[发明专利]基于机器视觉的变压器导电杆引线头过热预测性维护方法

权利要求书

1.一种基于机器视觉的变压器导电杆引线头过热预测性维护方法，其特征在于：它包括：

步骤1、在电力设备变压器引线接头上安装变色感温片；

步骤2、将摄像头安装在正对变色感温片的位置，摄像头连续采集感温片图像数据，包括正常状态和异常状态的图像数据传到视频服务器后台；

步骤3、模型训练：采集变色感温片各种实景照片，经过人工标注后输入PyTorch人工智能引擎进行训练，形成针对各种场景的识别引擎；

步骤4、超温识别：经过训练形成的识别引擎对辖区内每一路视频信号每隔1小时进行图片提取和识别，输出结果；

步骤5、输出的结果，依照温度越高优先级越高的顺序发送预警信息给维护人员并进行状态预警。

2.根据权利要求1所述的一种基于机器视觉的变压器导电杆引线头过热预测性维护方法，其特征在于：变色感温片采用BCW系列不可逆变色感温片，当温度达到60度时，感温片变黄色；70度时变绿色；80度时变红色；90度时变黑色；100度或以上时变蓝色。

3.根据权利要求1所述的一种基于机器视觉的变压器导电杆引线头过热预测性维护方法，其特征在于：变色感温片粘贴到变压器引线接头部位。

4.根据权利要求1所述的一种基于机器视觉的变压器导电杆引线头过热预测性维护方法，其特征在于：摄像头安装时，摄像头要对准感温片正面，成像面包含整个感温片或一个以上感温片，没有感温片的部位成像面积越小越好。

5.根据权利要求1所述的一种基于机器视觉的变压器导电杆引线头过热预测性维护方法，其特征在于：通过对输出结果的标注形成样本，再返回模型训练，不断提高识别率到95％以上。

6.根据权利要求1所述的一种基于机器视觉的变压器导电杆引线头过热预测性维护方法，其特征在于：超温识别的具体实现方法包括：视频服务器每隔1小时截取一副彩色图片送入经过步骤4模型训练形成的AI识别引擎；由AI引擎实现超温识别输出结果，输出结果如果发现有引线接头发热，进入步骤5，同时将输出结果按步骤3人工标注后作为样本送入模型训练引擎。

7.根据权利要求1所述的一种基于机器视觉的变压器导电杆引线头过热预测性维护方法，其特征在于：状态预警指的是基于超温识别结果，即电力设备发热状态，把超过阈值的状态通过各种不同的通讯方式发送到各个预警系统或终端。

8.根据权利要求1所述的一种基于机器视觉的变压器导电杆引线头过热预测性维护方法，其特征在于：图像数据通过有线或无线通信方式发送至视频服务器。