[发明专利]基于图像处理的变电设备异常自动识别方法

摘要

本发明公开了一种基于图像处理的变电设备异常自动识别方法，包括建立变电站设备红外图像数据库；采集变电站设备红外测温影像数据，并对所述变电设备影像数据进行预处理；将所述图像的像素点进行分类；形成二值图像；根据识别出的变电站设备二值图像信息，根据红外图像数据库信息判定故障类型。本发明有意效果可实现红外测温数据的自动分析，减少人工投入，有利于变电设备运检自动化水平的提高。可依据红外测温数据的分析快速诊断出设备的各类外部过热缺陷，以及设备内部可能存在的各种缺陷，促进了故障诊断方法向智能化方向发展。

主权项

一种基于图像处理的变电设备异常自动识别方法，其特征是，包括以下步骤：(1)根据监测的变电站红外图像历史数据，建立变电站设备红外图像数据库；(2)采集变电站设备红外测温影像数据，并对所述变电设备红外图像数据进行预处理；(3)利用预处理后的图像中像素点在灰度特性上的差异，通过设定不同的特征阈值，将所述图像的像素点进行分类；(4)确定预处理后的图像中每个像素点是属于目标还是属于背景，从而形成二值图像；(5)根据识别出的变电站设备二值图像信息，在变电站设备红外图像数据库中搜索步骤(4)中图像的所有信息，并根据红外图像数据库信息判定故障类型；所述步骤(1)中红外图像数据库中包含每一个红外图像所代表的设备名称、该设备运行正常时设备的平均温度、目前该设备的最高温度以及环境温度、红外图像类型以及故障类型；所述步骤(2)中对所述变电设备影像数据进行预处理的方法为：采用中值滤波法对原始红外图像进行去噪处理，对彩色图像进行灰度化处理,将输入的彩色图像转化为灰度图像：一幅RGB图像就是彩色像素的一个数组,其中每一个彩色像素点都是在设定空间位置的彩色图像相对应的红、绿、蓝三分量；RGB模型为图像中每一个像素的RGB分量分配一个0至255范围内的灰度值，将三个分量以不同的权值进行加权平均从而得到对应点的灰度值；采用中值滤波法对原始红外图像进行去噪处理：对待处理的当前像素点(x,y)，选择一个滑动滤波窗口，该窗口由其近邻的若干像素组成，对窗口中所有像素做大小排序，再把该序列的中值赋予当前像素点(x,y)，作为处理后图像在该点上的灰度g(x,y)；所述步骤(3)中将所述图像的像素点进行分类的具体方法为：将第k帧和k+1帧图像fk(x，y)，fk+l(x，y)之间的变化用一个二值差分图像D(x，y)表示：其中，T为差分二值化阈值；所述差分二值化阈值T采用最大类间方差法确定：设图像灰度级范围为H，各灰度级出现的概率为Pi，阈值t将图像像素分成2类C1和C2，两类的平均灰度为ρ1=Σi=0tiPi/ω1,]]>ρ2=Σi=t+1H-1iPi/ω2,]]>其中ω2＝1‑ω1，分别代表两类出现的概率，代表图像总的灰度均值；则两类之间的方差为：γ2(t)＝ω1(ρ1‑ρ)2+ω2(ρ2‑ρ)2,使γ2(t)最大的t即为最佳差分二值化阈值T；所述步骤(5)的具体方法为：将当前红外图像信息与变电站设备红外图像数据库进行匹配，通过皮尔逊相关系数法计算当前红外图像处理后的二值化信息与库中的二值化信息之间的相关关系r，当r达到设定值时,判定当前红外测温图像与故障库中某故障信息匹配；通过模板匹配的方法找到与图像匹配的目标故障。