障之间的区别,减小了故障检测对数据量的依赖性。

技术方案:

本发明为实现上述发明目的采用如下技术方案:

一种基于深度学习的套管红外图像的故障诊断方法,其特征是,包括以下部分包括套管提取模块、故障区域提取模块、故障诊断模块:

步骤S1,利用红外摄像仪在变电站采集套管红外图像,对不同图像进行编号处理并进一步利用标记软件手动选取红外图像中的套管部分进行标记,进而建立套管红外图像库;

步骤S2,将套管红外图像库中经过标记的图像输入到套管提取模块中的离线训练部分,使得所选取的深度学习模型达到具有将任一具有套管部分的其他红外图像输入模型时,能够提取其套管区域的功能;

步骤S3,将步骤S2中提取出的套管部分输入故障区域提取模块进行故障区域判断及提取,包括一下子步骤:

子步骤S3.1,对套管图像进行SLIC算法处理,根据图像中位置及颜色将图像划分为不同色块聚类;

子步骤S3.2,对聚类过的图片进行PCNN分割处理,即利用PCNN将图像中的故障区域提取出,其他背景进行滤除;

步骤S4,将步骤S3中提取出的套管故障区域进行特征向量的提取;

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京航空航天大学,未经南京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911145289.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code