[发明专利]基于机器视觉和热成像技术的变压器台区监控系统及方法

权利要求书

1.一种基于机器视觉和热成像技术的变压器台区监控系统，其特征在于，包括：

相机模块(1)，用于采集变压器台区中的被检测目标的视频数据；

红外热成像模块(2)，用于采集所述变压器台区中的被检测目标的热成像画面数据；

DMP模块(3)，用于采集所述变压器台区监控系统所在位置的三轴加速度、三轴角速度和方位信息；以及

核心控制模块(4)，用于利用所述视频数据、所述热成像画面数据、所述三轴加速度、所述三轴角速度和\或所述方位信息对所述被检测目标进行识别，获取所述被检测目标的异常信息，并利用神经网络对所述异常信息进行深度学习以对非突发性故障进行提前预测。

2.根据权利要求1所述的基于机器视觉和热成像技术的变压器台区监控系统，其特征在于，所述相机模块(1)包括CMOS图像传感器和红外补光灯，其中，所述红外补光灯用于在环境光照低于所述CMOS图像传感器的最低成像所需光照时对所述被监测目标进行补光。

3.根据权利要求1所述的基于机器视觉和热成像技术的变压器台区监控系统，其特征在于，所述核心控制模块(4)包括：

数据处理模块(41)，用于将所述视频数据、所述热成像画面数据、所述当前三轴加速度、所述当前三轴角速度及所述当前方位信息进行解码或分割，以形成单帧数据序列；

深度学习运算模块(42)，用于根据所述单帧数据序列，利用经训练的神经网络对数据异常类型进行识别并输出带有故障识别信息的帧数据序列；

异常分类模块(43)，用于根据所述带有故障识别信息的帧数据序列对检测到的异常事件类型进行分类，其中，

所述数据处理模块(41)还用于根据所述热成像画面数据获得所述被检测目标所在区域的温度信息，对所述温度信息进行判断并根据所述温度信息与不同阈值的关系产生不同级别的温度异常信息。

4.根据权利要求3所述的基于机器视觉和热成像技术的变压器台区监控系统，其特征在于，所述核心控制模块(4)还用于：

利用采集或经检测的正常数据和异常数据以及历史数据和数据变化趋势特征，对所述深度学习运算模块(42)中的神经网络进行持续性训练，并对所述变压器台区的非突发性故障进行提前预测。

5.根据权利要求1所述的基于机器视觉和热成像技术的变压器台区监控系统，其特征在于，还包括电源，以及连接至所述电源的电源开关、电源指示灯和状态指示灯，其中，所述状态指示灯用于通过彩色灯的不同组合及不同闪烁频率对所述被检测目标的状态进行指示。

6.根据权利要求1至5中任一项所述的基于机器视觉和热成像技术的变压器台区监控系统，其特征在于，还包括通信模块，所述通信模块包括上行通信单元和下行通信单元，其中，

所述上行通信单元用于将所述变压器台区监控系统电连接至TTU；

所述下行通信单元用于将所述相机模块和所述红外热成像模块电连接至所述核心控制模块。

7.一种基于机器视觉和热成像技术的变压器台区监控方法，其特征在于，包括：

S1：采集变压器台区中的被检测目标的视频数据；

S2：采集所述变压器台区中的被检测目标的热成像画面数据；

S3：采集所述变压器台区监控系统所在位置的三轴加速度、三轴角速度和方位信息；

S4：利用所述视频数据、所述热成像画面数据、所述三轴加速度、所述三轴角速度和\或所述方位信息对所述被检测目标进行识别，获取所述被检测目标的异常信息，并利用神经网络对所述异常信息进行深度学习以对非突发性故障进行提前预测。

8.根据权利要求7所述的基于机器视觉和热成像技术的变压器台区监控方法，其特征在于，所述S4包括：

S41：将所述视频数据、所述热成像画面数据、所述当前三轴加速度、所述当前三轴角速度及所述当前方位信息进行解码或分割，以形成单帧数据序列；

S42：根据所述单帧数据序列，利用经训练的神经网络对数据异常类型进行识别并输出带有识别信息的帧数据序列；

S43：根据所述带有识别信息的帧数据序列对检测到的异常事件类型进行分类。