[发明专利]一种阀厅设备故障识别方法及系统

权利要求书

1.一种阀厅设备故障识别方法，其特征在于，包括：

获取图像采集设备实时拍摄的待检测设备的视频流，所述视频流包括：红外图像和紫外图像；

对视频流中的任意一帧图像进行预处理，并提取预处理后图像的特征数据；

利用动态特征分析算法、启发式分类算法至少之一对特征数据进行分析，判断待检测设备是否存在故障；

当检测到故障时，生成故障类型并定位到具体位置，其中，当检测到设备故障为放电类型时，放电故障检测的步骤包括：获取图像采集设备实时拍摄的紫外图像，通过预设图像检测算法检测出单帧图像中的可疑放电点，根据放电负样本，统计紫外噪声的分布，利用概论模型拟合，可得到噪声的概率密度函数，基于所述概率密度函数利用启发式特征分类算法构建可疑放电区域在时间上的序列，计算序列为噪声序列的概率，通过与对应的预设阈值比较来判断待检测设备是否存在放电故障，其中，利用启发式特征分类算法构建可疑放电区域在时间上的序列，计算序列为噪声序列的概率：

其中，t为同一队列中当前光斑与上一个光斑之间的时间差，为噪声的概率密度函数，通过与对应的预设阈值比较来判断待检测设备是否存在放电故障。

2.根据权利要求1所述的阀厅设备故障识别方法，其特征在于，所述当检测到故障时，生成故障类型并定位到具体位置的步骤后，还包括：生成报警信息，并对报警信息进行图表绘制、可视化显示，报警信息包括故障阀厅设备的故障类型、时间、图像和视频信息。

3.根据权利要求1所述的阀厅设备故障识别方法，其特征在于，所述故障类型包括：明火、放电、过热、渗水。

4.根据权利要求3所述的阀厅设备故障识别方法，其特征在于，当检测到设备故障为明火、过热、渗水类型时，在红外图像中标识出故障区域；当检测到设备故障为放电类型时，在紫外图像中标识出故障区域。

5.根据权利要求4所述的阀厅设备故障识别方法，其特征在于，明火故障检测的步骤包括：获取图像采集设备实时拍摄的红外图像，通过预设图像处理算法确定火焰可疑区域，提取可疑区域每一个时刻每一个火焰的特征值，并输入动态特征池，特征值包括:平均圆形度、面积平均变化率、周长平均变化率，利用启发式分类算法对特征值进行分类归队，结合动态特征分析算法判断多个待检测设备是否存在明火故障。

6.根据权利要求4所述的阀厅设备故障识别方法，其特征在于，过热故障检测的步骤包括：获取图像采集设备实时拍摄的红外图像，通过预设图像处理算法确定发热可疑区域，提取发热区域的温度值，利用动态特征分析算法分析发热区域的温升、温差、相对温差，通过与对应的预设阈值比较来判断待检测设备是否存在过热故障。

7.根据权利要求4所述的阀厅设备故障识别方法，其特征在于，渗水故障检测的步骤包括：获取图像采集设备实时拍摄的红外图像，利用图像分割算法求出单帧图像中渗水可疑区域，计算区域内与区域边界外附区域的平均温度差，初步筛选可疑区域，利用轮廓在时间序列上启发式分类算法，将多帧下不同轮廓划分为不同的队列，每个队列表示一片渗水区域在时间序列上的变化，计算各个队列在时间序列上的面积平均变化率和周长平均变化率，与设定的变化率阈值比较，筛选出渗水区域。