[发明专利]一种面向电力设备的红外图像故障检测方法及装置

权利要求书

1.一种面向电力设备的红外图像故障检测方法，其特征在于，包括：

获取电力设备的待检测红外图像，并将所述待检测红外图像输入至经预先训练的目标检测模型，得到所述待检测红外图像中的电力设备类型及电力设备位置信息；

利用颜色识别技术识别所述待检测红外图像的故障区域；

将所述电力设备类型及所述电力设备位置信息与对应的所述故障区域进行融合，获得电力设备的故障位置。

2.根据权利要求1所述的面向电力设备的红外图像故障检测方法，其特征在于，预先训练所述目标检测模型的步骤，包括：

根据历史红外图像构建训练集和测试集，并对所述训练集和所述测试集进行标注，得到所述电力设备的目标标注框；

利用标注后的所述训练集对YOLOv3模型进行训练，得到所述目标检测模型。

3.根据权利要求2所述的面向电力设备的红外图像故障检测方法，其特征在于，所述利用标注后的所述训练集对YOLOv3模型进行训练，得到所述目标检测模型，包括：

将标注后的所述训练集输入至YOLOv3模型，得到初始检测模型；

计算所述初始检测模型的损失函数，通过损失函数最优化方法，对所述初始检测模型的权值进行更新，得到中间检测模型；

将标注前的测试集输入至所述中间目标检测模型，输出测试标注框；

将所述目标标注框与所述测试标注框进行比对；若比对结果不一致，则继续对YOLOv3模型进行训练，直至比对结果一致，得到最终的所述目标检测模型。

4.根据权利要求1所述的面向电力设备的红外图像故障检测方法，其特征在于，所述将所述待检测红外图像输入至经预先训练的目标检测模型，得到所述待检测红外图像中的电力设备类型及电力设备位置信息，包括：

调整所述待检测红外图像的像素为标准值；

将调整后的所述待检测红外图像输入至所述目标检测模型的特征提取网络，输出特征提取网络输出特征图；所述特征提取网络包含52层卷积层；

对所述特征提取网络输出特征图进行降维，得到y1特征图；

将所述y1特征图与所述特征提取网络的第43层卷积层的残差模块输出特征图进行横向连接，得到y2特征图；

对所述y2特征图进行特征降维及上采样后，与所述特征提取网络的第26层卷积层的残差模块输出特征图横向连接，得到y3特征图；

在所述y1特征图、所述y2特征图及所述y3特征图上分别生成预测框，得到每个所述预测框对应的四维向量；

若所述预测框中包含所述电力设备，则计算该预测框的坐标及该预测框中的所述电力设备属于预先设定的各所述电力设备类型的概率；

根据所述概率确定所述电力设备类型，并利用所述四维向量确定所述电力设备位置信息。

5.根据权利要求1所述的面向电力设备的红外图像故障检测方法，其特征在于，所述利用颜色识别技术识别所述待检测红外图像的故障区域，包括：

将所述待检测红外图像由RGB色彩空间转为HSV色彩空间；

根据HSV故障颜色范围参考表从转为所述HSV色彩空间的所述待检测红外图像中，提取故障颜色范围区域，作为所述故障区域。

6.根据权利要求5所述的面向电力设备的红外图像故障检测方法，其特征在于，还包括：

根据所述故障区域，对所述待检测红外图像进行二值化处理。

7.根据权利要求1所述的面向电力设备的红外图像故障检测方法，其特征在于，所述将所述电力设备类型及所述电力设备位置信息与对应的所述故障区域进行融合，获得电力设备的故障位置，包括：

遍历待检测红外图像中的所有所述目标标注框，检测是否存在所述故障区域；

如果存在所述故障区域，则生成所述目标标注框中的所述故障区域的坐标。