[发明专利]一种基于图像融合与目标检测结合的电力设备故障诊断方法

说明书

本发明涉及一种基于图像融合与目标检测结合的电力设备故障诊断方法，针对从红外热像仪采集到的红外图像和相机采集到可见光图像这两种同源图像，首先使用图像增强来提高红外图像的对比度、纹理细节以及亮度等，为保持图像的边缘信息对可见光图像进行增强；其次为解决可见光图像与红外图像中的细节信息不同的问题，采用图像配准方法；再使用图像融合将红外图像与可见光图像融合起来，最终使用目标检测方法完成对电力设备的缺陷检测。本发明在处理红外图像与可见光图像，将传统图像处理方法与深度学习方法相结合起来，是一种创新方法。

技术领域

本发明涉及到人工智能及图像处理领域，具体涉及一种电力设备图像融合与目标检测结合故障诊断方法。

背景技术

采用红外成像技术对电力设备进行温度监测，以其操作方便、间接接触、响应速度快，判断准确、安全性能高和使用范围广等优势，已逐步推广。利用红外成像技术以及智能算法来对变电设备故障进行诊断甚至定位，能更加准确的诊断变电设备故障，降低错误率，提高电网系统的稳定性，做到实时在线诊断和预测，减少人工维护成本，提高我国电网的智能化水平。

目前，电力设备红外故障检测方法主要分为传统方法与智能算法，传统方法以人工分析为主，维修人员通过检测设备相关参数指标和对其外观主观判断是否存在故障；智能算法有基于图像处理、图像识别等，再采用如专家系统、神经网络和深度学习等的智能诊断方法，对电力设备的故障进行检测。通过查阅文献，得出现有技术存在以下不足：

1)采用人工识别的方式，识别效果依赖于运维人员的经验，其精度和准度有待提高；

2)在线监控的温度阈值判断方法，识别能力有限，导致极易漏判或误判。

发明内容

本发明的目的是开发一套基于图像融合与目标检测的电力设备红外处理方法，以实现设备的自动识别和设备发热状态的精确诊断，极大提高设备使用寿命，在一定程度上减少巡检成本和难度，及时发现安全隐患并且排除故障和处理突发状况。

本发明的目的是提供一种新的图像融合网络dG-Fusion，通过融合红外光与可见光图像，提高后续目标检测网络对电力设备的检测精准度，而且该网络还可以与其他光谱融合，具有一定泛化能力。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种电力设备图像融合与目标检测结合故障诊断方法，其特征在于，

步骤1、采集设定时间段的电力设备红外图像数据和可见光图像数据构成电力设备红外图像数据集和可见光图像数据集，并对其进行图像增强；

步骤2、使用边缘图和特征提取分别对增强后的红外图像和可见光图像进行配准；得到配准后的红外图像数据集和可见光图像数据集；

步骤3、使用改进后的新网络dG-Fusion对步骤2中的图像进行融合，具体方法是步骤3.1、将步骤2得到的红外光图像数据集按照7:3的比例分配训练集和测试集，从得到对应的7:3的比例的可见光图像数据集；

步骤3.2、将步骤3中的训练集使用裁剪和归一化方法，以形成用于训练的图像块，便于网络训练。训练集包括可见光图像训练集和红外图像训练集，训练方式如下依次执行：

步骤A、生成器的训练，从训练集中获取M个对应可见光和红外光图像块，填充为132*132后，作为生成器的输入，并对生成器进行训练，获取第一次判别器训练所需的融合图像；

步骤B、对抗训练，训练判别器以及生成器，从训练集中选择M个对应融合与可见光图像进入判别器网络训练，更新判别器的损失L_D