一种配电站设备缺陷判别方法及系统与流程

1.本发明涉及高压设备缺陷判别的技术领域，尤其涉及一种配电站设备缺陷判别方法及系统。


背景技术：

2.随着国家经济发展，居民和企业用电需求快速增长，部分地区电力供应出现紧张，给电力系统带来了新的挑战。作为电网重要组成部分，变电站高压电气设备的正常运行与供电可靠性息息相关，因此，实时监测、定期巡检、及时排除故障以保证电力设备安全稳定运行变得即为关键。目前，不少变电站安装了远程监控系统，以实现监控现场设备、控制摄像机运动及录像等功能。除此以外，无人机、巡检机器人等自动巡检设备也被广泛投入使用。然而，在上述过程中获取的大量图片很难通过人工查看的方式满足实时性要求。且人为因素会极大影响监测效果，当肉眼无法快速识别设备异常时，往往会出现误报、漏报等情况。
3.现有基于变电设备红外图像的缺陷检测采用faster rcnn网络进行图像识别，然而，该方式较为依赖识别效果，一旦设备类型识别错误或定位出现偏差，就会出现误判现象。


技术实现要素：

4.本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本技术的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
5.鉴于上述现有存在的问题，提出了本发明。
6.为解决上述技术问题，本发明提供如下技术方案：包括，通过图像处理模块采集变电站高压设备图像，并对所述变电站高压设备图像进行过滤处理；利用识别模块提取变电站高压设备图像中的特征，根据特征对高压设备的类别进行粗分类；通过缺陷判别模块对粗分类获得的类别进行辨识，定位疑似缺陷高压设备；通过数据处理模块计算疑似缺陷高压设备和同类正常设备间的时空相似度，通过时空相似度进行高压设备缺陷判别。
7.作为本发明所述的配电站设备缺陷判别方法的一种优选方案，其中：所述图像处理模块包括采集单元和滤波单元；通过所述采集单元采集变电站高压设备图像，而后通过所述滤波单元过滤变电站高压设备图像的噪声。
8.作为本发明所述的配电站设备缺陷判别方法的一种优选方案，其中：所述滤波单元包括，基于高斯低通滤波器设定滤波单元的相关参数；定义滤波单元的逼近函数，根据所述逼近函数确定谐振腔的数目，完成滤波单元的设计；其中，所述相关参数包括带宽、低端阻带处的抑制高度和带内回波损耗。
9.作为本发明所述的配电站设备缺陷判别方法的一种优选方案，其中：所述逼近函数包括传输函数q
11
和反射函数q
21
；所述传输函数q
11
为：
[0010][0011]
所述反射函数q
21
为：
[0012][0013]
其中，m为零点数，ω为时频变量，ε为ω＝
±
1的等波纹常数，fn(ω)、fn(ω)、pn(ω)为切比雪夫函数的特性多项式。
[0014]
作为本发明所述的配电站设备缺陷判别方法的一种优选方案，其中：所述识别模块包括特征提取单元和粗分类单元；所述特征提取单元包括基础网络、额外特征层和预测分支；利用所述基础网络设置先验框；通过额外特征层和预测分支提取先验框中的特征；将提取的特征输入至所述粗分类单元所述粗分类单元利用sift算法对高压设备的类别的进行粗分类；其中，基础网络采用vgg16网络，额外特征层采用预设锚点和特征金字塔技术，预测分支通过非极大值抑制策略以去除重复识别结果。
[0015]
作为本发明所述的配电站设备缺陷判别方法的一种优选方案，其中：所述高压设备缺陷辨识包括，设定灰度阈值，将大于所述灰度阈值的区域定义为疑似缺陷高压设备所在区域，从而定位疑似缺陷高压设备。
[0016]
作为本发明所述的配电站设备缺陷判别方法的一种优选方案，其中：所述时空相似度包括，
[0017]
s(ri,rj)＝α1sc+α2s
t
+α3sf[0018][0019][0020][0021]
其中，s(ri,rj)为ri和rj间的时空相似度，ri和rj分别表示疑似缺陷高压设备所在区域i和同类正常设备所在区域j，α＝(α1,α2,α3)为权重向量；sc为颜色相似度，ci为区域i中相邻像素点的距离，cj为区域j中相邻像素点的距离；s
t
为纹理相似度，t
ik
区域i的第k个纹理特征向量，t
jk
区域j的第k个纹理特征向量，k＝1，2
…
n；sf为形状相似度，size(ri)表示区域i的像素数，size(ri)表示区域i的像素数，size(im)表示整幅图片的像素数，b
ij
为区域i和区域j合并后的矩形边界框。
[0022]
作为本发明所述的配电站设备缺陷判别系统的一种优选方案，其中：包括，图像模块，用于采集变电站高压设备图像和去除变电站高压设备图像的噪声；识别模块，与所述图像处理模块连接，用于提取变电站高压设备图像中的特征，并用于根据特征对变电站高压设备图像的类别进行粗分类；缺陷判别模块，与所述识别模块连接，用于对粗分类获得的类别进行判别，定位疑似缺陷高压设备；数据处理模块，与所述缺陷判别模块连接，用于计算
疑似缺陷高压设备和同类正常设备间的时空相似度，通过时空相似度进行高压设备缺陷判别。
[0023]
作为本发明所述的配电站设备缺陷判别系统的一种优选方案，其中：所述图像处理模块包括采集单元和滤波单元；采集单元，用于采集变电站高压设备图像；滤波单元，与所述采集单元连接，用于去除变电站高压设备图像的噪声。
[0024]
作为本发明所述的配电站设备缺陷判别系统的一种优选方案，其中：所述识别模块包括特征提取单元和粗分类单元；所述特征提取单元，用于提取变电站高压设备图像中的特征；粗分类单元，与所述特征提取单元连接，其用于通过sift算法对高压设备的类别的进行粗分类。
[0025]
本发明的有益效果：本发明通过设计滤波单元，提高了高压设备缺陷的检测精度，同时通过时空相似度进一步提高了缺陷的识别准确率和可靠性。
附图说明
[0026]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
[0027]
图1为本发明第一个实施例所述的配电站设备缺陷判别方法的流程示意图；
[0028]
图2为本发明第二个实施例所述的配电站设备缺陷判别系统的结构示意图。
具体实施方式
[0029]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护的范围。
[0030]
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
[0031]
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
[0032]
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
[0033]
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
[0034]
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
[0035]
实施例1
[0036]
参照图1，为本发明的第一个实施例，该实施例提供了一种配电站设备缺陷判别方法，包括：
[0037]
s1：通过图像处理模块100采集变电站高压设备图像，并对变电站高压设备图像进行过滤处理。
[0038]
图像处理模块100包括采集单元101和滤波单元102；通过采集单元101采集变电站高压设备图像，而后通过滤波单元102过滤变电站高压设备图像的噪声。
[0039]
其中，采集单元101可以是ccd红外相机。
[0040]
进一步的，设计滤波单元102：
[0041]
(1)基于高斯低通滤波器设定滤波单元102的相关参数；
[0042]
相关参数包括带宽、低端阻带处的抑制高度和带内回波损耗。
[0043]
(2)定义滤波单元102的逼近函数，根据逼近函数确定谐振腔的数目，完成滤波单元102的设计；
[0044]
逼近函数包括传输函数q
11
和反射函数q
21
；
[0045]
传输函数q
11
为：
[0046][0047]
反射函数q
21
为：
[0048][0049]
其中，m为零点数，ω为时频变量，ε为ω＝
±
1的等波纹常数，fn(ω)、fn(ω)、pn(ω)为切比雪夫函数的特性多项式。
[0050]
较佳的是，本发明通过设计滤波单元102，有效过滤了变电站高压设备图像的噪声，且降低了时延。
[0051]
s2：利用识别模块200提取变电站高压设备图像中的特征，根据特征对高压设备的类别进行粗分类。
[0052]
识别模块200包括特征提取单元201和粗分类单元202；
[0053]
(1)特征提取单元201包括基础网络、额外特征层和预测分支；
[0054]
①
利用基础网络设置先验框；
[0055]
②
通过额外特征层和预测分支提取先验框中的特征；
[0056]
其中，基础网络采用vgg16网络，额外特征层采用预设锚点和特征金字塔技术，预测分支通过非极大值抑制策略以去除重复识别结果。
[0057]
(2)将提取的特征输入至粗分类单元202，粗分类单元202利用sift算法对高压设备的类别的进行粗分类。
[0058]
s3：通过缺陷判别模块300对粗分类获得的类别进行辨识，定位疑似缺陷高压设备。
[0059]
设定灰度阈值，将大于灰度阈值的区域定义为疑似缺陷高压设备所在区域，从而定位疑似缺陷高压设备。
[0060]
s4：通过数据处理模块400计算疑似缺陷高压设备和同类正常设备间的时空相似度，通过时空相似度进行高压设备缺陷判别。
[0061]
计算时空相似度：
[0062]
s(ri,rj)＝α1sc+α2s
t
+α3sf[0063][0064][0065][0066]
其中，s(ri,rj)为ri和rj间的时空相似度，ri和rj分别表示疑似缺陷高压设备所在区域i和同类正常设备所在区域j，α＝(α1,α2,α3)为权重向量；sc为颜色相似度，ci为区域i中相邻像素点的距离，cj为区域j中相邻像素点的距离，本实施例通过欧几里得原理计算ci和cj；s
t
为纹理相似度，t
ik
区域i的第k个纹理特征向量，t
jk
区域j的第k个纹理特征向量，k＝1，2
…
n；sf为形状相似度，size(ri)表示区域i的像素数，size(ri)表示区域i的像素数，size(im)表示整幅图片的像素数，b
ij
为区域i和区域j合并后的矩形边界框。
[0067]
为了对本方法中采用的技术效果加以验证说明，本实施例选择cnn模型、yolo模型和采用本方法进行对比测试，以科学论证的手段对比试验结果，以验证本方法所具有的真实效果。
[0068]
本实施例中将采用cnn模型、yolo模型和本方法分别对不同类型的高压设备进行缺陷检测对比。
[0069]
设备的种类包含变压器、开关设备、套管、互感器和避雷器，分别采用cnn模型、yolo模型和本方法对300张变电站设备图像进行识别检测，其中80张包含设备缺陷，在matlab平台上进行检测，结果如下表所示。
[0070]
表1：不同类型设备对应缺陷识别准确率。
[0071][0072]
可以看到，本方法对应的准确率明显高于其余两种方法，获得了更好的缺陷辨识效果。
[0073]
实施例2
[0074]
参照图2，为本发明的第二个实施例，该实施例不同于第一个实施例的是，提供了一种配电站设备缺陷判别系统，包括，
[0075]
图像模块100，用于采集变电站高压设备图像和去除变电站高压设备图像的噪声；图像处理模块100包括采集单元101和滤波单元102；其中，采集单元101，用于采集变电站高压设备图像；滤波单元102，与采集单元101连接，用于去除变电站高压设备图像的噪声。
[0076]
识别模块200，与图像处理模块100连接，用于提取变电站高压设备图像中的特征，并用于根据特征对变电站高压设备图像的类别进行粗分类；识别模块200包括特征提取单元201和粗分类单元202；特征提取单元201，用于提取变电站高压设备图像中的特征；粗分类单元202，与特征提取单元201连接，其用于通过sift算法对高压设备的类别的进行粗分类。
[0077]
缺陷判别模块300，与识别模块200连接，用于对粗分类获得的类别进行判别，定位疑似缺陷高压设备；
[0078]
数据处理模块400，与缺陷判别模块300连接，用于计算疑似缺陷高压设备和同类正常设备间的时空相似度，通过时空相似度进行高压设备缺陷判别。
[0079]
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
[0080]
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
[0081]
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包
括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、ram、rom等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
[0082]
如在本技术所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
[0083]
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：
1.一种配电站设备缺陷判别方法，其特征在于：包括，通过图像处理模块(100)采集变电站高压设备图像，并对所述变电站高压设备图像进行过滤处理；利用识别模块(200)提取变电站高压设备图像中的特征，根据特征对高压设备的类别进行粗分类；通过缺陷判别模块(300)对粗分类获得的类别进行辨识，定位疑似缺陷高压设备；通过数据处理模块(400)计算疑似缺陷高压设备和同类正常设备间的时空相似度，通过时空相似度进行高压设备缺陷判别。2.如权利要求1所述的配电站设备缺陷判别方法，其特征在于：所述图像处理模块(100)包括采集单元(101)和滤波单元(102)；通过所述采集单元(101)采集变电站高压设备图像，而后通过所述滤波单元(102)过滤变电站高压设备图像的噪声。3.如权利要求2所述的配电站设备缺陷判别方法，其特征在于：所述滤波单元(102)包括，基于高斯低通滤波器设定滤波单元(102)的相关参数；定义滤波单元(102)的逼近函数，根据所述逼近函数确定谐振腔的数目，完成滤波单元(102)的设计；其中，所述相关参数包括带宽、低端阻带处的抑制高度和带内回波损耗。4.如权利要求3所述的配电站设备缺陷判别方法，其特征在于：所述逼近函数包括传输函数q
11
和反射函数q
21
；所述传输函数q
11
为：所述反射函数q
21
为：其中，m为零点数，ω为时频变量，ε为ω＝
±
1的等波纹常数，f
n
(ω)、f
n
(ω)、p
n
(ω)为切比雪夫函数的特性多项式。5.如权利要求1或2所述的配电站设备缺陷判别方法，其特征在于：所述识别模块(200)包括特征提取单元(201)和粗分类单元(202)；所述特征提取单元(201)包括基础网络、额外特征层和预测分支；利用所述基础网络设置先验框；通过额外特征层和预测分支提取先验框中的特征；将提取的特征输入至所述粗分类单元(202)，所述粗分类单元(202)利用sift算法对高压设备的类别的进行粗分类；其中，基础网络采用vgg16网络，额外特征层采用预设锚点和特征金字塔技术，预测分支通过非极大值抑制策略以去除重复识别结果。6.如权利要求5所述的配电站设备缺陷判别方法，其特征在于：所述高压设备缺陷辨识
包括，设定灰度阈值，将大于所述灰度阈值的区域定义为疑似缺陷高压设备所在区域，从而定位疑似缺陷高压设备。7.如权利要求6所述的配电站设备缺陷判别方法，其特征在于：所述时空相似度包括，s(r
i
,r
j
)＝α1s
c
+α2s
t
+α3s
fff
其中，s(r
i
,r
j
)为r
i
和r
j
间的时空相似度，r
i
和r
j
分别表示疑似缺陷高压设备所在区域i和同类正常设备所在区域j，α＝(α1,α2,α3)为权重向量；s
c
为颜色相似度，c
i
为区域i中相邻像素点的距离，c
j
为区域j中相邻像素点的距离；s
t
为纹理相似度，区域i的第k个纹理特征向量，区域j的第k个纹理特征向量，k＝1，2
…
n；s
f
为形状相似度，size(r
i
)表示区域i的像素数，size(r
i
)表示区域i的像素数，size(im)表示整幅图片的像素数，b
ij
为区域i和区域j合并后的矩形边界框。8.一种配电站设备缺陷判别系统，其特征在于：包括，图像模块(100)，用于采集变电站高压设备图像和去除变电站高压设备图像的噪声；识别模块(200)，与所述图像处理模块(100)连接，用于提取变电站高压设备图像中的特征，并用于根据特征对变电站高压设备图像的类别进行粗分类；缺陷判别模块(300)，与所述识别模块(200)连接，用于对粗分类获得的类别进行判别，定位疑似缺陷高压设备；数据处理模块(400)，与所述缺陷判别模块(300)连接，用于计算疑似缺陷高压设备和同类正常设备间的时空相似度，通过时空相似度进行高压设备缺陷判别。9.如权利要求8所述的配电站设备缺陷判别系统，其特征在于：所述图像处理模块(100)包括采集单元(101)和滤波单元(102)；采集单元(101)，用于采集变电站高压设备图像；滤波单元(102)，与所述采集单元(101)连接，用于去除变电站高压设备图像的噪声。10.如权利要求9所述的配电站设备缺陷判别系统，其特征在于：所述识别模块(200)包括特征提取单元(201)和粗分类单元(202)；特征提取单元(201)，用于提取变电站高压设备图像中的特征；粗分类单元(202)，与所述特征提取单元(201)连接，其用于通过sift算法对高压设备的类别的进行粗分类。

技术总结
本发明公开了一种配电站设备缺陷判别方法及系统，其中，一种配电站设备缺陷判别方法包括，通过图像处理模块采集变电站高压设备图像，并对所述变电站高压设备图像进行过滤处理；利用识别模块提取变电站高压设备图像中的特征，根据特征对高压设备的类别进行粗分类；通过缺陷判别模块对粗分类获得的类别进行辨识，定位疑似缺陷高压设备；通过数据处理模块计算疑似缺陷高压设备和同类正常设备间的时空相似度，通过时空相似度进行高压设备缺陷判别；本发明通过设计滤波单元，提高了高压设备缺陷的检测精度，同时通过时空相似度进一步提高了缺陷的识别准确率和可靠性。高了缺陷的识别准确率和可靠性。高了缺陷的识别准确率和可靠性。


技术研发人员：徐伟 陈金刚 杨靖玮 苗振林 张鲲鹏 陈炜强 董丽艳 杨钱江 陈耀君 杨燕华
受保护的技术使用者：嘉兴市恒光电力建设有限责任公司南湖分公司
技术研发日：2021.11.11
技术公布日：2022/3/8