[发明专利]一种高精度的红外图像异常检测方法及系统

说明书

本发明涉及检测技术领域，具体而言，涉及一种高精度的红外图像异常检测方法及系统，该方法包括如下步骤：S1、采集若干数目的电力设备红外异常发热图像样本，对图像样本进行扩充，构建数据集；S2、构建网络模型，利用所述数据集对SSD基础模型进行训练，得到电力设备检测神经网络模型；S3、利用所述电力设备检测神经网络模型进行待测图像检测。本发明通过更加细致的样本分类将极大的提高红外图像或者红外视频检测的效率与高精度；通过图像风格的迁移扩充图像样本，不仅能够增加训练样本量，还能够解决复杂天气对图像样本造成的影响；通过对图像样本的预处理，能够增加训练的复杂性，提高训练效果，以此提高模型检测的精度。

技术领域

本发明涉及检测技术领域，具体而言，涉及一种高精度的红外图像异常检测方法及系统。

背景技术

电力设备是变电站的基本组成模块，对电力设备状态及时检测，能对这些设备高效率管理，使变电站更加高效、安全、可靠运行。变电站中绝大部分电力设备异常发热是由于关键部位接触不良、连接部件松动、过负荷、旧设备接头氧化、泄漏电流等原因造成电力设备的部分区域异常发热。红外热像仪检测具有非接触不停电检测电力设备等优点，在各个电力单位广泛使用，并且随着变电站智能巡检与定点监测等智能设备的应用与普及，红外图像数据不断增多，海量的巡检红外图像数据靠人工进行检索分析，将费时费力效率低下。

以往的红外检测方法往往需要人工去设置红外温度阈值或者人工观测判别异常发热，费时费力，不能不间断监测。应用传统的图像处理技术对电力设备异常发热识别的方法往往因训练样本太少、样本分类不细致，没有考虑到地域、季节、时段、气温和天气等环境因素对电力设备的影响，导致识别的准确率较差，其次，训练样本量过多导致训练速度慢也是一大问题。

申请内容

针对现有技术的不足，本发明的目的在于提供一种高精度的红外图像异常检测方法，以对电力设备的红外图像异常进行高精度的检测分析。

为实现上述目的，本发明的实施例通过以下技术方案实现：

一种高精度的红外图像异常检测方法，包括如下步骤：

S1、采集若干数目的电力设备红外异常发热图像样本，对图像样本进行扩充，构建数据集；

S2、构建网络模型，利用所述数据集对SSD基础模型进行训练，得到电力设备检测神经网络模型；

S3、利用所述电力设备检测神经网络模型进行待测图像检测。

进一步地，所述步骤S1的样本收集方法包括：

S11、采集电力设备在不同时段、不同地域、不同季节、不同天气、不同气温等情况下的红热异常与故障设备的图像样本；

S12、利用图像风格转换器将图像样本转换为不同域的图像，实现图像风格的迁移，扩充图像样本；

S13、每幅图像样本均对不同的采集时段、地域、季节、天气以及气温等环境因素和不同的红热异常区域、故障设备图像标注不同标签；

S14、将标注好的图像样本，进行批量去噪、立体匹配预处理，和进行旋转、镜像、下采样、模糊或增强处理中的一种或多种处理，增加训练的复杂性，提高训练效果，并对图像样本进行统一裁剪；

S15、将裁剪后的红外异常发热图像作为制作数据集的材料，制作voc2007标准化数据集。

进一步地，所述步骤S2的构建模型网络方法包括：

S21、加载数据集，并对所述数据集进行转换数据格式，得到训练文件；

S22、构建SSD基础模型，利用所述训练文件对所述SSD基础模型进行训练；

S23、训练中的优化器采用RMSprop优化器，得到电力设备检测神经网络模型；