[发明专利]一种基于红外图像的电力杆塔局部放电检测方法及装置

权利要求书

1.一种基于红外图像的电力杆塔局部放电检测方法，其特征在于，包括以下步骤：

S1、获取带有温度数据的电力杆塔的红外图像；

S2、对红外图像进行温度检测，获取红外图像中的最高温度值和最低温度值；

S3、将红外图像转为灰度图片，根据最高温度值和最低温度值计算灰度图片中温度值与灰度值的线性关系；

S4、设定温度突变检测阈值，使用斑点检测算法检测红外图像温度值与灰度值的关系中的温度异常突变点，温度异常突变点即为局部放电区域；

S5、输出红外图像检测状态并对检测到的局部放电区域进行预警，提示可能存在的异常。

2.根据权利要求1所述的电力杆塔局部放电检测方法，其特征在于：在步骤S2中，对红外图像进行温度检测，获取红外图像中的最高温度值和最低温度值的具体过程包括以下步骤：

S21、对红外图像中显示最高温度与最低温度的图像区域进行RGB色值分析，确定最高温度数字与最低温度数字对应的RGB色值范围；

S22、根据RGB色值范围和过滤条件生成对应的过滤后的红外图像；

S23、使用CNN结合CTC的方法搭建识别温度数字的深度神经网络并进行训练得到温度识别模型；

S24、将过滤后的红外图像输入温度识别模型中获得最高温度值和最低温度值。

3.根据权利要求2所述的电力杆塔局部放电检测方法，其特征在于：在步骤S22中，根据RGB色值范围和过滤条件生成对应的过滤后的红外图像的具体过程包括以下步骤：

S221、对红外图像进行色值过滤，得到仅有温度最低区域数字颜色与其余区域为全黑色的图像；

和仅有温度最高区域数字颜色与其余区域颜色为全黑色的图像；

S222、根据图像中的颜色获取得到最低温度区域图像与最高温度区域图像得到过滤后的红外图像。

4.根据权利要求2所述的电力杆塔局部放电检测方法，其特征在于：在步骤S23中，训练温度识别模型包括以下步骤：

S231、获取若干带有温度区域的红外图像作为训练集；

S232、对训练集中每一个红外图像中的温度区域进行标注；

S233、将标注后的红外图像输入至温度识别模型中进行训练得到训练后的温度识别模型。

5.根据权利要求1所述的电力杆塔局部放电检测方法，其特征在于：在步骤S3中，将红外图像转为灰度图片，根据最高温度值和最低温度值计算灰度图片中温度值与灰度值的线性关系，具体过程包括以下步骤：

S31、设定灰度图片中灰度值为0的像素点的区域温度值为最低值，灰度值为255的像素点的区域温度为最高温度；

S32、根据最高温度值和最低温度值求解温度值与灰度值的线性关系。

6.根据权利要求1所述的电力杆塔局部放电检测方法，其特征在于：在步骤S4中，设定温度突变检测阈值包括以下步骤：

S41、设定温差大于P视为过热可能存在局部放电现象；

S42、根据温度值与灰度值的线性关系计算温度阈值对应的灰度阈值即为温度突变检测阈值。

7.一种用于实现上述权利要求1至6任一项所述的电力杆塔局部放电检测方法的装置，其特征在于，包括：

红外图像获取模块(10)，所述红外图像获取模块(10)用于获取带有温度数据的电力杆塔的红外图像；

温度检测模块(20)，所述温度检测模块(20)用于对红外图像进行温度检测，获取红外图像中的最高温度值和最低温度值；

线性转换模块(30)，所述线性转换模块(30)用于将红外图像转为灰度图片，根据最高温度值和最低温度值计算灰度图片中温度值与灰度值的线性关系；

检测模块(40)，所述检测模块(40)用于设定温度突变检测阈值，使用斑点检测算法检测红外图像温度值与灰度值的关系中的温度异常突变点，温度异常突变点即为局部放电区域；

输出模块(50)，所述输出模块(50)用于输出红外图像检测状态并对检测到的局部放电区域进行预警，提示可能存在的异常。

8.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6任一项所述的电力杆塔局部放电检测方法。