[发明专利]一种异常发热的电力设备检测方法、装置和可读存储介质

说明书

本发明提供一种异常发热的电力设备检测方法、装置和可读存储介质，其中，异常发热的电力设备检测方法包括如下步骤：对电力设备的红外图像和可见光图像进行边缘检测，得到红外边缘图像和可见光边缘图像；通过KAZE算法对红外边缘图像和可见光边缘图像进行特征点检测，根据特征点检测得到的红外特征点和可见光特征点进行匹配得到的匹配特征点对计算红外边缘图像和可见光边缘图像之间变换模型的变换参数；根据变换参数确定可见光边缘图像中的非匹配区域；根据对红外图像进行阈值分割得到掩码图和非匹配区域确定可见光图像中的异常发热区域，将异常发热区域对应的电力设备确定为异常发热的电力设备。本发明提高了检测异常发热的电力设备的准确率。

技术领域

本发明涉及电力设备异常检测技术领域，具体涉及一种异常发热的电力设备检测方法、装置和可读存储介质。

背景技术

电网的建设与维护为国家提升综合国力和社会的高速发展提供了动力和保障。电力设备作为电网中的重要组成部分，其稳定运行是国民安全用电的重要保障。电力设备正常工作时，电力设备的导体由于电流的流通，会产生一定的热量，会使电力设备的温度在一定的范围内。当电力设备故障或老化时，会出现局部区域发热异常的情况，长期如此，会危及电力系统的安全运行，因此需要及时的发现电力设备的异常发热区域，并进行维修。现有的电力设备发热检测方法为用测温仪或者红外热成像进行检测，其需要在整个电力系统上布置相应的仪器，电力设备发热检测花费大、且容易遗漏死角，检测成功率低下，并需要技术人员对测量结果进行分析，花费的人力物力大，智能化水平低。

随着技术的发展和成熟，人们逐步将红外成像技术获取的红外图像与可见光图像进行协同处理，结合了红外图像能够测温、抗环境干扰能力强和可见光图像细节信息丰富、分辨率高的特点，在红外图像中检测异常发热区域的同时，能够在可见光图像中自动定位发热区域并分辨引起发热的具体设备和元件。但使用红外图像和可见光图像协同处理首先需要对二者进行配准，但红外图像与可见光图像相比分辨率低、细节丢失严重、图像模糊，且红外和可见光图像的灰度属性具有明显差异。现有的配准方法常基于特征点进行配准，其中SIFT(Scale-invariant feature transform，尺度不变特征变换)对于特征点平均分布的情况，匹配的结果准确率低下，且由于SIFT描述符有多个方向，容易出现同一个特征点匹配多次的情况；SURF(Speeded Up Robust Features，加速稳健特征)相比于SIFT提升了运算速度，但匹配的结果准确率低的问题没有解决。

由此可知，目前在通过红外图像和可见光图像协调检测电力设备的发热区域过程中，红外图像和可见光图像之间特征点的匹配结果准确率低下。

发明内容

基于上述现状，针对在通过红外图像和可见光图像协调检测电力设备的发热区域过程中，红外图像和可见光图像之间特征点的匹配结果准确率低下的技术问题，本发明主要目的在于提供一种异常发热的电力设备检测方法、装置和可读存储介质，以提高红外图像和可见光图像之间特征点的匹配结果准确率。

为实现上述目的，本发明采用的技术方案如下：

一种异常发热的电力设备检测方法，所述异常发热的电力设备检测方法包括以下步骤：

S100，获取电力设备对应的红外图像和可见光图像，并对所述红外图像和所述可见光图像进行边缘检测，得到所述红外图像对应的红外边缘图像和所述可见光图像对应的可见光边缘图像；

S200，通过KAZE算法对所述红外边缘图像和所述可见光边缘图像进行特征点检测，得到所述红外边缘图像对应的红外特征点和所述可见光边缘图像对应的可见光特征点；

S300，对所述红外特征点和所述可见光特征点进行匹配，得到匹配的特征点对，并获取所述匹配特征点对对应的距离比值，将所述距离比值从小到大进行排序，得到排序后的距离比值，在排序后的距离比值中从前到后选取第一预设数量的目标距离比值，并将所述目标距离比值对应的匹配特征点对确定为初始数据集；