[发明专利]基于图像数据库和巡检机器人的设备故障检测方法

说明书

技术领域

本发明涉及一种基于图像数据库和巡检机器人的设备故障检测方法。

背景技术

目前，我国的设备监控主要依靠人工观测，例如在变电站、电厂等企业，这种方式存在许多人为因素和不确定因素。在高压、超高压以及恶劣气象、恶劣环境等条件下，不仅人身危险性大，而且对企业运行也带来一定隐患。国内一些企业虽然开展了针对电力行业的巡检机器人设备监测研究，但是面临的一个突出问题就是利用率低下，主要是“视而不监”，即对于巡检机器人传输过来的实时视频流主要以人工监视和信息存储为主。由于人工监视容易出现视觉疲劳和疏忽，尤其是晚上时间监控难度非常大。这就导致巡检机器人设备监控系统的利用率比较低下。如何使得当前已有的监控资源获得最大的效益是目前的一个突出问题。

当巡检机器人将实时视频流传输到监控服务器之后，传统的利用图像处理和模式识别技术所进行的设备监测方法是：首先离线提取巡检线路上各个设备的特征，然后对于传输到监控室的可见光摄像头实时视频流进行处理，在线获得各个设备的特征，进而与离线提取的各种设备的特征进行比较，识别各种设备并进行定位；接着将巡检机器人上安装的红外摄像头传输来的实时红外热成像图像与可见光图像进行多莫模态配准，从而获得各种设备的温度信息，再根据各种设备温度阈值决定是否报警。

该方法涉及到设备特征提取和识别、可见光图像与热像仪图像的多模态配准。其中每一个环节都难以保证达到实用化的准确率。例如设备特征提取，由于设备种类繁多、观测角度和观测时间多种多样、天气状况千差万别等，很难获得精确的设备特征并准确识别和定位；多模态图像配准本身就是一个研究难点，虽然目前有最大对齐度算法、互信息等算法，但要想在实际中获得非常高的配准效果是非常困难的；况且基于图像处理的设备模式识别和定位本身的精度就无法保证。

为了能够更加有效地实现设备监控的实用性和智能化，提高巡检机器人的准确性和监控效益，实现小投入大产出，需要加强视频信息的智能化分析研究。一个重要课题就是通过分析巡检机器人传输来的视频流信息，研究各种设备目标的快速检测及报警、实现视频图像中目标的实时识别和准确分类等，并将上述相应技术应用于安全生产建设。

发明内容

为解决以上技术上的不足，本发明提供了一种检测准确率高的基于图像数据库和巡检机器人的设备故障检测方法。

本发明是通过以下措施实现的：

本发明一种基于图像数据库和巡检机器人的设备故障检测方法，包括以下步骤：

步骤1，将巡检机器人配备可同步进行拍摄的可见光摄像头和热成像摄像头，设定巡检机器人在变电站的巡检线路，并在巡检线路上设定多个巡检机器人的停靠位，在每个停靠位设定多个巡检机器人的拍摄角度，在不同天气状态和时间条件下将巡检机器人在每个停靠位上每个拍摄角度拍摄的可见光图像进存储，然后建立以停靠位、拍摄角度、天气状态和时间为限定条件的图像数据库，并在图像数据库内每个可见光图像中标定其所含设备的位置、编号和温度阈值信息；

步骤2，巡检机器人沿设定的巡检线路巡检，并在每个设定的停靠点进行停靠，停靠后按照设定的拍摄角度进行拍摄，然后结合实时的天气状态和时间，将拍摄的实时可见光图像与图像数据库对应限定条件下的可见光图像进行配准，进而判断出配准后当前图像中各个设备的位置和编号；

步骤3，巡检机器人在采用可见光摄像头拍摄图像的同时采用热成像摄像头进行同步拍摄，并将实时的可见光图像与对应的热成像图像进行多模图像匹配，进而得到图像中各个设备的实时工作温度信息，并与图像数据库中对应图像中设定的各个设备的温度阈值进行比对，判断出设备的实时工作温度是否超出设定的温度阈值。

在步骤1中，建立图像数据库的限定条件中，天气状态包括晴朗、少云、多云、阴天、雨天、雪天、轻雾、浓雾共8种，时间条件包括日出、白天、黄昏、夜晚4种，其中白天每隔2个小时作为一种。

在步骤2中，在实时可见光图像与图像数据库对应限定条件下的可见光图像进行配准时，对实时图像进行中心区域的选取，该中心区域占实时图像面积的1/4，然后对该中心区域进行旋转、缩放和平移处理。