[发明专利]一种基于测量温度的电力设备红外图像处理方法

权利要求书

1.一种基于测量温度的电力设备红外图像处理方法，其特征在于，该方法包括以下步骤：

S1：利用红外热像仪在不同的环境温度下采集电力设备的灰度数据图像；

S2：根据步骤S1利用红外热像仪在不同环境温度下采集的电力设备灰度数据图像，构建机器学习温度转换模型，利用模型把不同环境温度下的灰度数据图像转换成温度数据；

步骤S2包括以下子步骤：

S21：利用红外热像仪将不同环境温度下的电力设备灰度数据图像进行到物体温度的映射；

S22：根据步骤S21，采用盲元检测算法查找温度的最大值和最小值，并去除盲元及过热像元；

S23：根据步骤S21及S22，在电力设备温度数据图像画面上建立温宽色标；

步骤S21包括以下子步骤：

S211：利用红外测温仪测得与步骤S1相同场景下的物体温度，并将物体温度与灰度数据图像一一对应，形成电力设备温度数据图像；

S212：将电力设备的温度数据图像与灰度数据图像形成样本对，将样本对分成训练集和测试集；

S213：搭建测量温度的机器学习温度转换模型；

S214：对所述模型进行参数调节及优化，训练所述模型并对其进行测试；

步骤S213的具体操作为：

所述机器学习温度转换模型包括三部分，第一部分为特征提取模块，由一个卷积层和一个非线性激活层构成；第二部分为密集连接模块；第三部分为重建模块，由一个卷积层构成；

所述步骤S214的具体包括以下子步骤：

步骤a：构造损失函数，损失函数为其中表示的是模型输入的电力设备灰度数据图像，表示的是实际的电力设备温度数据图像，表示训练出的电力设备温度数据图像，θ表示模型权重，j表示每一个训练样本对，N表示训练集中的样本数；

步骤b：对各卷积层进行参数调节，采用误差反向传播算法训练模型，保存训练好的模型权重；

步骤c：载入训练好的模型权重，使用测试集对模型进行测试。

2.根据权利要求1所述的一种基于测量温度的电力设备红外图像处理方法，其特征在于，步骤S211的具体操作为：

将步骤S1中测得的灰度数据与物体温度在像素关系上一一对应，形成电力设备温度数据图像，温度数据图像的像素值代表物体在该像素上对应的温度值。

3.根据权利要求1所述的一种基于测量温度的电力设备红外图像处理方法，其特征在于，步骤S213中，所述特征提取模块中，卷积层卷积核大小为3X3，卷积核初始化的权重分布符合高斯分布，输入为电力设备的灰度数据图像，输出64通道的特征图，非线性激活层使用的激活函数为tanh。

4.根据权利要求1所述的一种基于测量温度的电力设备红外图像处理方法，其特征在于，步骤S213中，所述密集连接模块：有3个卷积层，两两卷积层之间分别嵌入批归一化层、非线性激活层、1×1卷积层；输入都为64通道的特征图，且输出都为128通道的特征图，卷积核大小都为3X3，卷积核初始化的权重分布符合高斯分布，非线性激活层使用的激活函数为ReLU。

5.根据权利要求1所述的一种基于测量温度的电力设备红外图像处理方法，其特征在于，步骤S213中，所述重建模块中，卷积层卷积核大小为3X3，卷积核初始化的权重分布符合高斯分布，输入为128通道的特征图，输出为温度数据图像。

6.根据权利要求1所述的一种基于测量温度的电力设备红外图像处理方法，其特征在于，所述步骤b中，采用误差反向传播算法训练所述模型，使用adam优化器,总共迭代优化10万次，保存迭代优化所得模型的权重。