[发明专利]基于机器视觉的电力设备检测方法及系统

权利要求书

1.一种基于机器视觉的电力设备检测系统，其特征在于，包括：

热红外监控模块，用于获取待检测电力设备的热红外图像；

图像分割模块，用于对所述待检测电力设备的热红外图像进行图像分块处理以得到热红外图像块的序列；

图像块特征提取模块，用于将所述热红外图像块的序列中的各个热红外图像块分别通过作为过滤器的第一卷积神经网络模型以得到多个热红外图像块特征向量；

图像块拓扑构造模块，用于构建所述热红外图像块的序列的空间拓扑矩阵，其中，所述空间拓扑矩阵中各个位置的值用于表示相应两个热红外图像块之间的欧式距离；

空间拓扑特征提取模块，用于将所述空间拓扑矩阵通过作为特征提取器的第二卷积神经网络模型以得到空间拓扑特征矩阵；

图像块特征全局化模块，用于将所述多个热红外图像块特征向量排列为热红外图像块全局特征矩阵；

图数据编码模块，用于将所述热红外图像块全局特征矩阵和所述空间拓扑特征矩阵通过图神经网络模型以得到拓扑热红外图像块全局特征矩阵；以及

检测结果生成模块，用于将所述拓扑热红外图像块全局特征矩阵通过分类器以得到分类结果，所述分类结果用于表示待检测电力设备的工作状态是否正常。

2.根据权利要求1所述的基于机器视觉的电力设备检测系统，其特征在于，所述图像块特征提取模块，用于：

使用所述作为过滤器的第一卷积神经网络模型的各层在层的正向传递中分别对输入数据进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述作为过滤器的第一卷积神经网络模型的最后一层输出所述多个热红外图像块特征向量，其中，所述作为过滤器的第一卷积神经网络模型的第一层的输入为所述热红外图像块的序列中的各个热红外图像块。

3.根据权利要求2所述的基于机器视觉的电力设备检测系统，其特征在于，所述图像块拓扑构造模块，包括：

空间度量单元，用于计算所述热红外图像块的序列中每两个热红外图像块之间的欧式距离以得到多个欧式距离；以及

矩阵构造单元，用于将所述多个欧式距离构造为所述空间拓扑矩阵。

4.根据权利要求3所述的基于机器视觉的电力设备检测系统，其特征在于，所述空间拓扑特征提取模块，用于：

使用所述作为特征提取器的第二卷积神经网络模型的各层在层的正向传递中对输入数据分别进行二维卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述作为特征提取器的第二卷积神经网络模型的最后一层输出所述空间拓扑特征矩阵，其中，所述作为特征提取器的第二卷积神经网络模型的第一层的输入为所述空间拓扑矩阵。

5.根据权利要求4所述的基于机器视觉的电力设备检测系统，其特征在于，所述图数据编码模块，进一步用于使用所述图神经网络模型以可学习的神经网络参数对所述热红外图像块全局特征矩阵和所述空间拓扑特征矩阵进行编码以得到所述拓扑热红外图像块全局特征矩阵。

6.根据权利要求5所述的基于机器视觉的电力设备检测系统，其特征在于，还包括用于对所述作为过滤器的第一卷积神经网络模型、所述作为特征提取器的第二卷积神经网络模型、所述图神经网络模型和所述分类器进行训练的训练模块。