[发明专利]电力设备红外热图的识别方法和电力设备红外识别系统

摘要

本发明公开了一种电力设备红外热图的识别方法和电力设备红外识别系统，所述方法包括：S1：通过红外热像仪采集多个包含有待识别的电力设备的电力设备红外热图，获得训练样本集合；S2：对训练样本集合中的每个电力设备红外热图分别依次进行增强处理以及归一化处理；S3：提取预处理红外热图中的电力设备红外热图特征，包括图像特征和热分布特征；S4：保存瓶颈特征；S5：网络优化，获得红外热图为电力设备的概率阈值。相对于大量红外电力设备的人工识别、标注和命名，本发明基于对电力设备红外热图的高识别率，可以用于红外热像仪拍摄现场的图片命名和缺陷诊断，和后期电力设备状态及异常情况的自动化分析，本发明识别红外热图电力设备的准确率高。

主权项

1.电力设备红外热图的识别方法，其特征在于，包括以下步骤：S1：通过红外热像仪采集多个包含有待识别的电力设备的红外热图，获得训练样本集合；S2：对训练样本集合中的每个电力设备红外热图分别依次进行增强处理以及归一化处理，得到预处理红外热图；S3：提取所述预处理红外热图中的电力设备红外热图特征：构建VGG16深度网络，其中VGG16深度网络中从第一卷积模块中的第二个二维卷积至第三卷积模块中的第三个二维卷积之间的二维卷积均为Squeeze Net中的模块化的卷积化模块Fire Module，即获得基于VGG16和Squeeze Net的神经网络框架；S4：保存瓶颈特征：输入训练样本集合和测试样本集合，提取全连接层之前的输出，即获得瓶颈特征，并使用Nadam优化器训练瓶颈特征；S5：网络优化：VGG16深度网络预权重以及瓶颈特征权重，冻结神经网络框架的第一卷积模块、第二卷积模块以及第三卷积模块，并将第四卷积模块、第五卷积模块以及全连接层进行全局优化训练，得到电力设备网络模型，获得红外热图为电力设备的概率阈值；S6：利用所述电力设备网络模型，输入或读取待识别红外热图，获得待识别红外热图中包括所述电力设备的概率，若待识别红外热图中包括所述电力设备的概率高于所述概率阈值时，则该待识别红外热图为所述电力设备。